教师介绍
基本信息：
讲师、硕士生导师
电子邮件：inqzhu@uibe.edu.cn
办公地点：诚信楼110
教育背景：
2011年9月至2015年6月 中国人民大学信息学院 学士学位
2015年9月至2018年6月 中国科学院大学计算机科学与技术学院 硕士学位
2018年9月至2022年6月 中国人民大学英国上市365 博士学位
工作经历：
2022年8月至今 英国上市365 讲师
研究兴趣：
复杂数据聚类分析、电子商务数据挖掘、高频金融数据分析、深度学习、社交网络分析
欢迎对相关研究感兴趣的同学与我联系！
科研项目：
主持国家自然科学基金青年项目：基于支付数据的中小微企业行为模式聚类分析
参与国家自然科学基金面上项目：基于智能合约的央行数字货币自动做市商机制研究
参与国家自然科学基金面上项目：人工智能背景下复杂网络数据建模与应用研究
参与国家自然科学基金面上项目：稀疏网络数据的建模，计算及应用
主要研究成果：
l Zhu, Y., Huang, D., Zhang, B. (2025). A Wasserstein Distance-based Spectral Clustering Method for Transaction Data Analysis. Expert Systems with Applications, 260, 125418.
l Zhu, Y., Wang, Y., Qin, L., Zhang, B., Shia, B., Chen, M. (2025). Naïve Bayes Classifier based on Reliability Measurement for Datasets with Noisy Labels. Annals of Operations Research, 349, 259-286.
l Zhu, Y., Bao, Y., Qin, L., Sun, Q., Shia, B., Chen, M. (2025). Resilience Analysis based on Multi-layer Network Community Detection of Supply Chain Network. Annals of Operations Research. (Online)
l Qin, L., Wang, Y.*, Zhu, Y.*, Shia, B. (2025). Bayesian Dynamic Matrix Factor Models, Journal of Business & Economic Statistics. (Online)
l 朱映秋, 郑畅, 张波 (2025). 金融时间序列的自适应贝叶斯在线变点检测. 统计研究, 42(01), 145-160.
l 秦磊, 王寅智, 朱映秋, 谢邦昌 (2025). 已知组结构下混频时间序列的潜在因子分析. 系统工程理论与实践, 45(3): 1014-1028.
l Zhu, Y., Wang, R., Feng, M., Qin, L., Shia, B., Chen, M. (2024). Supply Chain Analysis based on Community Detection of Multi-layer Weighted Networks. Mathematics, 12(22), 3606.
l Zeng, Q., Zhu, Y.*, Zhu, X., Wang, F., Zhao, W., Sun, S., Su, M., Wang, H. (2024). Improved Naive Bayes with Mislabeled Data. Statistics and Its Interface, 17(3), 323-336.
l Wang, Y., Zhu, Y., Sun, Q., Qin, L. (2024). Adaptively Robust High-dimensional Matrix Factor Analysis under Huber Loss Function. Journal of Statistical Planning and Inference. 231, 106137.
l Xu, K., Zhu, Y.*, Liu, Y., Wang, H. (2024). CluBear: a Subsampling Package for Interactive Statistical Analysis with Massive Data on a Single Machine. Communications in Statistics-Simulation and Computation. (Online)
l Deng, J., Huang, D., Ding, Y., Zhu, Y., Jing, B., Zhang, B. (2024). Subsampling Spectral Clustering for Stochastic Block Models in Large-Scale Networks. Computational Statistics & Data Analysis, 189, 107835.
l 朱映秋, 黄丹阳, 张波 (2024). 基于高斯混合模型的分布因子聚类方法. 统计研究, 41(06), 147-160.
l 陈阳, 张晓梅, 朱映秋, 秦磊 (2024). 矩阵值时间序列自回归模型的稳健估计. 应用数学学报, 47(6): 999-1026.
l Pan, R., Zhu, Y.*, Guo, B., Zhu, X., Wang, H. (2023). A Sequential Addressing Subsampling Method for Massive Data Analysis under Memory Constraint. IEEE Transactions on Knowledge and Data Engineering, 35(9), 9502-9513.
l 黄丹阳, 朱映秋, 南金伶, 王汉生 (2023).基于交易流水的信用卡套现交易及商户识别. 数理统计与管理, 42(01), 127-144.
l 黄丹阳, 罗伊琳, 朱映秋* (2023). 面向第三方支付平台非结构化大数据分布特征的融合聚类算法. 经济管理学刊, 2(3), 179-208.
l Zhu, Y., Deng, Q., Huang, D., Jing, B., Zhang, B. (2021). Clustering based on Kolmogorov–Smirnov Statistic with Application to Bank Card Transaction Data. Journal of the Royal Statistical Society: Series C (Applied Statistics), 70(3), 558-578.
l Zhu, Y., Huang, D., Gao, Y., Wu, R., Chen, Y., Zhang, B., Wang, H. (2021). Automatic, Dynamic, and Nearly Optimal Learning Rate Specification via Local Quadratic Approximation. Neural Networks, 141, 11-29.
l Wang, F., Zhu, Y., Huang, D., Qi, H., Wang, H. (2021). Distributed One-step Upgraded Estimation for Non-uniformly and Nonrandomly Distributed Data. Computational Statistics & Data Analysis, 162, 107265.
l 朱映秋, 张波 (2021). 基于已实现波动率的上证综指异常时序检测. 系统工程理论与实践, 41(3), 625-635.
l 黄丹阳, 毕博洋, 朱映秋 (2021). 基于高斯谱聚类的风险商户聚类分析. 统计研究, 38(6), 145-160.
l Zhu, Y., Huang, D., Xu, W., Zhang, B. (2020). Link Prediction Combining Network Structure and Topic Distribution in Large-scale Directed Network. Journal of Organizational Computing and Electronic Commerce, 30(2), 169-185.
个人学术主页：https://inqzhu.github.io/academic/
开源项目：
部分研究成果已整合至开源项目中，并正式发布：
Ftsa - 基于已实现波动率的金融高频时间序列异常检测算法包(Python)
链接: https://pypi.org/project/Ftsa/
LQA - 基于局部二次逼近的深度学习优化算法包(Python-TensorFlow)
链接: https://pypi.org/project/lqa/
CluBear - 低内存要求的交互式大规模数据分析算法包（Python）
链接：https://pypi.org/project/clubear/
专利软著：
发明专利，一种基于图神经网络和迁移学习的产品推荐方法，申请日：2025年04月02日