基本信息
浏览量:38
职业迁徙
个人简介
丁教授的研究兴趣包括机器学习/数据挖掘、生物信息学、信息检索、网络链接分析和高性能计算。他与多位合作伙伴致力于研究多类蛋白质折叠预测,这是目前蛋白质三维结构预测的标准基准。丁教授团队发现主成分分析(PCA)为K-means聚类算法提供了解决方案。他们还证明了非负矩阵分解等价于K-means均值(谱聚类)。丁教授和同事将主成分分析法推广到二维奇异值分解,用于一组二维矩阵的降维。他们为集成分布式内存架构上的多组件可执行程序研发出MPH技术(软件),并被许多用于预测长期气候的先进大型模型所采用。丁教授还开发了可证明最优的原位多维数组索引重组的空位跟踪算法。
研究兴趣
论文共 248 篇作者统计合作学者相似作者
按年份排序按引用量排序主题筛选期刊级别筛选合作者筛选合作机构筛选
时间
引用量
主题
期刊级别
合作者
合作机构
IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERINGno. 1 (2024): 750-760
AAAI 2024no. 18 (2024): 20185-20193
NeurIPS (2023)
引用1浏览0EI引用
1
0
NeurIPS (2023)
引用1浏览0EI引用
1
0
IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING (2023): 1-16
Signal Processing (2023): 109133-109133
引用0浏览0EI引用
0
0
MEDICAL IMAGE COMPUTING AND COMPUTER ASSISTED INTERVENTION, MICCAI 2023, PT I (2023): 706-716
COGNITIVE COMPUTATIONno. 6 (2023): 1947-1960
加载更多
作者统计
合作学者
合作机构
D-Core
- 合作者
- 学生
- 导师
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果,我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问,可以通过电子邮件方式联系我们:report@aminer.cn