研究工作主要集中在统计学习与机器学习及其在分类、回归和聚类等问题中的应用方面，并取得了很好的研究成果，在相关研究方向先后发表论文100 余篇。在大数据处理方面，曾参与和主持多项遥感图像处理、大气污染数据分析、极端气候和风能利用分析、电力系统负荷预测、地震数据分析和金融数据分析等实际数据分析课题，具有丰富的数据处理实践。

特征表示和聚类分析

1. 提出了基于认知概率的神经元非线性编码机制；基于视觉系统多尺度表示的层次聚类算法。其中基于视网膜模型的尺度空间聚类方法已被西方学者用于增生分子电子密度分布的结构辨识、蛋白质结构片段的描述、内硫胺胃蛋白酶配体匹配等。

深度学习和统计学习

1. 提出了基于“最小脉冲响应次数”的稀疏代价函数和“等能量跳转并行回火”抽样算法，有效改进了深度学习算法的性能。
2. 提出了基于信息论率失真原理的深度学习算法，随后Tishby等人探讨了基于信息论的率失真理论对深度学习方法的理论解释。
3. 提出了采用限制玻尔兹曼机对顶层概率分布进行建模的Helmholtz机模型，有效改进了深度结构模型的特征表示能力。
4. 提出了快速推断预测编码模型及学习算法，解决了预测编码模型推断复杂、计算量大的问题。
5. 提出了基于多神经递质的人工神经元模型，推广了经典人工神经元模型。