日期:2012年11月15日 11:48:00

姓名:

吴永贤

联系电话:

20 3938 0285 3315

电子邮箱:

wingng@scut.edu.cn

技术职称:

教授

导师类别:

硕导/博导

学术头衔及获得年份:

IEEE高级会员,2015

教育部新世纪优秀人才支持计划,2011

招生专业:

人工智能、神经网络、深度学习、计算机视觉、多媒体信息检索

招生类型:

博士生、硕士生

教育经历:

(1)2001.9–2006.10, 香港理工大学, 计算机, 博士

(2)1997.9–2001.6, 香港理工大学, 计算机, 学士

工作经历:

(1) 2016.2-至今, 华南理工大学, 计算机科学与工程学院, 教授

(2) 2008.10-2016.1, 华南理工大学, 计算机科学与工程学院, 副教授

(3) 2006.10-2008.9, 哈尔滨工业大学, 深圳研究生院, 讲师

社会兼职:

(1) 2017年至今IEEE SMC广州分会主席

(1) 2017年至今中国图像图形学会机器视觉专委委员

(2) 2016年至今中国计算机协会计算机视觉专委会委员

(3) 2011-2013 年度 IEEE SMC 学会董事会成员

(4) 2011 年起担任 IEEE SMC 学会国际会议事务评审委员会委员

(5) 2010 年起担任 Springer 出版 SCI 国际期刊 IJMLC副主编

(6) 国际会议 ICMLC 2015 Program Chair

(7) 国际会议 IEEE RFID-TA 2010 Vice Program Chair

(8) 2002 年起担任 IEEE TNN IEEE T-Cyb 等十余个知名高水平国际期刊评审员

研究方向:

人工智能、神经网络、深度学习、计算机视觉、多媒体检索、智能电网、智能医疗与护理、智能制造

主要业绩:

长期从事机器学习领域中的神经网络训练和特征选择等基础研究,提出了创新的局部泛化误差模型,并作为一直以来所在团队的研究重心,将其应用到神经网络训练上以提升其泛化能力和鲁棒性,该研究为大数据中的机器学习与模式识别、大规模信息检索和深度学习等应用提供了一个创新而高效的训练方法。相关研究已在包括IEEE TNNLSIEEE T-CybPattern RecognitionInformation SciencesIEEE TMM等国际权威期刊及国际会议上发表了过百篇文章,其中SCI检索三十余篇,其余全为EI检索。吴教授的总影响因子为95.6h-index19,总被引次数过千,于IEEE Transactions on Neural Networks上发表的局部泛化误差模型文章已被引用过百次,另有3篇文章被引用超过50次。指导的博士生、硕士生及本科生均有在IEEE TNNLST-Cyb等一、二区SCI期刊上发表论文。吴教授主持3项国家自然科学基金、1项教育部新世纪人才计划及1项广州市科技计划项目,并获得学校的人才计划支持及主持3项中央高校重点项目。参与英国科研项目并联合指导博士生。

近年指导博士生发表期刊论文:

(1) "Incremental Hashing for Semantic Image Retrieval in Nonstationary Environments", IEEE Transactions on Cybernetics, 2016

(2) "MLPNN Training via a Multiobjective Optimization of Training Error and Stochastic Sensitivity", IEEE Transactions on Neural Networks and Learning Systems, 2016

(3) "Steganalysis classifier training via minimizing sensitivity for different imaging sources", Information Sciences, 2014

近年指导硕士生发表期刊论文:

(1) "Dual autoencoders features for imbalance classification problem", Pattern Recognition, 2016

(2) "Asymmetric Cyclical Hashing for Large Scale Image Retrieval", IEEE Transactions on Multimedia, 2015

(3) "Two-phase mapping hashing", Neurocomputing, 2015

近年指导本科生发表期刊论文:

(1) "Diversified Sensitivity-Based Undersampling for Imbalance Classification Problems", IEEE Transactions on Cybernetics, 2016