主要研究机器学习和深度学习的算法设计和理论分析，具体地包括：1）组合优化、两阶优化、零阶优化的算法设计收敛证明及复杂度分析，对应的应用包括增强学习，金融管理的风险规避问题和黑盒问题等，主要是设计有效的算法降低迭代复杂度；2)泛化误差的分析及证明，对应的应用包括流标签学习、小样本学习、元学习等问题，主要通过泛化误差上界来设计有效的算法；3）模型分析，对应的应用包括连续学习、对抗网络、迁移学习、课程学习等，主要通过模型设计来提升不同任务的性能。

      累计发表40多篇顶级期刊和会议论文，包括模式识别顶级期刊：TPAMI、 TNNLS、TIP 、IJCV，人工智能顶级会议：机器学习会议NeurIPS 、ICML，计算机视觉会议CVPR、ICCV、ECCV, 人工智能会议AAAI，数据挖掘会议ICDM等，会议论文中有多篇Oral和Spotlight文章。担任国际权威期刊和会议的审稿人，包括期刊TPAMI、TNNLS、IJCV、TIP、TCybernetics、TSMC、TKDE等，会议 CVPR、ICCV、ECCV、NeurIPS、ICML 、ICLR、IJCAI 、AAAI等。