一、导师基本信息

姓名： 江兵兵

邮箱：jiangbb@djbet88.net

指导专业：计算机科学与技术(学硕)、软件工程(专硕)

二、主要研究领域

主要研究面向复杂数据的机器学习理论和数据挖掘方法。具体包括，半监督学习（利用少量的有标签数据和大量的无标签数据提升学习性能）、多模态/多视图数据融合（同构/异构数据的表示、融合和学习）、特征选择（从原始数据中选择相关特征子集，提高学习系统的可解释性）、聚类、贝叶斯推断（使用概率方式建模，融合先验知识，自动优化参数）、因果发现/特征选择（与香港理工大学吴兴宇博士合作）及其在大数据分析中的应用研究。

三、主讲课程

1.     离散数学，本科生，计算机科学与技术

2.     数据结构，本科生，计算机科学与技术

四、教育及工作经历

2014年6月在重庆邮电大学计算机学院获学士学位 （初试第一考入中国科大计算机学院）

2019年6月在中国科学技术大学计算机学院获工学博士学位（硕博连读，导师 陈欢欢教授)

2019年10月— 至今 杭州师范大学电子竞技博彩 教师/硕士生导师

五、学术简介

在IEEE TPAMI、IEEE TKDE、IEEE TNNLS、IEEE TCYB、IEEE TETCI、IEEE TGRS、ACM TKDD、Information Sciences、Information Fusion、AAAI、CIKM等人工智能与数据挖掘领域的期刊和会议上累计发表论文30多篇，同时担任IEEE TPAMI、IEEE TKDE、IEEE TNNLS、IEEE TFS、IEEE/CAA JAS、IEEE TETCI、IEEE TBD、IEEE Internet of Things Journal、Information Sciences、Applied Soft Computing、AAAI、ACM MM、《自动化学报》、《电子学报》等期刊和会议的审稿人和PC member。目前主持国家自然科学基金青年项目1项，参与浙江省自然科学基金项目2项，曾参与国家重点研发计划项目1项、国家自然科学基金重点项目1项、面上项目1项。曾获杭州师范大学优秀论文奖、中国科学院院长特别奖、中国科大优秀毕业生、国家奖学金等奖励。所指导的硕士研究生获得过杭州师范大学优秀硕士学位论文、浙江省优秀毕业生等荣誉。

六、主持教学科研项目

国家自然科学基金青年项目 面向监督与半监督的贝叶斯学习方法研究， 2021—

七、代表性论著

[1] Wu X, Zhong Y, Ling Z, et al，Jiang B. Nonlinear learning methods for local causal structures[J]. Information Sciences, 2024, 654: 119789. (通信作者, SCI一区/CCF B类)

[2] Zhang C, Zhu X, et al, Jiang B. Discriminative Multi-view Fusion via Adaptive Regression[J]. IEEE Transactions on Emerging Topics in Computational Intelligence, DOI: 10.1109/TETCI.2024.3375342, 2024. (通信作者, SCI二区)

[3] Jiang B, Wu X, Zhou X, et al. Semi-supervised multiview feature selection with adaptive graph learning[J]. IEEE Transactions on Neural Networks and Learning Systems, 2024，35(3): 3615-3629. (SCI一区/CCF B 类)

[4] Zhang C, Jiang B, Wang Z, et al. Efficient multi-view semi-supervised feature selection[J]. Information Sciences, 2023, 649: 119675. (通信作者, SCI一区/CCF B类)

[5] Jiang B, Zhang C, Zhong Y, et al. Adaptive collaborative fusion for multi-view semi-supervised classification[J]. Information Fusion, 2023, 96: 37-50. (SCI一区，获2023年度杭州师范大学优秀论文奖)

[6] Wu X, Jiang B, et al. Practical Markov boundary learning without strong assumptions[C]. In Proceedings of the AAAI Conference on Artificial Intelligence. 2023, 37(9): 10388-10398. (CCF A类)

[7] Wu X, Jiang B, et al. Feature Selection in the Data Stream Based on Incremental Markov Boundary Learning[J]. IEEE Transactions on Neural Networks and Learning Systems, 2023, 34(10): 6740-6754.

[8] Jiang B, Xiang J, Wu X, et al. Robust multi-view learning via adaptive regression[J]. Information Sciences, 2022, 610: 916-937. (SCI一区/CCF B 类)

[9] Zhou X, Chen Q, Jiang B, et al. An Underground Pipeline Mapping Method Based on Fusion of Multisource Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-11.

[10] Wu X, Jiang B, Zhong Y, et al. Multi-target markov boundary discovery: Theory, algorithm, and application[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2023, 45(4): 4964-4980. (SCI一区/CCF A 类)

[11] Jiang B, He W, Wu X, et al. 基于自适应图学习的半监督特征选择[J]. 电子学报, 2022, 50(7): 1643. (CCF 中文 A 类)

[12] Wu X, Jiang B, et al. 基于马尔科夫边界发现的因果特征选择算法综述[J]. 模式识别与人工智能, 2022, 35 (5):422-438. (入选2022年度中国科协“科技期刊双语传播工程”，CCF 中文B类)

[13] Jiang B, Xiang J, Wu X, et al. Robust adaptive-weighting multi-view classification[C]. In Proceedings of the 30th ACM International Conference on Information & Knowledge Management. 2021: 3117-3121. (SCI一区/CCF B类)

[14] Wu X, Jiang B, et al. Multi-label causal feature selection[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2020, 34(04): 6430-6437. (CCF A 类)

[15] Wu X, Jiang B, et al. Accurate Markov boundary discovery for causal feature selection[J]. IEEE Transactions on Cybernetics, 2019, 50(12): 4983-4996. (SCI一区/CCF B 类)

[16] Jiang B, Li C, et al. Probabilistic feature selection and classification vector machine[J]. ACM Transactions on Knowledge Discovery from Data, 2019, 13(2): 1-27. (SCI二区/CCF B 类)

[17] Jiang B, Wu X, et al. Joint semi-supervised feature selection and classification through Bayesian approach[C]. In Proceedings of the AAAI conference on artificial intelligence. 2019, 33(1): 3983-3990. (CCF A 类)

[18] Li Y, Jiang B, et al. Symbolic sequence classification in the fractal space[J]. IEEE Transactions on Emerging Topics in Computational Intelligence, 2018, 5(2): 168-177.

[19] Chen H, Jiang B, Yao X. Semisupervised negative correlation learning[J]. IEEE Transactions on Neural Networks and Learning Systems, 2018, 29(11): 5366-5379. (SCI一区/CCF B 类)

[20] Jiang B, Li Z, et al. Latent topic text representation learning on statistical manifolds[J]. IEEE Transactions on Neural Networks and Learning Systems, 2018, 29(11): 5643-5654. (SCI一区)

[21] Chen B, Jiang B, Zhou X, et al. 基于流形学习的稀疏贝叶斯方法[J]. 电子学报, 2018, 46(1): 98. (CCF 中文A类, 通信作者)

[22] Jiang B, Chen H, Yuan B, et al. Scalable graph-based semi-supervised learning through sparse Bayesian model[J]. IEEE Transactions on Knowledge and Data Engineering, 2017, 29(12): 2758-2771.

(SCI一区/CCF A类)