黑龙江省机器学习与动态系统分析重点实验室

平台概况：

“机器学习与动态系统分析”黑龙江省重点实验室针对数据科学中亟待解决的共性核心问题，并结合我省经济、科技发展实际需要，逐渐形成以机器学习与优化方法、统计分析与数据挖掘、动态模型系统分析与仿真为主要代表的三个稳定的研究方向。

一、机器学习与优化方法研究方向。主要研究信号表示、特征表示与机器学习三个方面的内容。

1. 针对声音、心音信号及医疗影像等应用领域的降噪、压缩降维、图像恢复等问题，利用稀疏约束优化、增广拉格朗日对偶等优化理论与方法，探索更符合信号本质属性的更有效的表示方法。

2. 针对声学场景、医疗影像、遥感图像等应用领域中高层语义特征的表示问题，通过组块结构下的半正定优化、复合优化等优化理论与算法的研究，来探索更符合分类任务的高层语义表示与字典的学习方法。

3. 针对机器学习中手工标准数据不足或无法实现准确手工标注的深度机器学习问题，通过对双层或多层优化、流形约束优化的研究，来探索具有深层网结构的弱监督学习和半监督学习方法。

二、统计分析与数据挖掘方向。主要研究社会经济和金融系统中的数据的分析与建模。

1. 农业生产、环境承载力，人口调控，居民收入等问题是重要的社会经济问题，拟采用深度学习、统计学习等数据挖掘方法以及因果分析、回归分析等统计方法建立模型，探寻社会经济发展中的规律，为黑龙江省“人口环境”调控提供信息支持与数据参考，为完善我省农业生产保障体系、促进农业保险提质增效发挥积极作用。

2. 通过对金融大数据进行统计分析，拟采用聚类分析、非参数估计等方法，对于金融投资、资产组合的期望收益和风险预测建立数学模型或统计模型，运用人工智能方法及集值度量的单值选择方法进行金融风险预测、实现金融风险控制。

三、动态模型系统分析与仿真。主要研究生态系统、化学系统和传染病系统的动力学分析和模式生成问题。

针对水污染、土地沙漠化、濒危物种生存、石油开采问题、趋化现象、灾害风险预警和传染病等实际问题，分析发展过程和行为机制，建立偏微分方程、差分方程和动力系统模型；应用非线性分析、动力系统理论、微分方程理论研究这些模型的动力学行为、解的稳定性、分歧问题和模式生成；2. 运用微分方程数值方法、解析方法对系统进行数据分析、可靠分析和仿真模拟；进而对实际问题进行评估和预测，为我省灾害风险预警和水污染的防控和治理，控制传染病的流行与爆发等方面提供理论依据和分析方法。