東京理科大学 · 理学部第一部科学コミュニケーション学科 · 教授
西山 貴弘
Nishiyama Takahiro
别名: ニシヤマ タカヒロ / NISHIYAMA Takahiro
Research fields
研究领域
按日本文部科学省 科研費審査区分表 自动归类。KAKEN 项目数越多,代表教授在该领域投入越深。第一个为「主业」。
- 主业情報学中区分
- 統計科学細目
- 情報学基礎大区分
- 総合・新領域系大区分
- 総合系大区分
- 総合領域大区分
Research keywords
这位教授在研究什么
基于他/她公开的科研项目与论文自动提取的研究关键词,出现频次越高显示越大。
KAKEN grants
科研项目(近期在前)
KAKENHI 是日本科研最权威的经费系统,基金层级越高(S > A > B)越能反映影响力。
- 2020KAKENHI-基盤研究(C)仮説検定漸近理論多重比較高次元データ多変量解析
- 2017KAKENHI-基盤研究(C)
多様な状況における多重検定方式の研究 ↗
仮説検定漸近理論多重比較高次元データ統計数学多変量解析 - 2014KAKENHI-若手研究(B)
高次元枠組みにおける頑健な統計的仮説検定方式の研究 ↗
仮説検定多重比較高次元漸近理論高次元データ漸近理論高次元漸近論 - 2014KAKENHI-基盤研究(C)
高次元および欠損データにおける多変量統計手法の開発とその応用 ↗
統計科学統計数学統計理論多変量解析法多変量解析漸近展開尤度比検定欠損データ - 2009KAKENHI-若手研究(B)
平均ベクトル間の保守的な多変量多重比較法の研究 ↗
統計数学同時信頼区間多重比較漸近展開
CiNii papers
近期论文 / 文章
CiNii 覆盖日本国内期刊、论文集、图书章节。只保留最近的 10 条。
- 2023日本計算機統計学会シンポジウム論文集
Tests for the equality of covariance matrices under a low dimensional factor structure ↗
- 2018日本計算機統計学会大会論文集
高次元データに対するRV係数に基づく独立性検定 ↗
- 2016Technical Report, Statistical Research Group, Hiroshima University
Testing block-diagonal covariance structure for high-dimensional data under non-normality ↗
- 2012Technical Report, Statistical Research Grourp, Hiroshima University
Multiple comparisons among mean vectors when the dimension is larger than the total sample size ↗
- 2012日本計算機統計学会大会論文集
高次元データに対する平均ベクトルの同等性検定とその検出力(セッション1B) ↗
- 2012日本計算機統計学会大会論文集
Multivariate multiple comparison procedure for high-dimensional data and its properties ↗
- 2011Technical Report, Statistical Research Group, Hiroshima University
Testing independence by step-wise multiple comparison procedure ↗
- 2011Technical Report, Statistical Research Grourp, Hiroshima University
Pairwise comparisons among components of mean vector in elliptical distributions ↗
- 2010Technical Report, Statistical Research Group
On the conservative multivariate multiple comparison procedure of correlated mean vectors with a control ↗
- 2010Technical Report, Statistical Research Group, Hiroshima University
On the conservative multivariate multiple comparison procedure of correlated mean vectors with a control ↗
How to assess fit
如何判断这位教授是否适合你
数据库的数据告诉你「这位教授在做什么」;能不能适合你,需要你自己对照以下几点判断。
- 关键词对齐
上面的关键词云里,有没有你研究计划书中反复出现的词?1-2 个重合是起点,3+ 个说明方向接近。
- 近期项目对应
看 KAKEN 项目的时间 — 近 2 年还有活跃项目说明研究室还在跑;只看项目名也大致能判断和你的问题是否相关。
- 不要只看学校名气
方向匹配度 > 学校排名。一位方向对口、还在活跃招生的副教授,往往比一位名气大但快退休的正教授更值得考虑。
- 留意招生信号
查一下该教授的研究室官网,看 OB/OG 名录里有没有中国 / 韩国 / 东南亚学生 — 这是「是否招留学生」最直接的信号。
ℹ️ 后期会加入基于 LLM 的中文画像(例如:「这位教授的研究风格偏...,适合什么样的申请者」),目前先用数据库公开字段 + 编辑建议替代。
数据来源说明:此页所有数据均来自 NII 旗下 KAKEN(nrid.nii.ac.jp)+ CiNii Research(cir.nii.ac.jp)公开 API,非实时抓取,可能滞后数周。每条目右侧链接可回溯到原始记录。
