讲座主题：函数型数据谱聚类统一框架及其渐近性质

主要内容：传统聚类方法主要针对多元数据设计，往往难以捕捉函数型数据的连续性与动态特征，从而忽略关键信息。为解决此问题，我们提出一种统一的两阶段函数型数据谱聚类（TSFDSC）方法，该方法借助图拉普拉斯算子能有效实现对稠密与稀疏函数型数据的聚类。对于稠密型函数数据，先将其投影至一组基函数，再对所得系数进行谱聚类；而对于稀疏型函数数据，则采用函数主成分得分进行替代。通过利用谱嵌入获得的低维表示，TSFDSC实现了计算高效性。我们为所提出的方法建立了渐近性质理论。模拟研究表明在不同设定下，TSFDSC均优于若干常用函数型聚类方法。两个实际应用案例进一步验证了该方法的有效性。

主讲人简介：林金官，男，博士，南京审计大学统计学二级教授、润泽特聘教授，博士生导师。现主要从事非线性统计、计量经济、金融统计与风险度量、统计诊断、面板数据分析和统计应用等方面的研究工作。江苏省政府统计与大数据研究院院长，全国工业统计学教学研究会副会长，2013-2017、2018-2022教育部统计学类教学指导委员会委员，《数理统计与管理》副主编、《系统科学与数学》《审计与经济研究》《统计与决策》《统计学报》等期刊编委。2000年以来，在数学、统计学、计量经济学等期刊上发表论文100余篇，主持国家级项目6项（其中国家社会科学重大项目1项）、省部级以上科研项目10项。荣获第七届全国统计科研优秀成果奖一等奖、第十一届全国统计科研优秀成果奖二等奖、第十二届江苏省统计科研优秀成果奖二等奖等。

讲座时间：2025年11月30日10:00-11:30

讲座地点：1-212