报告题目：函数型数据建模的理论与方法

报告时间：2024年5月11日下午17：00—18：30

报告地点：北区四号教学楼208报告厅

报告摘要：基于函数型数据的主成分表示，从函数型数据的分类、聚类和回归三个学习任务出发，分别探讨了函数型数据建模的理论和方法。对于分类任务，验证了不同基表示的分类性能，给出了线性正则化函数Logistic模型，其泛化性能优于经典Logistic模型；对于聚类任务，构造了一个多维函数型数据的相似性度量，并证明了该度量下的kmeans聚类中心；对于回归任务，将部分函数线性模型的函数系数在Sobolev-Hilbert空间展开并得到其最小二乘支持向量机估计，该估计优于其他的估计方法。

专家介绍：孟银凤,1979年生，博士，副教授，主要研究方向为机器学习、数据挖掘与函数型数据分析。近年来，主持国家自然科学基金一项、山西省自然科学基金一项和研发类项目三项，发表学术论文近20篇，其中，SCI2区以上论文3篇，一级学科主学报论文3篇。