男，1983.04，博士，副教授，硕士生导师。2019年在朝阳科技大学获得资讯管理学博士学位。2019-2020年在澳大利亚悉尼科学大学访学。主要研究方向为计算机视觉、三维重建和机器学习。主持福建省自然科学基金面上项目1项、福建省教育厅中青年教育科研项目1项；参与国家级、省部级和市厅级项目10余项。共发表学术论文14篇，其中SCI收录7篇，EI会议收录2篇，核心期刊5篇；申请专利3项，授权1项；获实用新型专利1项，软件著作权2项。
Email: xdwangjsj@xmut.edu.cn


教育背景：
l 2019/08-2020/08，澳大利亚悉尼科技大学，人工智能中心RelER实验室，访问****
l 2016/06-2019/01，朝阳科学大学，资讯学院，资讯管理学，博士
l 2007/09-2010/07，湖南大学，计算机与通信工程学院、计算机科学与技术，工学硕士
l 2003/09-2007/07，湖南大学，计算机与通信工程学院、计算机科学与技术，工学学士


工作经历：
l 2018/09-至今，厦门理工学院，计算机与信息工程学院，副教授
l 2013/01-至今，厦门理工学院，计算机与信息工程学院，讲师
l 2010/07-2012/12，厦门理工学院，计算机与信息工程学院，助教


讲授课程
l 《嵌入式驱动程序设计》
l 《C语言程序设计》
l 《嵌入式临就业培训》
l 《单片机应用开发实践》
l 《单片机原理与应用》
l 《WinCE系统设计与应用开发》


科研项目
l 福建省自然科学基金面上项目“基于半监督多任务学习的图像标注方法研究” (2017J01511)，2017.03-2020.03
l 福建省教育厅中青年教育科研项目“基于稀疏图表示和特征选择的图像自动标注方法研究”（JA15385），2015.05-2018.05
l 海峡两岸合作项目“基于离散-连续优化的多目标异常行为检测与跟踪方法研究” (E)，2014.12-2016.12


发表论文
l X D Wang, R C Chen, Z Q Zeng, et al. Robust Dimension Reduction for Clustering With Local Adaptive Learning[J]. IEEE Transactions on Neural Networks & Learning Systems:1-13.
l X D Wang, R C Chen, F Yan, et al. Fast Adaptive K-means Subspace Clustering for High-dimensional Data[J]. IEEE Access, 2019.
l X D Wang, R C Chen, F Yan, et al. Semi-supervised adaptive feature analysis and its application for multimedia understanding[J]. Multimedia Tools & Applications, 2018, 77(3):3083-3104.
l X D Wang, R C Chen, C Q Hong, et al. Unsupervised Feature Analysis with Sparse Adaptive Learning[J]. Pattern Recognition Letters, 2017, 102:89-94.
l 王晓栋, 严菲, 洪朝群. 一种基于半监督多任务学习的特征选择模型[J]. 厦门大学学报（自然科学版）, 2017(4).
l X D Wang, R C Chen, C Q Hong, et al. Semi-supervised multi-label feature selection via label correlation analysis with l1-norm graph embedding, Image and Vision Computing, Volume 63,2017,Pages 10-23.
l X D Wang, X Zhang , Z Zeng , et al. Unsupervised Spectral Feature Selection with l1-Norm Graph[J]. Neurocomputing, 2016:S0376.
l X D Wang, R C Chen, F Yan, et al. Semi-supervised Feature Selection with Exploiting Shared Information Among Multiple Tasks[J]. Journal of Visual Communication and Image Representation, 2016:S02127.
l 王晓栋, 严菲, 谢勇, et al. 基于稀疏图表示的特征选择方法研究[J]. 计算机工程与科学, 2015, 37(12):2372-2378.


知识产权：
l 基于Kinect的物体快速三维建模方法.中国 ZL20**.2016.05.18第3
l 一种具有图文显示功能的竹蜻蜓. 中国ZL20**，2014.12.31，第1
l 一种面向家庭应用的智能药盒.中国ZL20**,2016.04.06,第3


教研教改：
l 厦门理工学院网络课程建设-嵌入式驱动程序设计（2016）
l 厦门理工学院课程教革项目- WinCE系统设计与应用开发（2013）