欢迎访问 计算机与信息技术学院(大数据学院)
当前位置: 首页 » 师资队伍 » 教授 » 王文剑
  • 王文剑

    最终学位:博士

    导师类型:博士生导师

  • 电子邮箱:wjwang@sxu.edu.cn

    联系电话:0351-7017567

  • 研究方向:机器学习、数据挖掘、人工智能

  • 个人简介
  • 学术论文
  • 科研项目

王文剑,博士,山西大学二级教授,博士生导师,计算机与信息技术学院院长、大数据学院院长,计算智能与中文信息处理教育部重点实验室副主任。是教育部新世纪优秀人才、山西省“三晋人才”拔尖骨干人才、山西省学术技术带头人、山西省青年学术带头人。

目前是CCF杰出会员,中国人工智能学会理事,中国人工智能学会机器学习专委会常务委员、知识工程与分布智能专委会常务委员,中国计算机学会人工智能与模式识别专委会委员,中国计算机学会太原分部执行委员会副主席、ACM太原分会副主席。

近年来主要从事机器学习、数据挖掘人人工智能等方面的研究,先后主持国家自然科学基金项目6项(含联合基金重点项目课题1项)、省部级项目及企事业委托项目20余项。在《Journal of Machine Learning Research》《IEEE Trans. on Knowledge and Data Engineering》《IEEE Trans. on Service Computing》《Neural networks》《Pattern Recognition》《中国科学》《软件学报》《计算机研究与发展》等国内外学术期刊和会议发表学术论文200余篇。由科学出版社出版专著2部;获国家发明专利2项、实用新型专利1项,计算机软件著作权50余项;先后获山西省自然科学一等奖2项(第三、四完成人)、科技进步二等奖1项(第二完成人)。出版教材4部,主讲的《人工智能》是山西省研究生教育精品课程,获山西省教学成果一等奖1项(第一完成人)。

[1] Gaoxia Jiang, Wenjian Wang*, Yuhua Qian, Jiye Liang. A unified sample selection framework for output noise filtering: an error-bound perspective. Journal of Machine Learning Research, 2021, 22(18): 1-66.

[2] Xu, Hang, Wenjian Wang*, Qian, Yuhua. Fusing Complete Monotonic Decision Trees. IEEE Transactions on Knowledge and Data Engineering, 2017, 29(10): 2223-2235.

[3] Yaqing Guo, WenjianWang*. A robust linear regression feature selection method for data sets with unknown noise. IEEE Trans. on Knowledge and Data Engineering, DOI: 10.1109/TKDE.2021.3076891

[4] Lifang Ren, Wenjian Wang*, Hang Xu. A reinforcement learning method for constraint-satisfied services composition. IEEE Transactions on Services Computing, 2020, 13(5): 786-800.

[5] Hang Xu, Lifang Ren, Wenjian Wang*. A service selection method based on ordinal classification for historical records. IEEE Transactions on Services Computing, DOI: 10.1109/TSC.2020.2988258

[6] Lifang Ren, Wenjian Wang*. A granular SVM-based method for Top-N web services recommendation. IEEE Transactions on Services Computing, DOI: 10.1109/TSC.2019.2950291

[7] Husheng Guo, Shuai Zhang, WenjianWang*. Selective Ensemble-Based Online Adaptive Deep Neural Networks for Streaming Data with Concept Drift. Neural Networks, 2021, 142: 467-456.

[8] Gaoxia Jiang, Wenjian Wang*. Error estimation based on variance analysis of k-fold cross-validation. Pattern Recognition, 2017, 69: 94-106.

[9] Husheng Guo, Wenjian Wang*. An active learning-based SVM multi-class classification model. Pattern Recognition, 2015, 48:1577-1597.

[10] Gaoxia Jiang, Wenjian Wang*. A novel distance measure for time series: Maximum shifting correlation distance. Pattern Recognition Letters, 2019, 117: 58-65.

[11] Husheng Guo, Wenjian Wang*. Granular support vector machine: a review. Artificial Intelligence Review, 2019, 51:19–32.

[12] Gaoxia Jiang, Wenjian Wang*. Markov cross-validation for time series model evaluations. Information Science, 2017, 375: 219-233.

[13] Meng Tian, Wenjian Wang*. An efficient Gaussian kernel optimization based on centred kernel polarization criterion. Information Sciences, 2015,322:133–149.

[14] Meng Tian, Wenjian Wang*. Some sets of orthogonal polynomial kernel functions. Applied Soft Computing, 2017, 61: 742-756.

[15] Husheng Guo, Wenjian Wang*. Support Vector Machine Based on Hierarchical and Dynamical Granulation. Neurocomputing, 2016, 211:22-33.

[16] Changqian Men,Wenjian Wang*. A randomized ELM speedup algorithm. Neurocomputing, 2015, 159:78-83.

[17] Hangyuan Du, Wenjian Wang*, Liang Bai. Observation noise modelling based particle filter: An efficient algorithm for target tracking in glint noise environment. Neurocomputing, 2015, 158: 155–166.

[18] Xuefei Bai, Wenjian Wang*. Saliency-SVM: An Automatic Approach for Image Segmentation. Neurocomputing, 2014, 136:243-2550.

[19] Wenjian Wang*, Husheng Guo, Yuanfeng Jia, Jingye Bi. Granular support vector machine based on mixed measure. Neurocomputing, 2013, 101: 116–128.

[20] Lifang Ren, Wenjian Wang*. An SVM-based collaborative filtering approach for top-N web services recommendation. Future Generation Computer Systems, 2018, 78: 531-543.

[21] Zhang Rui, Wenjian Wang*. Facilitating the applications of support vector machine by using a new kernel. Expert Systems with Applications, 2011, 38 :14225–14230.

[22] Rui Zhang, Wenjian Wang*, Yichen Ma, Approximations of the standard principal components analysis and kernel PCA. Expert Systems With Applications, 2010, 37:6531-6537.

[23] Liang Du, Peng Zhou, Lei Shi, HanmoWang, Mingyu Fan, WenjianWang, Yi-Dong Shen*. Robust Multiple Kernel K-means Clustering using L2,1-norm. Proceedings of the Twenty-Fourth International Joint Conference on Artificial Intelligence (IJCAI), 2015,3476-3482.

[24] Xiaobo Qi, Husheng Guo, Wenjian Wang*. A reliable KNN filling approach for incomplete interval-valued data. Engineering Applications of Artificial Intelligence, 2021, 100: 104175.

[25] Husheng Guo, Aijuan Zhang, Wenjian Wang*. An accelerator for online SVM based on the fixed-size KKT window. Engineering Applications of Artificial Intelligence, 2020, 92: 103637.

[26] Xuejun Wang, Feilong Cao, Wenjian Wang*. Adaptive sparse and dense hybrid representation with nonconvex optimization. Frontiers of Computer Science, 2020, 14(4): 144306.

[27] Xuejun Wang, Wenjian Wang*, Changqian Men. An adaptive kernel sparse representation-based classification. International Journal of Machine Learning and Cybernetics, 2020, 11(10): 2209-2219.

[28] Gui Yang, Wenping Zheng, Chenhao Che, Wenjian Wang*. Graph-based label propagation algorithm for community detection. International Journal of Machine Learning and Cybernetics, 2020, 11(6): 1319-1329.

[29] Meihong Su, Yaqing Guo, Changqian Men, Wenjian Wang*. A robust self-weighted SELO regression model. International Journal of Machine Learning and Cybernetics, 2019, 10(11): 3189-3199.

[30] Liang Yuan, Wenjian Wang, Lifei Chen*. Two-stage Pruning Method for Gram-based Categorical Sequence Clustering. International Journal of Machine Learning and Cybernetics, 2019, 10(4): 631-640

[31] Xuefei Bai, Wenjian Wang*. Principal Pixel Analysis and SVM for Automatic Image Segmentation. Neural Computing and Applications, 2016, 27(1), 45-58.

[32] Rui Zhang, Wenjian Wang*. Learning linear and nonlinear PCA with linear programming. Neural Processing Letters, 2011, 33:151-170.

[33] Meihong Su, Wenjian Wang*. Elastic net penalized quantile regression model. Journal of Computational and Applied Mathematics, 2021, 392: 113462.

[34] Meihong Su, Wenjian Wang*. A Network Lasso model for regression. Communications in Statistics – Theory and Methods, 2021,938125. DOI; 10.1080/03610926.2021.1938125

[35] Xiaobo Qi, Husheng Guo, Zadorozhnyi Artem, Wenjian Wang*. An Interval-Valued Data Classification Method Based on the Unified Representation Frame. IEEE Access, 2020, 8: 17002-17012.

[36] Xuefei Bai, Wenjian Wang*. Saliency Snake: A Unified Framework with Adaptive Initial Curve. Optik, 2014, 125(23): 6972–6976.

[37] Lin Li, Wenjian Wang*, Zhenhai Gao. Driver’s social relationship based clustering and transmission in vehicle ad hoc networks (VANETs). Electronics, 2020, 9(2): 298.

[38] Chao Tang*, Huosheng Hu, Wenjian Wang, Wei Li, Hua Peng, Xiaofeng Wang. Using a multilearner to fuse multimodal features for human action recognition. Mathematical Problems in Engineering. 2020, ID: 4358728, 1-18.

[39] Chao Tang*, Huosheng Hu, Miaohui Zhang*, Wenjian Wang, Xiaofeng Wang, Feng Cao, Wei Li. Real-time detection of moving objects in a video sequence by using data fusion algorithm. Transactions of the Institute of Measurement and Control, 2019, 41(3): 793-804.

[40] 李飞江, 钱宇华*, 王婕婷, 梁吉业, 王文剑. 基于样本稳定性的聚类方法. 中国科学: 信息科学, 2020, 50(8): 1239-1254.

[41] 杜航原, 王文剑*, 白亮. 一种基于优化模型的演化数据流聚类方法. 中国科学:信息科学, 2017, 47(11): 1464-1482.

[42] 郭虎升, 张爱娟, 王文剑*. 基于在线性能测试的概念漂移检测方法. 软件学报, 2020, 31(4): 932-947.

[43] 杨贵, 郑文萍, 王文剑*, 张浩杰. 一种加权稠密子图社区发现算法. 软件学报, 2017, (11): 3103-3114.

[44] 唐超,王文剑*等. 基于多学习器协同训练模型的人体行为识别方法,软件学报,2015,26:(11):2939-2950.

[45] 姜高霞, 王文剑*. 时序数据曲线排齐的相关性分析方法. 软件学报, 2014, 25(9): 2002−2017.

[46] 郭虎升, 王文剑*. 基于动态粒度的支持向量回归机. 软件学报, 2013, 24(11): 2535−2547.

[47] 郭亚庆, 王文剑*, 苏美红. 一种针对异常点的自适应回归特征选择方法. 计算机研究与发展, 2019, 56(8): 1695-1707.

[48] 焦莉娟,王文剑*. 改进的块匹配五台山壁画修复算法, 计算机辅助设计与图形学学报, 2019, 31(01): 120-127.

[49] 许行, 张凯, 王文剑*. 一种小样本数据的特征选择方法. 计算机研究与发展, 2018, 55(10): 2321-2330.

[50] 杜航原,王文剑*,白亮. 基于网络节点中心性度量的重叠社区发现方法. 计算机研究与发展, 2018, 55(8): 1619-1630.

[51] 许行, 王文剑*, 任丽芳. 一种基于决策森林的单调分类方法. 计算机研究与发展, 2017, 54(7): 1477-1487.

[52] 任丽芳, 王文剑*, 许行. 不确定感知的自适应云计算服务组合. 计算机研究与发展, 2016, 53(12): 2867-2881.

[53] 田萌, 王文剑*. 高斯核函数选择的广义核极化准则, 计算机研究与发展, 2015,52(8):1722-1734.

[54] 郭虎升, 王文剑*. 基于主动学习的模式类别挖掘模型. 计算机研究与发展, 2014, 51(10): 2148-2159.

[55] 郭虎升, 王文剑*. 基于粒度偏移因子的支持向量机学习方法. 计算机研究与发展, 2013, 50(11): 2315-2324.

[56] 白雪飞, 王文剑*, 梁吉业. 基于区域显著性的活动轮廓分割模型. 计算机研究与发展,2012, 49(12): 2686-2695.

[57] 焦莉娟, 王文剑*, 赵青杉, 曹建芳. 近邻局部OMP稀疏表示图像去噪. 中国图象图形学报, 2017, (11): 1486-1492.

[1] 国家自然科学基金(62076154):基于分布特征的流数据可靠建模与高效算法设计,2021.01-2024.12,主持人

[2] 国家自然科学基金(61673249):基于数据特性分析的机器学习建模与算法研究,2017.1-2020.12,主持人

[3] 国家自然科学基金(61273291):提高支持向量机处理复杂数据效能的方法研究,2013.1-2016.12,主持人

[4] 国家自然科学基金(60975035):粒度支持向量机学习方法及应用研究,2010.1-2012.12,主持人

[5] 国家自然科学基金(60673095):SVM的核选择方法及应用研究,2007.1-2009.12,主持人

[6] 国家自然科学基金促进海峡两岸科技合作联合基金重点项目(U1805263):面向大学生心理安全大数据的预警模型及应用研究,2019.1-2022.12,子课题负责人

[7] 教育部博士点博导专项基金(20091401110003):粒度支持向量机学习方法及应用研究,2010.1-2012.12,主持人

[8] 教育部科学技术研究重点项目(208021):支持向量机模型选择的非统计学方法研究,2008.1-2010.12,主持人

[9] 中央引导地方科技发展资金项目(YDZX20201400001224):多源异构大数据的深度挖掘与动态决策关键技术研究,2020.7-2021.12,主持人

[10] 山西省国际科技合作计划项目(201903D421050):面向复杂数据的高效机器学习方法及应用研究,2019.12-2021.12,主持人

[11] 山西省自然科学基金项目(2009011017-2):支持向量机集成学习方法研究,2009.01-2011.12,主持人

[12] 山西省回国留学人员科研资助项目(2016-004):大数据机器学习学习方法研究,2016.01-2018.12,主持人

[13] 山西省回国留学人员科研资助项目(2012-008):面向复杂数据的支持向量机学习方法及应用研究,2012.01-2014.12,主持人

[14] 山西省回国留学人员科研资助项目(2008-14):基于支持向量机的多学习器方法研究,2008.12-2010.12,主持人

[15] 山西省科技攻关计划项目(20120321027-01):旅游电子商务服务中的景点虚拟旅游框架构建及应用示范,2012.01-2014.12,主持人

[16] 山西省高等学校决策咨询(智库)研究项目(20210220):教育数据安全管理标准化体系建设研究,2021.07-2022.07,主持人

[17] 太原市小店区科技项目(201903S03):微服务架构的学校一站式服务平台,2019.07-2021.06,主持人

[18] 赛尔网络下一代互联网技术创新项目(NGII20170601):IPv6环境下的校园大数据挖掘与分析关键技术研究,2018.1-2019.01,主持人