黄哲学教授是深圳大学计算机与软件学院的特聘教授,同时也是深圳大学大数据技术与应用研究所的所长。他在数据挖掘领域的属性数据和混合数据快速聚类算法研究方面有着显著的成就,提出了多个著名的聚类算法,如k-modes和k-prototypes,这些算法被广泛应用于多个领域,并被纳入国内外的教科书和专著中。黄哲学教授的研究成果在国际重要杂志和会议上发表了一百余篇论文,被广泛引用,他还领导开发了AlphaMiner数据挖掘开源系统,该系统在国内外得到了广泛应用。黄哲学教授还被评为首批广东省领军人才和深圳孔雀计划高层次人才。
根据最新的信息,黄哲学教授在2023年的研究所项目情况中展现了其在符号数据快速聚类算法研究方面的开拓性工作,并发表了多篇学术论文,其主要论文被引用次数超过万次。他领导开发的面向算力网络的多数据中心大数据协同计算系统Octopus获得了深圳第二十五届中国国际高新技术成果交易会的“优秀产品奖”和“华为杯”第五届中国研究生创新大赛的“一等奖”。
综合以上信息,黄哲学教授在学术界的评价是积极的,他在数据挖掘和领域的贡献得到了国际认可。在深圳大学,他领导的研究工作和所取得的成就对学院和研究所的发展具有重要影响。
相关问答FAQs:
黄哲学教授在数据挖掘领域有哪些具体的研究方向?
黄哲学教授在数据挖掘领域的研究方向主要集中在大数据的近似计算技术。他提出了基于统计学理论的大数据多样本分析方法,即随机样本划分数据表达模型(RSP数据模型),用于通过部分数据计算整个大数据的近似结果,以此来突破全量大数据计算的瓶颈,实现准确、高效、低成本的大数据计算。黄哲学教授还研究了以RSP大数据分析技术为核心的LMGI分布式计算框架,该框架在计算效率、计算精度以及数据扩展性等方面展现出优越性。这些研究成果已在多个行业中得到应用,包括政府和企业项目。黄哲学教授的工作还涉及云计算平台关键技术研究、复杂数据分析与挖掘基础理论与算法研究、海量复杂数据可视化技术研究,以及面向互联网、电子商务、金融证券、医疗健康等重大应用领域的海量数据分析方法与技术应用研究。
黄哲学教授提出的k-modes和k-prototypes算法有什么特点?
k-modes算法特点
k-modes算法是由黄哲学教授提出的,专门用于处理离散属性数据的聚类算法。它的核心思想是将k-means算法中的距离度量和质心更新规则修改为适用于分类数据的形式。在k-modes算法中,样本之间的距离是通过汉明距离来计算的,即属性相同计为0,不同计为1,并将所有属性的差异累加起来。更新模式时,选择每个属性出现频率最高的值作为簇的代表值。
k-prototypes算法特点
k-prototypes算法是k-modes算法的扩展,能够处理混合属性数据,即包含数值型和分类型变量的数据集。它结合了k-means和k-modes算法的特点,通过定义一个损失函数来同时度量数值型和分类变量对原型的距离。在更新簇中心时,算法会结合k-means和k-modes的更新方法,适用于更广泛的数据类型。权重a用于调整分类属性在距离计算中的重要性,如果分类属性更重要,则增加a的值。
这两种算法的提出显著扩展了聚类分析的应用范围,尤其是在处理非数值型数据时提供了有效的解决方案。
黄哲学教授参与开发的AlphaMiner数据挖掘系统主要解决了哪些问题?
很抱歉,我无法通过网络搜索来获取关于黄哲学教授参与开发的AlphaMiner数据挖掘系统解决的具体问题的信息。如果您能提供更多的背景信息或者详细描述,我可以尝试根据您提供的信息来构建一个回答。如果没有更多信息,我无法提供一个准确的回答。如果您有其他问题或需要帮助,请告诉我!