报告简介  Abstract

The clustering and classification for functional data with misaligned problems has drawn much attention in the last decade. Most methods do the clustering/classification after those functional data being registered and there has been little research using both functional and scalar variables. In this talk, I will discuss a new approach allowing the use of both types of variables and also allowing simultaneous registration and clustering/classification. Numerical results based on both simulated data and real data will be presented.

嘉宾简介  About the Speaker

Jian Qing Shi，博士，英国纽卡斯尔大学（Newcastle University）统计学教授，英国国家数据科学研究院(Alan Turing Institute) 的图灵研究员 (Turing Fellow)。南京大学计算数学理学学士，东南大学统计学硕士，香港中文大学统计学博士，主要研究方向为函数型数据的统计分析。在国际学术刊物上发表高水平学术论文多篇，包括统计顶级期刊JASA, JRSS B 和 Biometrika。目前担任英国皇家统计协会《应用统计》副主编，Guest AE for JRSS discussion paper，英国 EPSRC数学学科科研经费评审委员会委员，英国APTS研究生课程全国执行委员会委员，校云计算和大数据研究培训中心副主任，院应用统计和概率研究室主任，院统计学科研究生主任，院国际事务主任，院科研委员会委员，院招生委员会委员。2008年获邀任剑桥大学世界最顶级数学学院之一牛顿学院访问研究员，2011年获美国统计协会非参数统计分会年度最佳论文奖，2012年获英国 Wellcome trust Health Innovation Challenge Fund，共计210万英镑。2011年在最著名统计学出版社Chapman & Hall 出版专著：Gaussian Process Regression Analysis for Functional Data。