浙江师范大学数学与计算机科学学院导师教师师资介绍简介-向道红教授

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-04-11

向道红

已经得到个称赞给我点赞

姓名：向道红
性别：女
电子邮件：
入职时间：2010-03-15
在职信息：在岗
职称：教授
单位：数学与计算机科学学院
学历：博士研究生毕业
学位：博士学位
学科：数学与应用数学
毕业院校：香港城市大学
获得荣誉：德国洪堡****浙江省中青年学科带头人
办公地点：21-404
联系方式：daohongxiang@zjnu.cn

个人简历
研究方向
社会兼职
教育经历
工作经历
团队成员
其他联系方式
主讲课程主讲本科课程：《概率论》、《数理统计》、《多元统计分析》、《寿险精算》等。
主讲研究生课程:《高等数理统计》、《统计学习理论》、《多元统计分析》等。
学术兴趣及主要研究方向统计学习理论、稳健统计、深度学习等相关领域。
科研项目1．对一系列高维学习算法的理论研究，国家自然科学基金青年基金，2011.01-2013.12，主持；
2. 信息论学习中的正则化及相关高维数据分析方法的数学理论，国家自然科学基金面上项目，2015.01-2018.12，主持；
3. 半监督流形学习的数学理论，国家自然科学基金面上项目，2019.01-2022.12，主持；
4．稀疏与冗余表征的理论及应用研究，国家自然科学基金面上项目，2012.01-2015.12，参与，第三；
5. 基于小波框架的散乱数据重构及其在计算生物中的应用，国家自然科学基金面上项目，2018.01-2021.12，参与，第二。
发表论文和著作 1. D. R. Chen andD. H. Xiang, The consistency of multicategory support vector machines, Advances in Computational Mathematics24 (2006), 155-169.
2. D. R. Chen and D. H. Xiang, A construction of multiresolution analysis on interval,Acta Mathematica Sinica (English Series)23(2007), 705-710.
3. Z. W. Pan, D. H. Xiang, Q. W. Xiao, and D. X. Zhou, Parzen windows for multi-classclassification, Journal of Complexity 24(2008), 606-618.
4. D. H. Xiangand D. X. Zhou, Classification with Gaussians and convex loss, Journal ofMachine Learning Research10(2009), 1447-1468.
5. H. Y. Wang, D. H. Xiangand D. X. Zhou,Moving least-square method in learning theory, Journal of Approximation Theory162(2010), 599-614.(Corresponding author)
6. B. H. Sheng and D . H. Xiang, The convergence rate for a K-functional in learning theory, Journal of Inequalities and Applications, 2010,doi:10.1155/2010/249507.
7. D. H. Xiang, Classification with Gaussians and convex loss II : improving error bounds by noise conditions,Sci China Math54 (2011), 165-171.
8. D. H. Xiang, Logistic classification with varying Gaussians,Computers and Mathematics with Applications, 61(2011), 397-407.
9. D. H. Xiang, T. Hu and D. X. Zhou, Learning with varying insensitive loss,Applied Mathematics Letters, 24(2011), 2107-2109.
10. D. H. Xiang, Conditional quantiles with varying Gaussians,Advances in Computational Mathematics,2011,doi:10.1007/s10444-011-9257-5.
11.B. H. Sheng and D. H. Xiang,The consistency analysis of coefficient regularized classification with convex loss, WSEAS Transactionson Mathematics, 10(2011), 291-300.
12. D. H. Xiang, A new comparison theorem on conditional quantiles,Applied Mathematics Letters, 25(2012), 58-62, doi:10.1016/j.aml.2011.05.048.
13. D. H. Xiang, T. Hu and D. X. Zhou, Approximation analysis of learning algorithmsfor support vector regressionand quantile regression,Journal of Applied Mathematics,2012(2012), 17 pages, doi:10.1155/2012/902139.
14. B. H. Sheng and D. H. Xiang, Bound the learning rates with generalized gradients, WSEAS Transactions on Signal Processing, 8(2012), 1-10.
15. T. Hu, D. H. Xiangand D. X. Zhou, Online learning for quantile regression,Journal of Statistical Inference and Planning,142(2012), 3107-3122.
16. D. H. Xiang, ERM scheme for quantile regression, Abstract and Applied Analysis, 2013(2013), 1-6, http://dx.doi.org/10.1155/2013/148490.
17. B. H. Sheng and D. H. Xiang,The learning rate of l2-coefficient regularized classificationwith strong loss, Acta Mathematica Sinica, English Series,29(2013),2397-2408.
18. B. H. Sheng, D. H. Xiang and P. X. Ye,Convergence rate of semi-supervised gradient learning. International Journal of Wavelets, Multiresolution and Information Processing,13 (2015), 26 pages, doi:10.1142/S02**216.
19. J. Cai and D. H. Xiang, Statistical consistency of coefficient-based conditional quantile regression, Journal of Multivariate Analysis,149 (2016), 1-12.
20. A. Christmann, F. Dumpert and D. H. Xiang, On extension theorems and their connection to universal consistency in machine learning. Analysis and Applications, 14 (2016), 795-808.
21. Z. C. Guo, D. H. Xiang, X. Guo and D. X. Zhou, Thresholded spectral algorithms for sparse approximations. Analysis and Applications, 15 (2017), 433-455. （高被引论文）
22. B. H. Sheng and D. H. Xiang, The performance of semi-supervised Laplacian regularized regression with the least square loss. International Journal of Wavelets, Multiresolution and Information Processing, 15 (2017), 1-31.
23. A. Christmann, D. H. Xiang and D. X. Zhou, Total stability of kernel methods, Neurocomputing, 289(2018), 101–118.

获奖情况1. CityUniversity of Hong KongOutstanding Academic Performance Award for Research Degree Students, HK$ 1,000, 2008.
2. CityUniversity of Hong KongResearch Tuition Scholarship,HK$ 15,000, 2008.

统计学习理论，稳健统计，深度学习等

暂无内容
2006.2-2009.1
香港城市大学 | 数学与应用数学 | 博士学位 | 博士研究生毕业

2009.3-2010.2
数学系 | 香港中文大学博士后

2010.3-至今
数理与信息工程学院 | 浙江师范大学副教授

暂无内容
通讯/办公地址:
邮箱:

已经得到个称赞给我点赞

姓名：向道红
性别：女
电子邮件：
入职时间：2010-03-15
在职信息：在岗
职称：教授
单位：数学与计算机科学学院
学历：博士研究生毕业
学位：博士学位
学科：数学与应用数学
毕业院校：香港城市大学
获得荣誉：德国洪堡****浙江省中青年学科带头人
办公地点：21-404
联系方式：daohongxiang@zjnu.cn

科学研究
当前位置: 中文主页 >> 科学研究

科研项目：对一系列高维学习算法的理论研究, 国家自然科学基金青年基金, 2010/09/01-2013/12/31 信息论学习中的正则化及相关高维数据分析方法的数学理论, 国家自然科学基金面上项目, 2014/09/01-2018/12/31 半监督流形学习的数学理论, 国家自然科学基金面上项目, 2018/09/01-2022/12/31 论文成果：More>> Bao.The Learning Rate of l2-Coefficient Regularized Classification with Strong Loss.数学学报(英文版).2013,第29卷(第12期):2397-2408 Jia Cai.Statistical consistency of coefficient-based conditional quantile regression.Journal of Multivariate Analysis.2016,Vol.149:1-12 Total stability of kernel methods.Neurocomputing.2018,Vol.289:101-118 Dao-Hong Xiang.Conditional quantiles with varying Gaussians.Advances in Computational Mathematics.2013,Vol.38(No.4):723-735 Baohuai Sheng.Convergence rate of semi-supervised gradient learning algorithms.International Journal of Wavelets, Multiresolution and Information Processing.2015,Vol.13(No.4):** Dao-Hong Xiang.ERM Scheme for Quantile Regression.Abstract and Applied Analysis.2013,Vol.2013 Bao Huai Sheng.The learning rate of l <sub >2</sub>-coefficient regularized classification with strong loss.Acta Mathematica Sinica.2013,Vol.29(No.12):2397-2408 XIANG.Classification with Gaussians and convex loss II：improving error bounds by noise conditions.中国科学(数学英文版).2011(第1期):165-171 Baohuai.Error Analysis on H?§|rmite Learning with Gradient Da.Chinese Annals of Mathematics,Series B.2018(第4期):705-720 Baohuai.Error Analysis on Hermite Learning with Gradient Data.数学年刊(B辑)(英文版).2018,第39卷(第4期):705-720 研究领域：

已经得到个称赞给我点赞

姓名：向道红
性别：女
电子邮件：
入职时间：2010-03-15
在职信息：在岗
职称：教授
单位：数学与计算机科学学院
学历：博士研究生毕业
学位：博士学位
学科：数学与应用数学
毕业院校：香港城市大学
获得荣誉：德国洪堡****浙江省中青年学科带头人
办公地点：21-404
联系方式：daohongxiang@zjnu.cn

论文成果
当前位置: 中文主页 >> 科学研究 >> 论文成果

[1] The Learning Rate of l2-Coefficient Regularized Classification with Strong Loss [期刊]. 数学学报(英文版), 2013, 第29卷(第12期): 2397-2408
[2] Statistical consistency of coefficient-based conditional quantile regression [期刊]. Journal of Multivariate Analysis, 2016, Vol.149: 1-12
[3] Total stability of kernel methods [期刊]. Neurocomputing, 2018, Vol.289: 101-118
[4] Conditional quantiles with varying Gaussians [期刊]. Advances in Computational Mathematics, 2013, Vol.38(No.4): 723-735
[5] Convergence rate of semi-supervised gradient learning algorithms [期刊]. International Journal of Wavelets, Multiresolution and Information Processing, 2015, Vol.13(No.4): **
[6] ERM Scheme for Quantile Regression [期刊]. Abstract and Applied Analysis, 2013, Vol.2013:
[7] The learning rate of l <sub >2</sub>-coefficient regularized classification with strong loss [期刊]. Acta Mathematica Sinica, 2013, Vol.29(No.12): 2397-2408
[8] Classification with Gaussians and convex loss II：improving error bounds by noise conditions [期刊]. 中国科学(数学英文版), 2011, 165-171
[9] Error Analysis on H?§|rmite Learning with Gradient Da [期刊]. Chinese Annals of Mathematics,Series B, 2018, 705-720
[10] Error Analysis on Hermite Learning with Gradient Data [期刊]. 数学年刊(B辑)(英文版), 2018, 第39卷(第4期): 705-720
[11] Error Analysis on H?§|rmite Learning with Gradient Da [期刊]. Chinese Annals of Mathematics, Series B, 2018, Vol.39(No.4): 705-720
[12] On extension theorems and their connection to universal consistency in machine learning [期刊]. Analysis and Applications, 2016, Vol.14(No.6): 795
[13] Thresholded spectral algorithms for sparse approximations [期刊]. Analysis and Applications, 2017, Vol.15(No.3): 433
[14] The performance of semi-supervised Laplacian regularized regression with the least square loss [期刊]. International Journal of Wavelets, Multiresolution and Information Processing, 2017, Vol.15(No.2): **
[15] Fisher discrimination based low rank matrix recovery for face recognition [期刊]. Pattern Recognition, 2014, Vol.47(No.11): 3502-3511
共15条1/1 首页上页下页尾页