报告题目: Multiple Change Point Detection for Correlated High-Dimensional Observations via the Largest Eigenvalue
报 告 人: 潘光明博士（新加坡南洋理工大学副教授）
报告时间: 2017年6月6日(周二)15:30-16:30
报告地点:安徽大学磬苑校区数学科学学院H306
报告摘要： We propose to deal with a mean vector change point detection problem from a new perspective via the largest eigenvalue when the data dimension p is comparable to the sample size n. An optimization approach is proposed to figure out both the unknown number of change points and multiple change point positions simultaneously. Moreover, an adjustment term is introduced to handle sparse signals when the change only appears in few components out of the p dimensions. The computation time is controlled at $O(n^2)$ by adopting a dynamic programming, regardless of the true number of change points $k_0$. Theoretical results are developed and various simulations are conducted to show the effectiveness of our method.
主办单位：数学科学学院
欢迎各位老师、同学届时前往！
科学技术处
2017年6月1日
报告人简介:
潘光明，新加坡南洋理工大学副教授。2002年6月硕士毕业于安徽大学数学科学学院，概率统计专业；2005年7月博士毕业于中国科学技术大学，数理统计专业；之后在新加坡国立大学、台湾国立中山大学、荷兰埃因霍温科技大学做博士后和学术交流工作；2013年遴选为国际统计学会的会员(Elected Member of International Statistical Institute)。自2008年以来，在新加坡南洋理工大学工作，博士生导师，研究领域：高维统计推断、随机矩阵理论、计量经济学、多元统计、应用概率等。主持新加坡国家项目4项，目前为《Random Matrices: Theory and Applications》的编委，已在《Journal of the Royal Statistical Society Series B》、《Journal of the American Statistical Association》、《Annals of Statistics》、《Annals of Probability》、《Annals of Applied Probability》、《IEEE Transactions on Information Theory》、《Bernoulli》、《IEEE Transactions on Signal Processing》、《Statistica Sinica》、《Journal of Multivariate Analysis》等SCI期刊杂志上发表50余篇专业学术论文。