报告题目：Analyzing Functional Data with a Mixture of Covariance Structures Using a Curved-Based Sampling Scheme
报告人：史建清 教授
报告时间：2025年4月2日（周三）下午 13:30-14:30
报告地点：藕舫楼724会议室
主持人：曹春正 教授
报告简介：
Motivated by distinct walking patterns in real-world free-living gait data, this paper proposes an innovative curve-based sampling scheme for the analysis of functional data characterized by a mixture of covariance structures. Traditional approaches often fail to adequately capture inherent complexities arising from heterogeneous covariance patterns across distinct subsets of the data. We introduce a unified Bayesian framework that integrates a nonlinear regression function with a continuous-time hidden Markov model, enabling the identification and utilization of varying covariance structures. One of the key contributions is the development of a computationally efficient curve-based sampling scheme for hidden state estimation, addressing the sampling complexities associated with high-dimensional, conditionally dependent data. This talk details the Bayesian inference procedure, examines the asymptotic properties to ensure the structural consistency of the model, and demonstrates its effectiveness through simulated and real-world examples.
报告人简介：
史建清，南方科技大学统计与数据科学系教授，理学院生物医学统计中心主任，英国皇家统计学会会士，科技部十四五重点项目首席科学家。曾任英国国家艾伦图灵研究院图灵研究员，剑桥大学牛顿学院访问研究员，英国纽卡斯尔大学（Newcastle University）统计学教授，纽卡斯尔大学云计算和大数据研究中心副主任。主要研究方向包括函数型数据分析，生物医学统计，缺失数据分析，meta-analysis等。在国际学术刊物上发表高水平学术论文多篇，包括统计和医学顶级期刊 JRSSB, JASA, Biometrika, Nature Medicine和British Medical Journal。曾任英国皇家统计协会《应用统计》(JRSSC)等国际期刊副主编，Guest AE for JRSS discussion paper。获IEEE康复游戏和健康国际年会最佳论文奖、美国统计协会非参数统计分会年度最佳论文奖。在Chapman & Hall 出版专著：Gaussian Process Regression Analysis for Functional Data。
欢迎广大师生踊跃参加！
数学与统计学院
江苏省应用数学（南京信息工程大学）中心
江苏省系统建模与数据分析国际合作联合实验室
江苏省统计科学研究基地
2025年4月1日