2016年7月6日下午，哥伦比亚大学公共卫生学院生物统计系李根博士和阿肯色大学数学科学系张庆洋博士应邀为我院师生做学术报告。报告由我院张淑梅书记主持。

高维数据给统计学带来了极大的挑战。降维是处理高维数据的一种探索性工具。传统的降维方法如主成分分析，因子分析等只适用于单个数据集，对于有稀疏性的数据和多来源的数据不是很奏效。李根博士提出了一个新的监督性的降维方法，可以灵活地解释在主数据降维过程中的任何辅助信息，包括变量选择等。

图1 李根博士在作报告

隐马尔可夫模型（HMM）是模拟状态持续长度分布的热门工具。传统的离散HMM假设状态持续长度分布服从几何分布，但可能与实际不符。现存的模型大多会受到极端值的影响，对此，张庆洋老师提出了一种稳健的非参数模型，每个状态的持续分布利用后验概率和核平滑方法估计。

图2 张庆洋博士在作报告

两位老师的报告内容充实丰富，他们对老师和同学提出的问题进行了耐心、详细解答。