姓名： 黄俊

职称： 副教授

E-Mail：huangjun.cs@ahut.edu.cn

个人主页：https://jiunhwang.github.io/




主要研究方向：
机器学习、数据挖掘
个人简介：
黄俊，男，安徽工业大学副教授，硕士生导师，2017年在中国科学院大学获得博士学位。2019年10月至2020年9月，由日方资助，在东京大学从事博士后研究。主要研究内容为多标记学习、多视角学习，在TKDE、IJCAI等CCF A、B和C类国际期刊和会议上发表论文10余篇，担任多个国际知名期刊、会议审稿人和程序委员会成员。目前主持国家青年基金一项，获中国科学院百篇优秀博士论文奖，安徽省科学技术进步奖三等奖。
学术服务：
1.安徽省计算机学会理事
2.安徽省计算机学会青工委委员
3.国际会议TPC：如IJCAI，ACM MM, ECML-PKDD等
4.国际期刊审稿人：TPMAI，TKDE，TCYB,TKDD，NN等
所授课程：
数据挖掘技术，数据结构，人工智能新生研讨课等
科研课题：
1. 国家自然科学基金青年项目，**，基于类属特征学习的鲁棒高效多标记学习方法研究，201901-202112，28万元，在研，主持
2. 安徽省高校自然科学研究重点项目，KJ2018A0050,面向互联网大数据的多标记学习方法研究，201801-201912，6万元，已结题，主持
代表性论著：
[1]Jun Huang, Linchuan Xu, Kun Qian, Jing Wang, Kenji Yamanishi, Multi-Label Learning with Missing and Completely Unobserved Labels, Data Mining and Knowledge Discovery, 2021. DOI: 10.1007/s10618-021-00743-x
[2]Jun Huang, Linchuan Xu, Jing Wang, Lei Feng^*, Kenji Yamanishi, Discovering Latent Class Labels for Multi-Label Learning, in International Joint Conference on Artificial Intelligence (IJCAI), pp. 3058-3064, Yokohama, Japan, 2020.
[3]Jun Huang, Feng Qin, Xiao Zheng, Zekai Cheng, Zhixiang Yuan, Weigang Zhang, and Qingming Huang, Improving Multi-Label Classification with Missing Labels by Learning Label-Specific Features. Information Sciences, 2019, 492:124-146.
[4]Jun Huang, Guorong Li, Qingming Huang and Xindong Wu, Joint Feature Selection and Classification for Multi-Label Learning,IEEE Transactions on Cybernetics, 2018, 48(3)：876-889.
[5]Jun Huang, Guorong Li, Qingming Huang and Xindong Wu, Learning label Specific Features and Dependent Class Labels for Multi-Label Classification,IEEE Transactions on Knowledge and Data Engineering, 2016, 28(12):3309-3323.
[6]Jun Huang, Guorong Li, Shuhui Wang, Zhe Xue and Qingming Huang, Multi-label Classification by Exploiting Local Positive and Negative Pairwise Label Correlation, Neurocomputing, 257: 164-174, 2017.
[7]Jun Huang, Guorong Li, Qingming Huang and Xindong Wu, Learning label Specific Features for Multi-Label Classification, Proceedings of the IEEE International Conference on Data Mining (ICDM), pp. 181–190, Atlantic City, USA, 2015.
[8]Jun Huang, Guorong Li, Shuhui Wang, Weigang Zhang and Qingming Huang, Group sensitive Classifier Chains for multi-label classification, Proceedings of the IEEE International Conference on Multimedia and Expo (ICME), pp. 1-6, Turin, Italy, 2015.