计算机与信息学院

联系我们 师大首页

当前位置: 学院首页 >> 人才培养 >> 研究生教育 >> 导师介绍 >> 正文

郑明

发布日期:2018-07-11 浏览次数: 作者:郑明  编辑:陈付龙  预审:接标  终审:袁兴龙 

个人简历

郑明,男,安徽望江人,硕士生导师,CCF会员,IEEE会员。2015年本科毕业于云南大学,获信息与计算科学学士学位。2020年获信息与通信工程博士学位,现为数据科学与技术系专任教师。主要从事数据挖掘,大数据处理和分析等方向的研究工作。近年来主持国家自然科学基金青年科学基金项目和厅局级等项目4项,在INS、KBS、SOCO和计算机研究与发展等学术期刊发表论文20余篇,授权发明专利和软件著作权10余项。云南大学优秀博士学位论文获得者。国际多个CCF推荐期刊审稿人,如TEC、TNNLS、KIS、IPM和CCPE等。

联系方式:mzheng@ahnu.edu.cn

代表论文

[1] Zheng, M, Ma, K., Wang, F. et al. Which standard classification algorithm has more stable performance for imbalanced network traffic data?[J]. Soft Computing, 2024, 28: 217–234. (中国科学院3 区,影响因子:4.1,CCF C,)

[2] Zheng M, Li T, Zheng X, et al. UFFDFR: Undersampling framework with denoising, fuzzy c-means clustering, and representative sample selection for imbalanced data classification [J]. Information Sciences, 2021, 576: 658-680. (中国科学院1区Top,影响因子:8.1,CCF B,当前被引:27)

[3] Zheng M, Li T, Sun L, et al. An automatic sampling ratio detection method based on genetic algorithm for imbalanced data classification[J]. Knowledge-Based Systems, 2021: 106800. (中国科学院1区Top,影响因子:8.8,CCF C,当前被引:22)

[4] Zheng M, Li T, Zhu R, et al. Conditional Wasserstein generative adversarial network-gradient penalty-based approach to alleviating imbalanced data classification[J]. Information Sciences, 2020, 512: 1009-1023. (中国科学院1区Top,影响因子:8.1,CCF B,当前被引:127)

[5] Zheng M, Li T, Zhu R, et al. Traffic Accident’s Severity Prediction: A Deep-Learning Approach-Based CNN Network[J]. IEEE Access, 2019, 7: 39897-39910. (中国科学院3区,影响因子:3.9,当前被引:146)

主要项目

[1] 国家自然科学基金委员会,青年项目,62306009,全局信息感知多视角下的不平衡数据重采样方法研究,2024-01至2026-12,30万元,在研,主持

[2] 安徽省教育厅,安徽省高校自然科学重大项目,KJ2021ZD0007,面向不平衡网络流量数据的重采样方法研究,2022-01-01至2024-12-31,20万元,在研,主持

[3] 芜湖市科技局,应用基础研究项目,2022jc11,面向不平衡网络流量数据异常检测的混合采样方法研究,2022-05-01至2024-05-01,9万元,在研,主持

[4] 安徽省教育厅,安徽省高校协同创新项目,GXXT-2022-052,多模态内窥镜成像数据的多元属性获取与知识推理,2022-01至2024-12,100万元,在研,子课题负责人

[5] 云南省教育厅,云南省博士研究生学术新人奖项目,CZ21622204,不平衡数据的学习,2019-01至2020-12,2万元,已结题,主持

[6] 横向课题,数据仿真平台研究,2023-07-01至2023-12-31,4万元,已结题,主持

招生要求

本人课题组欢迎对数据挖掘和大数据方向感兴趣,能吃苦、有毅力和对科学研究充满热情的同学报考硕士。