‍‍    12月16号下午，中南财经政法大学大数据科学学术研讨会系列讲座第三讲在中原楼7楼会议室成功举办。本次学术报告邀请到了香港理工大学黄坚教授、云南财经大学石磊教授、山东大学林路教授和南方科技大学田国梁教授作为主讲人。学术报告由中国现场统计学会资源与环境统计分会副理事长孙六全研究员主持。

黄坚教授报告的主题是“A Unified Primal Dual Active Set Algorithm for Nonconvex Sparse Recovery”。本次讲座中黄教授首先解释了选择稀疏性作为研究方向的原因，随后他从图像、结果、和优缺点几个方面对Losso、Bridge、SCAD、MCP、Capped方法进行了对比分析，进而引出UPDASC方法比传统非凸稀疏问题研究的优越性和适用性。关于CW-minimizer的最优解问题，黄教授先引出其相关的Globle minimizer和local minimizer等问题，并从最优解存在的假定条件、实现UPDSC的程序等方面详细给大家讲解了UPDSC的主要理论及应用，并总结了UPDSC的优点以及进一步的研究方向。

石磊教授报告的主题是“合作行为及其演化机制——一个基于多学科的交叉研究”。石教授从生态中榕属之间的合作、背叛和惩罚行为入手，结合博弈论的理论，研究人类的合作行为，石教授讲到为此他专门招募了大学生志愿者做博弈实验，并根据实验数据做相应研究分析。研究过程中，石教授利用实验数据建立了Generalized linear mixed models、Varying coefficients models、Non-parametric estimation and test等模型，证明了惩罚机制有助于合作，并将结果推广到复杂的静态网络和动态网络等合作网络类型。

林路教授报告的主题是“A simple and efficient profile likelihood for semiparametric exponential family”。报告伊始，林教授首先介绍了参数指数族，并从几个例子引入了半参数指数分布族的定义以及其分布的似然估计。接下来林教授就半参数指数组的内容进行了详细的介绍，他提出用半参数表示成参数的函数形式，使半参数族问题有效的转化为参数问题。报告的收尾部分，林教授就方程估计和实证分析两方面为同学们做了精细的讲解和介绍，并在讲座的最后指出经过证明其研究的半参数指数分布族的分布似然估计是一致、有效并且稳定的对于类似研究的不同模型。

田国梁教授报告的主题是“Some Recent Advances in Computational Statistics”。田教授讲授的内容主要包括Newton-Raphson algorithm and it’s variable,Q-based EM and SR-based EM algorithms,MM algorithms and AD,AM和mode-sharing几个方面。田教授主要讲述了Newton-Raphson 、传统EM 和现代EM应用中的局限性，并针对其提出的mode-sharing新计算统计从基础理论、数据分解、合理性和应用的基本定理方面进行了讲解。最后林教授通过几个生动地例子，加深了大家对新统计方法的理解。

纵观本次学术讲座，各位教授的报告既具有学术的科学严谨性，又充满着活泼生动的元素，使在场师生对统计学在大数据时代下的应用有了更全面、清晰、深刻的认识，这充分达到了本次系列学术报告的目的。至此，中南财经政法大学大数据科学学术研讨会系列讲座三在各位师生的热烈掌声中圆满结束。

‍‍