2025年6月4日下午，系统科学与统计学院邀请北京大学马尽文教授带来题为“时序大数据的聚类分析、预测和结构挖掘”的学术讲座。讲座由系统科学与统计学院院长韩嵩教授主持，吸引了广大师生积极参与交流。

马尽文教授自上世纪九十年代初开始从事人工神经网络和统计学习算法方面的理论及其应用研究，研究涉及神经网络、模式识别、机器学习等多个领域，已发表学术论文300余篇，其中发表在国际核心期刊和顶级国际学术会议的论文60余篇，被引用5000余次。

在当今数据驱动的时代，时序大数据的建模和分析至关重要。高斯过程混合（MGP）模型凭借其能有效解决多峰和非平稳数据建模问题的优势，成为机器学习研究和应用的热点。然而，高斯过程样本数据不独立，导致EM算法难以直接实现，给参数学习带来极大挑战。同时，如何挖掘实际数据的结构、确定真实聚类个数并进行预测分析，也是亟待解决的难题。马尽文教授针对这些问题展开了深入系统的研究。讲座中，他对建立有效的参数学习算法和模型选择准则进行了详细阐述，并提出双层高斯过程混合模型及其自动模型选择算法，将其成功应用于时间序列曲线的聚类分析和预测，为时序大数据的处理提供了新的思路和方法。

此次讲座，马尽文教授分享了他在时序大数据聚类分析、预测和结构挖掘方面的最新研究成果和见解，为师生们带来一场学术盛宴。本次讲座不仅拓宽了师生的学术视野，也激发了大家对时序大数据研究的浓厚兴趣。学院将持续邀请国际知名学者开展学术交流，促进学科发展。

供稿、摄影：魏少杰

审核：续 杨