4月2日下午，加拿大阿尔伯塔大学的孔令龙教授受邀到我校做题为“Renewable l1-regularized linear support vector machine with high-dimensional streaming data”的学术报告，统计学院30余名师生参加，报告由数理统计系系主任安百国教授主持。

报告中，孔令龙教授首先指出，数据采集技术的快速发展导致实时数据流激增，这要求机器学习算法必须提升实时性、内存效率与可扩展性。对此，他提出支持向量机的在线可更新估计方法，仅利用当前批次原始数据与历史汇总统计量，显著降低了存储需求。随后，针对高维特征发散问题，他采用l1惩罚同步实现参数估计与变量选择，并提出自适应选择调节参数的策略和在线去偏方法。他从理论上证明了方法的渐近有效性，并通过模拟实验和实证分析验证了其优越性。最后，孔教授指出未来可进一步探索缺失数据与异质数据场景下的算法扩展。

分享后，与会师生与孔教授就论文中涉及到的理论证明、数据模拟、实际应用等问题展开了热烈的讨论。