报告题目：Title: Distributed estimation of support vector machines for matrix data

报 告 人： 练恒 副教授 香港城市大学

报告时间：2022年9月21日 星期三14:30-15:30

报告地点：腾讯会议：496457998

校内联系人：赵世舜 zhaoss@jlu.edu.cn

报告摘要：Discrimination problems are of significant interest in the machine learning literature. There has been growing interest in extending traditional vector-based machine learning techniques to their matrix forms. In this paper, we investigate the statistical properties of the nuclear-norm-based regularized linear support vector machines, in particular establishing the convergence rate of the estimator in the high-dimensional setting. Furthermore, within the distributed estimation paradigm, we propose a communication-efficient estimator that can achieve the same convergence rate. We illustrate the performances of the estimators via some simulation examples and an empirical data analysis.

报告人简介：练恒，现任香港城市大学数学系副教授，于2000年在中国科学技术大学获得数学和计算机学士学位，2007年在美国布朗大学获得计算机硕士，经济学硕士和应用数学博士学位。先后在新加坡南洋理工大学，澳大利亚新南威尔士大学，和香港城市大学工作。在高水平国际期刊上发表学术论文30多篇，包括《Annals of Statistics》、《Journal of the Royal Statistical Society，Series B》、《Journal of the American Statistical Association》、《Journal of Machine Learning Research》、《IEEE Transactions on Pattern Analysis and Machine Intelligence》. 研究方向包括高维数据分析，函数数据分析，机器学习等。