• 机器学习、模式识别、人工智能、信息安全、图像处理

 可以从三个层次来阐述我们正在进行的研究。第一层次是应用层。我们主要从事计算机入侵检测（Computer Intrusion Detection）的研究，具体问题包括入侵模式（patterns of intrusion）的检测和检测到的模式之间的关联。从更高层次上看，入侵模式是一种不受欢迎的现象（undesired phenomenon），因此入侵检测属于欺诈发现（Fraud Detection）的范畴。我们主要利用人工智能、机器学习、数据挖掘等方面的工具来研究检测算法，而入侵模式的上述特性导致研究中遇到一些富有挑战的问题，这些问题构成我们研究的第二层次—“现象”层。我们正在研究的现象包括机器学习中的小样本现象、一类学习（one-class learning）和在线学习，人工智能中的不确定性推理，和时间序列的数据挖掘。相关领域中的常用方法，如神经网络、决策树、隐马尔可夫模型等为模型这些现象提供了一个起点，但为了取得良好的应用效果，我们往往需要去研究这些方法背后的数学，以及从物理、认知科学和生物方面获得灵感。这些相关知识构成我们研究的第三层次—方法和工具层。与此同时，在应用层次我们也在关注其它一些不受欢迎的现象，特别是网络广告中的“click fraud”现象和网络监控中的问题。

主要研究成果

·Yu Chen and Marek Kossowski, “Global Differential Geometry of 1-resolvable Infinitely Differentiable Curves in the Plane”, Annals of Global Analysis and Geometry 16: 173-188, 1998.

·Yu Chen, Martin Lindberg, and Jiangying Zhou, 4D Imaging and Nonlinear Diffusion, Technical Report, Summus Ltd., August 1999.

·Jiangying Zhou, Yu Chen, Dohyun Chung, and Guillermo Sapiro, Seafloor Mapping Using Side Scan Sonar Images, Technical Report, Summus Inc., December 2001.

人工智能（教学对象：信息科学技术学院研究生）