李华 副教授
李华，女，1977年06月生人，理学博士，副教授，长春大学理学院数据科学与大数据技术系系主任，长春大学应用统计专业硕士导师。2000年毕业于东北师范大学数学系，同年到长春大学理学院任教，2003年考入东北师范大学数学与应用统计学院攻读概率论与数理统计方向研究生，2008年考入新加坡国立大学应用概率与统计学院攻读博士学位师从白志东院士，2013年获得博士学位。
主要研究方向如下：
1.大维随机矩阵理论与应用：随着计算机科学与技术的飞速发展，大维数据的分析和探索变得越来越普遍，这一需求极大地推动了相关基础理论建设与发展。大维随机矩阵谱分析方法就是在这样一个背景下逐步完善并发展成一个为较为成熟的理论分析框架。目前该理论在无线电、金融、电力、生物、机器学习等多个应用领域取得了广泛的应用效果。
我们在本方向的主要理论研究与应用集中在金融数据分析与机器学习算法改进两个方面，目前相关成果有：
●金融方向：大维最优投资组合方法，目前科研论文5篇，SSCI论文3篇；
●机器学习：Spiked模型下的监督、半监督、无监督算法研究，目前科研论文3篇，SCI论文1篇。
2.工业流程数据分析与应用：本研究方向以发电厂火电机组的海量运行数据为基础，研究基于高维数据流的关键信号构建算法模型，数据预处理模型，关键特征参数寻优算法模型，火电机组动态综合评价模型，探索利用人工智能神经网络等算法解决多变量非线性关系问题，同时建立控制系统优化模型，实现模型的自诊断、自学习、自适应，实现电厂运行数据参数间的协调优化以及关键信号在线监测，搭建性能监测与优化一体化管理平台。主持开发能源优化类项目4项，获得中电联颁发国家二等奖一项。
科研论文：
(1)Bai, Z., Li, H., Liu, H., & Wong, W. K. (2011). Test statistics for prospect and Markowitz stochastic dominances with applications.The Econometrics Journal,14(2), 278-303.
(2)李华，白志东，肖玉山(2014)。大维随机矩阵的渐进特征－特征相量子空间，东北师大学报。
(3)Bai, Z., Li, H., McAleer, M., & Wong, W. K. (2015). Stochastic dominance statistics for risk averters and risk seekers: An analysis of stock preferences for USA and China.Quantitative Finance,15(5), 889-900.
(4)Li, H., Bai, Z., Wong, W. K., & McAleer, M. (2022). Spectrally-corrected estimation for high-dimensional Markowitz mean-variance optimization.Econometrics and Statistics,24, 133-150.
(5)Liu, Y., Bai, Z., Li, H., Hu, J., Lv, Z., & Zheng, S. (2022). RDS free CLT for spiked eigenvalues of high-dimensional covariance matrices.Statistics & Probability Letters,187, 109501.
(6)He, H., & Li, H. (2023). A new boosting algorithm for online portfolio selection based on dynamic time warping and anti-correlation.Computational Economics, 1-27.
(7)Li, H., Luo, W., Bai, Z., Zhou, H., & Pu, Z. (2024). Spectrally-Corrected and Regularized Linear Discriminant Analysis for Spiked Covariance Model.arXiv preprint arXiv:2210.03859.（投稿中）
(8)Li, H., & Huang, J. (2024). Spectrally-Corrected and Regularized Global Minimum Variance Portfolio for Spiked Model.arXiv preprint arXiv:2308.04246.（投稿中）
专利：
(1)一种基于光谱分析的煤样化验值预测方法:CN202110155958.8[P].CN112949169A
(2)一种煤质成分预测方法:CN202210601941.5[P].CN202210601941.5.
(3)一种淀粉成分预测方法:CN202210761680.3[P].CN202210761680.3.
学生培养：
(1)2022年毕业生 贾雪 东北师范大学 数理统计 博士在读；
(2)2023年毕业生 何洪浏 东北师范大学 数理统计 博士在读；
(3)2023年毕业生 荣婕妤 中国建设银行金融科技岗。
联系方式：
●电子邮件：lihua@ccu.edu.cn
●联系地址：长春市卫星路6543号，长春大学数学与统计学院，邮编130022。
