关于我们

    大数据挖掘与生物信息学研究组成立于2013年,是一个充满朝气、学术氛围浓厚、思想文化活跃、团结友爱的团队,由教师、研究生和本科生组成,关注大数据、数据挖掘、生物信息学等计算机领域当前热点问题,主要研究内容包括全基因组互作模式识别、组学数据特征识别、群体智能算法、稀疏表示特征选择方法、信息熵评价测度、无线传感器网络节点定位、图挖掘方法等。欢迎有志学子加入我们!
 

新闻动态

 
  • 祝贺研究组三篇论文被ICIC2016录用

            热烈祝贺研究组李圣君的论文《A Compressed Sensing based Feature Extraction Method for Identifying Characteristic Genes》、孙英霞的论文《An Improved Ant Colony Optimization Algorithm for the Detection of SNP-SNP Interactions》和张文祥的论文《Selectively Informed Particle Swarm Optimization Based on Mutual Information to Determine SNP-SNP Interactions》近日被ICIC2016录用。

            国际智能计算学术会议(International Conference on Intelligent Computing,ICIC)自2005年始,由IEEE计算智能协会和国际神经网络委员会技术支持、国家自然科学基金委员会资助,是面向国内外人工智能、模式识别、进化计算、软计算、计算神经学和生物信息学等领域同行举办的每年一度的盛会。ICIC会议每篇投稿文章至少得到3个国际同行专家的审稿意见,已被业界认为是重要的高质量学术会议。ICIC2016的论文集将由斯普林格(Springer)的计算机科学讲义(LNCS)、人工智能讲义(LNAI)和生物信息学讲义(LNBI)正式出版。

            李圣君的工作是将压缩感知理论应用到基因表达数据,通过提取特征基因试图发现复杂疾病的致病原因,与同类算法相比,提出的CSGS算法有较少的参数、更好的稳定性和更高的效率。孙英霞的论文是在蚁群算法的基础上提出了识别算法IACO,通过引入新评价测度有效提高了算法的识别能力,为基于蚁群算法的SNP互作研究提供了新研究思路。张文祥的论文通过引入无标度网络结构改进了微粒群算法,并应用到SNP数据集上识别与复杂疾病相关的互作基因。

            总之,这三篇论文是研究组不懈努力的回报,也是对成员们的激励。希望大家再接再厉,做出更多更好的研究成果。