作者：唐震；校核：吴建宝；审核：韩婧琦
近日，数理与统计学院多项研究成果相继在统计学期刊上刊发，研究涵盖生物统计、金融统计和数理统计等方向，展现学院统计学科多元交叉的研究布局。
殷志祥教授/唐震博士团队立足生物统计与DNA计算交叉领域，基于链置换反应构建DNA-SVM疾病诊断模型，研究利用TCGA数据库中的疾病-miRNA数据集开展验证，可并行完成三类疾病的精准诊断，其中胶质瘤诊断精度达99.46%，为分子水平的智能一体化疾病诊断提供了新的研究思路。相关成果发表于统计学期刊《IEEE Transactions on Computational Biology and Bioinformatics》。
王国强教授团队围绕生物统计、金融统计及数理统计等方向产出系列研究成果。其一，聚焦生物统计与机器学习交叉领域，团队提出基于AUC准则的多核加权支持向量机集成算法，通过AUC动态调控样本权重，在标准医疗数据集上实现超过97%的疾病分类精度。相关成果发表于统计学期刊《Statistical Theory and Related Fields》。其二，针对金融市场非正态、长记忆特征，团队提出BNDCAC-FIGARCH贝叶斯非参数动态条件角相关模型，并基于四大股指开展实证研究。研究表明，该模型在投资组合收益和参数不确定性降低方面均具有优势，为金融风险管理提供了新的统计方法。相关成果发表于统计学期刊《Journal of the Korean Statistical Society》。其三，王国强教授联合海外合作者针对动态系统数据同化中模型结构不确定、粒子滤波易出现退化与样本匮乏难题，构建序列分层贝叶斯模型，提出两步RJMCMC重采样粒子滤波估计算法，通过两步采样兼顾粒子多样性与计算效率，可同步完成模型识别、参数估计与状态同化。相关成果发表于统计学期刊《Computational Statistics and Data Analysis》。
系列研究充分体现了学校“三旋翼”复合型应用创新人才培养理念，以科研实践锤炼师生统计建模和数据分析能力。系列论文发表于统计学期刊，彰显了学院统计学学科理论结合应用实际的研究特色，稳步提升学科学术影响力，持续推动统计学学科高质量发展。
