报告题目：基于自助法的高斯贝叶斯网结构学习

报告人：徐平峰 长春工业大学 教授

照片：

报告时间：2020年8月18日15:00--16:30

报告平台：腾讯会议：905 459 471

报告摘要：本文基于自助法(Bootstrap)给出高斯贝叶斯网的结构学习算法BPKL。该算法通过结构学习算法对B个Bootstrap样本进行结构学习以得到B个DAG，并求其所对应贝叶斯网的极大似然估计。寻找一个最优DAG，使其对应的贝叶斯网的极大似然估计，与B个极大似然估计平均的惩罚Kullback-Leibler (KL) 距离最近。本文对BPKL算法、PC算法、GES算法、GDS算法及GDSM算法进行了模拟比较，结果表明BPKL表现优于其他方法。同时，我们探索并分析了39个拟南芥基因间的条件独立性。

报告人简介：徐平峰，长春工业大学伟德国际BETVlCTOR教授、博士生导师，副院长。2010年博士毕业，2017年晋升为教授。主要从事图模型、结构方程模型，含潜变量的模型和列联表缺失数据的统计分析三个领域的研究。已在统计学知名期刊Journal of Computational and Graphical Statistics、Statistics and Computing等杂志上发表论文10多篇。主持国家自然科学基金2项,吉林省科技厅项目1项，指导博士研究生2名、硕士研究生14名。获首批“吉林省高校科研春苗人才”称号。现任吉林省现场统计研究会常务理事、中国现场统计研究会数据科学与人工智能分会常务理事、中国现场统计研究会计算统计分会理事、全国工业统计学教学研究会理事。