于渊副教授与合作者撰写的学术论文“The optimal weighted Fréchet random forest for metric-space-valued responses with Euclidean predictors”在《SCIENCE CHINA Mathematics》在线发表。该期刊属于我校特类期刊。
论文针对非欧几里得复杂数据 (如概率分布、对称正定矩阵、球面数据等) 的建模需求，提出了最优加权Fréchet随机森林方法。研究在统计理论上证明了方法的渐近最优性质，并通过充分的数值实验验证了相较于其它非欧数据的随机森林及回归方法的显著优势。基于纽约曼哈顿出租车网络数据的实际应用中，该算法展示其在复杂网络预测中的优越表现。该研究在方法与理论均具有突破性意义，为非欧几里得数据的非线性分析提供了新的建模与理论工具，在医学影像、金融风险管理、交通网络分析等实际领域具有广泛的应用潜力。
