Structured Screen-and-Select for Ultra-High-Dimensional Variable Selection
为解决超高维数据中弱信号预测变量的筛选问题，提出结合结果导向筛选与基于相关性的局部预测变量集的S3VS方法。
0 citationsRead paper
Selected work
Representative Papers
RuleAutoPilot: Synthesizing Deployable Suricata Rules from Network Traffic
为解决网络流量中自动合成Suricata规则的问题，提出RuleAutoPilot框架，通过过滤良性流量并使用结构化反馈修复规则，提高生成规则的质量和效率。
0 citationsRead paper
Robust and Sparse Group Dynamic Causal Modeling via Student-t Parametric Empirical Bayes and Nonlocal Priors
该研究通过结合Student-t分布和非局部先验方法改进了动态因果模型（DCM）的鲁棒性和稀疏性，以解决标准参数经验贝叶斯方法对异常估计敏感及无法区分可忽略与非零效应的问题。
0 citationsRead paper
A Sensor-Adaptive Incremental Learning Framework for Artifact Detection in Satellite Precipitation Data
本文开发了一个基于预训练计算机视觉模型的异常检测系统，用于识别卫星降水数据中的异常，利用少量人工标记数据，并在SSMI和SSMIS数据上验证了其有效性。
0 citationsRead paper
Using Grounded Theory for Agent Behavior Analysis at Scale
为解决大规模轨迹分析中行为模式识别问题，提出AutoTraceGT方法，通过自动化扎根理论进行多智能体行为分类，有效识别并预测行为失败模式。
0 citationsRead paper
Recent publications
Latest Papers
Structured Screen-and-Select for Ultra-High-Dimensional Variable Selection
为解决超高维数据中弱信号预测变量的筛选问题，提出结合结果导向筛选与基于相关性的局部预测变量集的S3VS方法。
0 citationsRead paper
RuleAutoPilot: Synthesizing Deployable Suricata Rules from Network Traffic
为解决网络流量中自动合成Suricata规则的问题，提出RuleAutoPilot框架，通过过滤良性流量并使用结构化反馈修复规则，提高生成规则的质量和效率。
0 citationsRead paper
Robust and Sparse Group Dynamic Causal Modeling via Student-t Parametric Empirical Bayes and Nonlocal Priors
该研究通过结合Student-t分布和非局部先验方法改进了动态因果模型（DCM）的鲁棒性和稀疏性，以解决标准参数经验贝叶斯方法对异常估计敏感及无法区分可忽略与非零效应的问题。
0 citationsRead paper
A Sensor-Adaptive Incremental Learning Framework for Artifact Detection in Satellite Precipitation Data
本文开发了一个基于预训练计算机视觉模型的异常检测系统，用于识别卫星降水数据中的异常，利用少量人工标记数据，并在SSMI和SSMIS数据上验证了其有效性。
0 citationsRead paper
Using Grounded Theory for Agent Behavior Analysis at Scale
为解决大规模轨迹分析中行为模式识别问题，提出AutoTraceGT方法，通过自动化扎根理论进行多智能体行为分类，有效识别并预测行为失败模式。
0 citationsRead paper