时 间：2026年4月21日（周二） 10：00 - 11：00
地 点：普陀校区理科大楼A1514室
报告人：刘彬 复旦大学管理学院副教授
邀请人：张心雨 华东师范大学副教授
摘 要：
在各个科学领域，高维数据的变化点检测日益重要。尽管取得了一些进展，但大多数现有方法仍然依赖于特定模型并假设变化点相互独立，并且由于维度灾难，难以兼顾检测精度和计算效率。因此，我们提出了一种统一的框架，用于检测高维参数模型中的多个变化点，该框架能够适应多种结构性断点（例如，均值或回归系数的偏移）。为了降低计算量，我们设计了一种两步算法，该算法采用解耦策略将参数估计与变化点定位分离，从而将计算成本从乘法运算降低到加法运算，并在大规模数据上实现了亚秒级的运行时间。我们以均值模型和回归模型为例，建立了独立性假设下变化点估计的理论保证，并将其扩展到时间相关的场景。我们算法最终得到的精细化变化点估计器实现了最优收敛速度，并允许通过其极限分布进行同步推断。我们还开发了一个完全数据驱动的变体用于实践。数值实验表明，我们的方法兼具较高的统计精度和计算效率。
报告人简介：
刘彬，复旦大学管理学院统计与数据科学系副教授。刘彬2013年本科毕业于山东大学， 2013-2019年在复旦大学管理学院获概率论与数理统计专业理学博士学位，师从张新生教授。2019-2020年在香港中文大学统计系进行博士后研究。先后主持国自然青年基金和面上项目，参与国自然重点项目。他的主要研究方向为高维统计推断，变点分析，数据趋动检验，稳健方法以及机器学习等，并在 JRSSB，JASA,JMLR，Statistica Sinica, JMVA等统计期刊发表多篇论文。