报告地点：行健楼学术活动室526
摘要：近年来, 随着大数据和医疗技术的快速发展, 多源异构数据在医疗领域越来越普遍。 例如, 阿尔茨海默病神经影像学倡议(ADNI)数据包括磁共振成像(MRI)、正电子发射断层扫描成像(PET)、基因表达矩阵(Gene)、脑脊液(CSF)等多个定义在不同域上数据源的信息。由于不同的数据源可以提供互补的信息, 使用多源数据可以提供比单源数据更好的预测性能。但是, 多源数据中既包含函数型数据, 又包含高维数据和多元数据, 直接进行建模是很困难的。 因此, 对多源异构数据进行融合降维, 从而建立低维的因子回归模型是非常必要的。本研究主要介绍了在多源函数型数据的因子回归模型、多源函数型数据的Logistic因子回归模型、混合数据的因子回归模型以及多源多级函数型数据的因子回归模型方面所作的工作。最后，我们也对多源异构数据的ERA模型的研究进展做一个简单的介绍。
