pt真人,pt真人平台

师资队伍

当前位置: pt真人 > 师资队伍 > 生物统计系 > 林伟 > 正文

林伟

林伟

林伟

  • 研究员、博士生导师
  • weilin@math.pku.edu.cn
  • 北京市海淀区颐和园路5号理科1号楼1547
  • 北京大学
个人简介

2011年于美国南加州大学获应用数学博士,2011年至2014年在美国宾夕法尼亚大学生物统计与流行病学系做博士后研究,2014年至今任北京大学数学科学学院概率统计系、统计科学中心研究员。主要研究兴趣包括高维统计、机器学习、因果推断、成分数据分析、生存分析、统计遗传学与基因组学等。在统计学和生物统计学顶尖期刊Journal of the American Statistical AssociationBiometrikaBiometrics等发表论文十余篇,主持国家自然科学基金面上项目、国家重点研发计划重点专项课题各一项,参与国家自然科学基金重点项目等多项。

 

主要研究方向

高维统计、机器学习、因果推断、成分数据分析、生存分析、统计遗传学与基因组学

代表性科研项目

国家自然科学基金面上项目,11671018,高维复杂数据的稀疏与低秩建模及推断,2017/01-2020/12,48万元,在研,主持

国家重点研发计划“大气污染成因与控制技术研究”重点专项课题,2016YFC0207703,基于统计与数值模式的多污染物数据场构建,2016/07-2020/06,317.3万元,在研,主持

10篇代表性论文

1.Zhang, J. and Lin, W. (2019). Scalable estimation and regularization for the logistic normal multinomial model. Biometrics, to appear.

2.Cao, Y., Lin, W. and Li, H. (2019). Large covariance estimation for compositional data via composition-adjusted thresholding. Journal of the American Statistical Association, to appear.

3.Cao, Y., Lin, W. and Li, H. (2018). Two-sample tests of high-dimensional means for compositional data. Biometrika, 105, 115-132.

4.Lin, W., Feng, R. and Li, H. (2015). Regularization methods for high-dimensional instrumental variables regression with an application to genetical genomics. Journal of the American Statistical Association, 110, 270-288.

5.Lin, W., Shi, P., Feng, R. and Li, H. (2014). Variable selection in regression with compositional covariates. Biometrika, 101, 785-797.

6.Lin, W. and Lv, J. (2013). High-dimensional sparse additive hazards regression. Journal of the American Statistical Association, 108, 247-264.