微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：如何从不同类型的生物网络中挖掘出有用的知识，是生物信息学的核心算法问题之一。现有的生物网络在完备性与准确性上都存在很大的不足，导致经常发现很多的假阳性结果。针对生物网络分析结果质量控制的实际需求，面向2类重要生物网络分析算法问题:节点中心度计算以及社区发现，从假设检验的角度出发，提出了相应的P值计算方法与搜索算法，并应用到不同的实际生物信息问题中去。
讲者简介：大连理工大学软件学院教授，博士生导师。CCF高级会员，CCF生物信息学专业委员会委员。主要从事数据挖掘与机器学习算法及其在生物信息领域的应用方面的研究工作。主持/参与国家自然科学基金项目多项，完成英文学术专著1部，在Bioinformatics、Briefings in Bioinformatics、TCBB、TKDE等期刊发表论文多篇，发表的论文被引用4000余次。作为主要完成人获得省部级奖励4项。
第五届中国计算机学会生物信息学会议
分会场邀请报告
京公网安备11010802032778号