6月7号下午，复旦大学张新生教授应邀在竟慧东楼302会议室进行了题为“AUnifiedData-adaptive Framework for High Dimensional Change Point Detection”的学术报告。我校统计与数学学院的老师，研究生，本科生参加了此次报告会。
张新生教授主要从三个方面对此次报告展开论述，首先，阐述高维数据研究的热点问题以及高维数据与低维数据存在的差异，同时也介绍了高维变点检验问题在不同的科学领域，如生物，金融，医疗图像等方面的应用；其次，利用classical cumulative sum (CUSUM)矩阵的多种特性，建立了一种新的U统计量，并且考虑在不同条件下利用该统计量解决变点的位置问题，同时构造数据驱动方法对备择假设存在的稀疏与稠密的情况进行自适应检验，以及对变量的厚尾情况与协方差结构进行更一般化的讨论研究；最后，张教授向我们展示了其研究的理论结果与数值模拟的结果，证明了该方法的理论最优性。
与会老师与学生对张新生教授的汇报内容展开了讨论，张教授的研究出发点是为了将均值和协方差向量的变点问题，备择假设参数稀疏或稠密情况下应该如何使用自适应范数问题，以及放松随机变量的尾部分布假定以及协方差的假定条件这三个问题进行同时考虑。为解决上述问题，提出一种新的U统计量以及数据驱动下一种新的范数。报告会在讲解与讨论中持续进行了一个半小时。
