报告专家：孔令臣教授（北京交通大学）

报告题目：L1-norm quantile regression screening rule via the dual circumscribed sphere

报告地点：腾讯会议 ID: 486641179

报告时间：2021年6月11日下午3:00

报告简介：L1-norm quantile regression is a common choice if there exists outlier or heavy-tailed error in high-dimensional data sets. However, it is computationally expensive to solve this problem when the feature size of data is ultra high. In this paper, we introduce the dual circumscribed sphere technique and propose a novel L1-norm quantile regression screening rule. Our screening rule is expressed as the function of given data and eliminates inactive features with a low computational cost. The numerical experiments on simulation data and real data show that this screening rule can be used to eliminate almost all inactive features. Moreover, this rule can help to reduce up to 23 times of computational time, compared with the computation without screening rule.

专家个人简介：北京交通大学理学院教授，博士生导师，中国运筹学会数学规划分会副秘书长。2009年9月入职北京交通大学数学系，2010年晋升为副教授，2014年晋升为教授。主要从事统计优化、稀疏优化、低秩矩阵优化、视频监控和医学图像分析等方面的研究。在《Mathematical Programming》、《SIAM Journal on Optimization》、《Journal of Optimization Theory and Applications》、《IEEE Transactions on Signal Processing》、《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《Technometrics》、《Statistica Sinica》等期刊发表论文50余篇。主持国家自然科学基金面上项目“高维聚类的结构矩阵优化理论与算法”、“高维约束矩阵回归的优化理论与算法”、“矩阵秩极小问题的松弛理论与算法研究”和专项基金项目“统计优化与人工智能天元数学交流项目”“机器学习与优化天元数学交流项目”等, 参与国家自然科学基金重点项目“大规模稀疏优化问题的理论与算法”以及973课题等。2005年获山东省高等教育教学成果三等奖，2012年获中国运筹学会青年奖，2018年获得北京市高等教育教学成果一等奖。