我近年研究的重心放在幾種模式分類的技術上，包括(1)調適性原型學習算則，特別有助於類別數量龐大的資料集合，(2) 以隨機分割的方法來從事支持向量機（SVM）的訓練，以大量提升SVM 的訓練速度，並且維持原水平的測試正確率，(3) 使用多重特徵評估的方法來從事特徵選取以提升分類的正確率。這些技術可以應用在中文的辨識（常用的中文字種類有六千，總共則有一萬三千），多語言文件的語言分類，文件的分類，本體論的分析，以及各種生物性的問題，在這些問題裡尋找到關鍵的特徵可以導致分類正確率的提升。