近日，统计与数学学院潘蕊博士以第一作者身份在JASA（Journal of the American Statistical Association，美国统计学会会刊）上发表了题为“Ultrahigh Dimensional Multi-class Linear Discriminant Analysis by Pairwise Sure Independence Screening”的论文。JASA是国际统计学科的最顶级期刊之一，2015年影响因子为1.979。

分类（Classification）问题是数据科学发展过程中经典的研究问题，在金融学、医学、气象学等领域都有着广泛的研究与应用。分类方法主要指通过样本的特征，将其映射到既定类别的方法。目前的研究主要针对于二分类问题，然而在实际应用中，往往会遇到多分类问题。例如，在文本分析中，根据文本的内容，将文档可以归类于不同的话题（如新闻、体育、娱乐、商务等）。潘蕊博士的论文基于线性判别分析的模型框架，提出了超高维数据的特征扫描方法，在对数据进行降维的同时，解决了多分类问题。这一新方法在手写汉字识别的应用中效果良好，具有一定的理论创新和应用价值。

潘蕊博士一直从事网络结构数据和高维数据的理论与实践研究，研究成果发表在Statistics and Its Interface, Science China: Mathematics等SCI期刊上，并另有1篇论文被国际统计学科的最顶级期刊之一The Annals of Statistics接收。