名称：张佳
职称：中级
研究方向：机器学习，数据挖掘，模式识别
电邮：jiazhang@jnu.edu.cn
联系方式：


教育背景
张佳，2020年博士毕业于厦门大学人工智能系。博士毕业后，加入暨南大学从事教学科研工作。主要从事机器学习，数据挖掘和模式识别领域相关的研究工作，目前主要关注大规模多标记学习以及人工智能在医疗和教育中的应用。


工作经历
1. 2021-03至现在, 暨南大学，计算机科学系, 讲师
2. 2019-05至2019-07, 香港城市大学, 计算机科学系, 访问****


讲授课程


招生意向


科研成果
项目经历1. 中华人民共和国科学技术部，国家重点研发计划项目子课题，2018YFC**，案件驱动的跨时空域通用检察业务协同及数据供应链建模方法，2018-07至2021-06，1040万元，在研，参与。
2. 国家自然科学基金委员会，促进海峡两岸科技合作联合基金重点项目，U**，以健康状态为核心的中医人工智能诊疗系统研究，2018-01至2021-12，204万元，在研，参与。
3. 国家自然科学基金委员会，面上项目，**，基于粒计算的多模态多标记数据分类建模研究，2017-01至2020-12，62万元，已结题，参与。
学术活动期刊审稿：IEEE Transactions on Cybernetics, IEEE Transactions on Neural Networks andLearning Systems, Pattern Recognition, Information Sciences, Knowledge-Based Systems, Applied Intelligence
PC Member：The International Joint Conference on Neural Networks (IJCNN 2021)


研究论文
在国内外发表科研论文30余篇，其中SCI收录20余篇。主要学术成果如下：
1. J. Zhang, S. Li, M. Jiang, K. C. Tan. Learning from weakly labeled data based on manifold regularized sparse model. IEEE Transactions on Cybernetics, in press.
2. Z.-A. Huang, J. Zhang, Z. Zhu, E. Q. Wu, K. C. Tan. Identification of autistic risk candidate genes and toxic chemicals via multi-label learning. IEEE Transactions on Neural Networks and Learning Systems, in press.
3. G. Du, J. Zhang, F. Ma, M. Zhao, Y. Lin, S. Li. Towards graph-based class-imbalance learning for hospital readmission. Expert Systems with Applications, in press.
4. J. Zhang, Y. Lin, M. Jiang, S. Li, Y. Tang, K. C. Tan. Multi-label feature selection via global relevance and redundancy optimization. In Proceedings of the 29th International Joint Conference on Artificial Intelligence (IJCAI), Yokohama, Japan, 2020, pp. 2512–2518.
5. J. Zhang, Z. Luo, C. Li, C. Zhou, S. Li. Manifold regularized discriminative feature selection for multi-label learning. Pattern Recognition, 2019, 95: 136-150.
6. J. Zhang, C. Li, Z. Sun, Z. Luo, C. Zhou, S. Li. Towards a unified multi-source-based optimization framework for multi-label learning. Applied Soft Computing, 2019, 76: 425-435.
7. J. Zhang, C. Li, D. Cao, Y. Lin, S. Su, L. Dai, S. Li. Multi-label learning with label-specific features by resolving label correlations. Knowledge-Based Systems, 2018, 159: 148-157.
8. J. Zhang, C. Li, Y. Lin, Y. Shao, S. Li. Computational drug repositioning using collaborative filtering via multi-source fusion. Expert Systems with Applications, 2017, 84: 281-289.
9. J. Zhang, Y. Lin, M. Lin, J. Liu. An effective collaborative filtering algorithm based on user preference clustering. Applied Intelligence, 2016, 45(2): 230–240.
10. Y. Lin, Q. Hu, J. Zhang, X. Wu. Multi-label feature selection with streaming labels. Information Sciences, 2016, 372: 256-275.