北科大新闻网10月16日电（通讯员 张泽华）近日，我校数理学院青年教师刘佳敏与香港城市大学数学系练恒教授合作完成的学术论文《Kernel-based Adaptive Huber Mean Regression with Heavy Tails and Contamination》，在统计学领域国际顶级学术期刊《Journal of the American Statistical Association》（JASA）发表。

JASA是国际统计学界公认的权威期刊，与Journal of the Royal Statistical Society: Series B、Biometrika、The Annals of Statistics并称统计学四大顶级期刊，在统计理论与方法研究领域具有极高学术影响力。该刊发表门槛极高，能够刊文历来被视为衡量统计学团队原创方法论研究能力的重要标志。此次论文的成功发表，充分彰显了我校在统计学与数据科学领域的研究实力与学术影响力。

现实场景下的观测数据往往同时面临重尾噪声与响应污染的双重干扰，给条件均值回归建模带来了巨大挑战——传统回归方法难以在模型的稳健性与计算效率之间取得平衡。本次刊发的论文针对这一难题，在再生核希尔伯特空间（RKHS）的理论框架下，创新性地提出了基于核的自适应Huber均值回归估计方法，并系统建立了该估计量的理论收敛速率。进一步地，为破解大规模数据场景下核方法计算开销巨大的现实痛点，论文巧妙引入随机特征技术实现高效核近似，并从理论上证明：仅使用远小于样本量的随机特征数量，近似算法依然能够保持原有的理论收敛速率。这一成果不仅显著拓展了随机特征方法在核回归方向的应用边界，更为复杂污染、重尾数据下的非参数回归分析提供了新的有效工具，具有重要的理论价值与应用前景。

依托学校有力支持，数理学院大力扶持基础研究，促进基础学科发展，着力培育青年科研骨干。学院将继续鼓励面向前沿科学问题的原创探索，推动基础研究持续产出高质量成果。

刘佳敏博士毕业于中国人民大学，师从许王莉教授，博士期间曾赴香港城市大学数学系联合培养，合作导师为练恒教授。2022年入职我校以来，刘佳敏博士深耕非参数统计、机器学习与高维数据分析等前沿方向，已在《IEEE Transactions on Pattern Analysis and Machine Intelligence》《IEEE Transactions on Neural Networks and Learning Systems》《SIAM Journal on Mathematics of Data Science》等国际权威期刊发表多篇高水平成果，并主持国家自然科学基金青年科学基金项目1项，展现出扎实的学术功底与突出的科研潜力。

论文链接：https://doi.org/10.1080/01621459.2026.2696486

（供图：数理学院）

（责编：姜智颖、林冠群）