课题基金 / 基金详情

Statistical and computational model for high dimensional data analysis

Statistical and computational model for high dimensional data analysis
高维数据分析的统计和计算模型
批准号：
RGPIN-2016-06546
负责人：
Wong, WilliamWaiLun
金额：
$2.62万
依托单位：
University of Waterloo
依托单位国家：
加拿大
项目类别：
Discovery Grants Program - Individual
财政年份：
2021
资助国家：
加拿大
项目状态：
已结题
起止时间：
2021-01-01 至 2022-12-31
来源：
https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=733110
关键词：
Statisticalcomputationalmodeldimensionaldata

项目摘要

项目成果

Wong, WilliamWaiLun的其他基金

相似基金

相关文献

中文摘要
翻译
点击翻译按钮获取中文摘要
英文摘要
Computer--aided Drug Discovery; Feature selection; Genetic association studies; high throughput genome-wide SNP data analysis; Individual-level models for infectious diseases; Kernel methods; Pharmacoinformatics; Statistical learning
期刊论文(0)
专著(0)
科研奖励(0)
会议论文
Statistical and computational model for high dimensional data analysis
  • 批准号：
    RGPIN-2016-06546
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $1.31万
  • 财政年份：
    2020
  • 负责人：
    Wong, WilliamWaiLun
  • 依托单位：
    University of Waterloo
Statistical and computational model for high dimensional data analysis
  • 批准号：
    RGPIN-2016-06546
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $1.31万
  • 财政年份：
    2019
  • 负责人：
    Wong, WilliamWaiLun
  • 依托单位：
    University of Waterloo
Statistical and computational model for high dimensional data analysis
  • 批准号：
    RGPIN-2016-06546
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $1.31万
  • 财政年份：
    2018
  • 负责人：
    Wong, WilliamWaiLun
  • 依托单位：
    University of Waterloo
Statistical and computational model for high dimensional data analysis
  • 批准号：
    RGPIN-2016-06546
  • 项目类别：
    Discovery Grants Program - Individual
  • 资助金额：
    $1.31万
  • 财政年份：
    2017
  • 负责人：
    Wong, WilliamWaiLun
  • 依托单位：
    University of Waterloo
国内基金
海外基金
物体运动对流场扰动的数学模型研究
  • 批准号：
    51072241
  • 项目类别：
    专项基金项目
  • 资助金额：
    10.0万元
  • 批准年份：
    2010
  • 负责人：
    李廷秋
  • 依托单位：
    武汉理工大学
Computational Methods for Analyzing Toponome Data