您当前的位置:首页 >研究生教学 > 招生 > 招生专业及导师简介

林炳清(统计)

来源:数学与统计学院     作者:     时间:2016/9/5 17:02:29  0次

一、基本信息  

姓名林炳清            学历:博士                

职称讲师

电子邮箱:bqlin@szu.edu.cn

通讯地址:广东省深圳市南海大道3688深圳大学科技楼1416

研究领域高维数据分析,模型选择,生物信息学,参数及半参数模型,机器学习 

主要成果及荣誉 深圳海外高层次人才“孔雀计划入选, 深圳市南山区领航人才。已获得2项国家基金资助,发表论文14其中JCR一区文章5JCR二区文章2篇,JCR三区文章4篇,JCR四区文章1

、学习经历

 2009/08 ~ 2014/02,新加坡南洋理工大学,数理科学学院,统计学,博士

 2003/09 ~ 2007/07电子科技大学,数学与应用数学学院,数学与应用数学专业,学士

 2005/03 ~ 2007/07,电子科技大学,管理学院金融学双学位

教学经历

 主讲人 深圳大学

l 非参数统计(研究生,双语教学,数学与统计学院2014~2015学年,第一学期

l 数据挖掘与统计软件(本科生,双语教学数学与统计学院2014~2015学年,第二学期

l 概率论与数理统计(本科生,双语教学,高等研究院, 2015~2016学年,第二学期

l 数据挖掘(本科生,双语教学数学与统计学院2015~2016学年,第学期

l 概率论与数理统计(本科生,双语教学,高等研究院, 2016~2017学年,第二学期

l 数据挖掘(本科生,双语教学数学与统计学院2017~2018学年,第学期

l 非参数统计(研究生,双语教学,数学与统计学院2017~2019学年,第一学期

l 概率论与数理统计(本科生,双语教学,高等研究院, 2017~2018,第二学期

科研经历

 2014/09 ~ 至今,深圳大学统计科学研究所讲师。独立从事统计科学的理论和应用研究,拥有丰富的科研经验。主要研究方向:1. 海量数据的模型选择,模型平均及模型建立之后的统计推断 2. 下一代测序技术(NGS)数据的分析,寻找有表达差异的基因,DE方法稳定性的研究。

 2013/07 ~ 2014/07,新加坡南洋理工大学,生物科学学院,博士后研究员所在的实验室从事老鼠X染色体去活化的机制研究。 生物学家们通过下一代测序技术(NGS)实验可以得到不同细胞系的基因表达数据。 负责对数据进行前期的处理, 然后建立统计模型, 估计参数, 出统计推断, 并且与生物学家一起分析,讨论得出统计结果的生物学结论。 同时, 我还研究并提出可以在下一代测序技术(NGS)的数据中找到差异性表达基因的算法

、学术活动

 2017/04, 中国现场统计研究会高维数据统计分会第三届学术研讨会,报告

 2016/12, 第十届国际泛华统计协会大会,报告

 2016/08,第十届海峡两岸统计与概率研讨会,报告

 2016/04,中国现场统计研究会高维数据统计分会第二届学术研讨会,报告

 2015/06, 香港理工大学青年统计学家论坛,报告

 中国现场统计研究会高维数据统计分会, 理事

   中国现场统计研究会广东省分会, 理事

项目经历

 海量数据下回归模型的变量选择统计推断研究,国家自然科学基金青年科学基金项目2018/01~2020/12, 23主持

 高维回归模型预测稳定性研究,国家自然科学基金数学天元专项基金,2017/01~2017/12, 3,主持

获奖经历

 深圳市南山区领航人才,C 类人才计划, 2017

 深圳海外高层次人才“孔雀计划 C 类人才计划, 2015

、主要发表论文 *(按时间倒序排序)

1. Lin, B., Pang, Z. and Wang, Q., Cluster feature selection in high dimensional linear models. Random Matrices: Theory and Applications. 6: (1750015-1)-(1750015-23), 2018. (JCR: q2; IF: 1.351)

2. Hong, R., Lin, B., Chen X., Ng, H., Zhang, K. and Zhang, L., High-resolution RNA allelotyping along the inactive X chromosome: evidence of RNA polymerase III in regulating chromatin configuration. Scientific Reports, doi: 10.1038/srep45460, 2017. (JCR: q1; IF: 5.228)

3. Zhang, J., Zhou, Y., Lin, B.* and Yu, Y., Estimation and hypothesis test on partial linear models with additive distortion measurement errors. Computational Statistics and Data Analysis. 112:114-128, 2017. (JCR: q2; IF: 1.179)

4. Lin, B. and Yu, B., Smart Building Uncertainty Analysis via Adaptive Lasso. IET Cyber-Physical Systems: Theory & Applications. 2:42-48, 2017.

5. Zhang, J., Chen, Q., Lin, B. * and Zhou, Y., On the single-index model estimate of the conditional density function: consistency and implementation. Journal of Statistical Planning and Inference. 187:56-66, 2017. (JCR: q3; IF: 0.727)

6. Lin, B., Wang, Q., Zhang, J. and Pang, Z., Stable prediction in high-dimensional linear models. Statistics and Computing, 27:1401-1412, 2017. (JCR: q1; IF: 1.786)

7. Pang, Z., Lin, B. and Jiang J., Regularization parameter selection via bootstrapping. Australian & New Zealand Journal of Statistics, 58:335-356, 2016. (JCR: q4; IF:0.431)

8. Huang, Z., Shao, Q., Pang, Z. and Lin, B., Adaptive testing for the partially linear single-index model with error-prone linear covariates. Statistical Methodology, 21:51-58, 2015. (JCR: q3; IF:0.604)

9. Lin, B., Zhang, L. and Chen, X., LFCseq: a nonparametric approach for differential expression analysis of RNA-seq data. BMC genomics, 15:s7, 2014. (JCR: q1, IF:3.867)

10. Lin, B. and Pang, Z., Tilted correlation screening learning in high dimensional data analysis. Journal of Computational and Graphical Statistics, 23:478-496, 2014. (JCR: q1; IF:1.755)

11. Huang, Z., Pang, Z. and Lin, B., Model structure selection in single-index-coefficient regression models. Journal of Multivariate Analysis, 125:159:175, 2014. (JCR: q3; IF:0.857)

12. Lin, B.#, Pang, Z. and Jiang, J., Fixed and random effects selection by REML and pathwise coordinate optimization. Journal of Computational and Graphical Statistics, 22:341-355, 2013. (JCR: q1; IF:1.755)

13. Huang, Z., Lin, B., Feng, F. and Pang, Z., Efficient penalized estimating method in the partially varying-coefficient single-index model. Journal of Multivariate Analysis, 114:189–200, 2013. (JCR: q3; IF:0.857)

14. Cheon, G., Siddiqui,S., Lim, T., Seet,E., Lin, B., Palaniappan, S. and Koh, K., Thinking twice before using the LMA for obese and older patients-A prospective observational study. Journal of Anesthesia and Clinical Research, 2013.

* 杂志影响因子和JCR分区均来源于Web of Science

# 通讯作者

分享到: 0

数学与统计学院研究生工作奖励措施

2016年深圳大学数学与统计学院暨暑期夏令营招生指南