Gautam B. 辛格,Ph值.D.

教授 计算机科学与工程系 534 EC; (248) 370-2129 ; Fax: (248) 370-4625 singh@奥克兰.edu 秒.奥克兰.辛格edu/ ~ Ph.D.，韦恩州立大学，1993年

• 1998年加入十大菠菜台子
• 认可:国际卫生组织的信息技术卫生组织，1997-98.
• 会员:ACM、IEEE计算机学会、AAAS(美国科学促进会).

教学

• 高级设计与实现
• 生物信息学
• 计算机取证
• 高级的设计

研究

• 数据挖掘与创新发现
• 知识产权与创意信息学
• 生物信息学
• 网络法律
• 法医学及电脑罪案
• 并行计算与算法

1. 信息系统建模、管理与高效数据检索. 本研究的重点是将应用程序级数据建模需求与数据库系统体系结构的数据表示能力相关联. 工程中的复杂应用, 金融, 生物系统正在被研究，它们的系统实现使用关系, 对象关系, 面向对象的, 以及演绎数据库模型. 有效评估复杂的基于内容的查询所面临的挑战是本研究的重要组成部分.
2. 制造与过程监控中的时态数据库设计. 制造应用程序涉及访问受时间限制和暂时有效的数据. 这些应用范围从自动跟踪和指导工厂车间的对象到记录和分析过程相关数据，目的是消除异常和建立可靠的系统. 为满足时间完整性约束和满足应用程序的事务处理截止日期而开发的通用模式代表了本研究要解决的问题.
3. 数据挖掘，预测建模和预测. 超大型数据库(VLDB)维护事务的详细日志，是利用数据挖掘和预测建模技术的强大功能的重要信息源. 我们在这一领域的研究重点是使用确定性和随机技术从可用数据中学习模型参数. 时间序列方法为时间数据库的预测提供了一种有用的建模范式. 这些能力对于建立故障预测模型以满足工程系统的可靠性约束是非常有用的.
4. 智能和自适应算法在数据模式发现中的应用 基于学习原则的自适应系统正在达到更高的成熟度，并且代表了从数据库中的信息中发现新模式和关联的有用工具. Such a discovery of data inter-relations derived using conceptual clustering; harmony theory and competitive learning can be subsequently utilized for developing systemic data models.

选定的出版物

1. 书:计算生物学和生物信息学基础.
b施普林格，2015年1月.

2. “保护创新的商业方法、软件和数据库”
全球商业信息系统学报，增刊
出版物. v. 1(1), pp. 1-10, 2013-2013.

3. 在生物数据库中学习信息模式-随机
数据挖掘,” 数据挖掘和知识发现手册,
2010

4. “生产涌现的改进中美合作所算法”， 国际
计算机及其应用杂志, 2010

5. “在车辆碰撞检测中使用隐马尔可夫模型，” IEEE
车辆技术学报, 2009

6. “基于组件的教学方法
生物信息学,” IEEE教育汇刊, 2009

7. 数学模型预测区域的染色质附着
核基质”, 核酸研究, 1997