基本情况
姓名:王利民
性别:男
职称:教授
最高学历:研究生
最高学位:博士
Email:
详细情况
所在学科专业:计算机软件与理论
所研究方向:机器学习,大数据挖掘,贝叶斯网络,概率逻辑推理
讲授课程:数据库原理
面向对象数据库
数据库与数据库安全(课程链接)
工作经历:2005年-2008年,吉林大学,计算机科学与技术学院,教师
2009年-至今,吉林大学,计算机科学与技术学院,数据库与智能网络研究室主任
科研项目:(1)吉林省自然科学基金“面向海量数据深度挖掘的无约束贝叶斯网络分类模型研究(高性能计算)”(No. JC),2015.1-2017.12。
(2)国家自然科学基金“面向关系数据库知识发现的概率逻辑贝叶斯网络研究”(No. **),2013.1-2016.12。
(3)教育部博士后基金项目“基于条件事件代数的贝叶斯网络逻辑表达及拓扑结构实现”(No. 2013M530980),2013.1-2014.12。
(4)教育部博士后基金项目“面向智能汽车故障诊断的无约束贝叶斯网络研究”(No. ),2011.1-2012.12。
(5)国家自然科学基金项目“面向智能信息处理的贝叶斯网络关键理论与方法”(No. **),2003.1-2005.12。
(6)国家科技支撑计划项目“省级应急平台和城市应急联动技术研发与示范(吉林省)”(No. 2006BAK01A33),2006.11-2008.12。
(6)教育部高校博士点基金项目“面向多层次知识表达的贝叶斯分类模型研究”(No. 1),2009.1-2010.12。
学术论文:[1] LiMin Wang.General and Local: Averaged k-Dependence Bayesian Classifiers. Entropy, 2015, 17, 4134-4154.(SCI)
[2] LiMin Wang.Learning a Flexible K-Dependence Bayesian Classifier from the Chain Rule of Joint Probability Distribution. Entropy, 2015,17, 3766-3786. (SCI)
[3] LiMin Wang. Mining causal relationships among clinical variables for cancer diagnosis based on Bayesian analysis. BioData Mining, 2015, 8(13),1-15. (SCI)
[4] LiMin Wang,Minghui Sun. How to Mine Information from Each Instance to Extract an Abbreviated and Credible Logical Rule. Entropy, 2014, 16, 5242-5262.(SCI)
[5]LiMin Wang,ShuangChengWang. Extracting Credible Dependencies for Averaged One-Dependence Estimator Analysis. Mathematical Problems in Engineering, 2014, 14, 1-15.(SCI)
[6]LiangDong Hu, LiMin Wang. Using consensus bayesian network to model the reactive oxygen species regulatory pathway. PLOS ONE, 2013, 8(2),1-9.(SCI)
[7]LiMin Wang. Extraction of Belief Knowledge from a Relational Database for Quantitative Bayesian Network Inference. Mathematical Problems in Engineering, 2013, 13,1-11.(SCI)
[8] LiMin Wang, GuoFeng Yao. Learning NT Bayesian Classifier Based on Canonical Cover Analysis of Relational Database. Information: An International Interdisciplinary Journal, 2012, 15(1), 165-172. (SCI,CT&IT2011推荐优秀论文)
[9] LiMin Wang, GuoFeng Yao. Extracting Logical Rules and Attribute Subset from Confidence Domain. Information: An International Interdisciplinary Journal, 2012, 15(1), 173-180. (SCI,CT&IT2011推荐优秀论文)
[10] LiMin Wang. Bayesian Network Inference Based on Functional Dependency Mining of Relational Database. Information: An International Interdisciplinary Journal. 2012, 15(6), 24411-2446. (SCI)
[11] LiMin Wang. Implementation of a scalable decision forest model based on information theory. Expert Systems with Applications, 2011, 38(5): 5981-5985. (SCI)
[12] LiMin Wang, XueBai Zang. Semi-Supervised Learning Based on Information Theory and Functional Dependency Rules of Probability. Advanced Science Letters, 2011, 4(2): 463-468. (SCI)
[13]LiangDong Hu, LiMin Wang, LiYan Dong. Quantitative Combination of Different Bayesian Networks. Procedia Engineering. 2011, 15(12), 3526–3530. (EI)
[14]王利民. 基于半监督学习的启发式值约简. 控制与决策, 2010, 25(10): 1531-1535. (EI)
[15]LiMin Wang. Towards Efficient Dimensionality Reduction for Evolving Bayesian Network Classifier. Advanced Materials Research, 2010, 108-111: 240-243. (EI)
[16]LiMin Wang. An Adaptive Ensemble Approach for Multi-level Semantic Knowledge Representation. Journal of Information & Computational Science, 2010, 7(1): 9-15. (EI)
[17]LiMin Wang. Class Dependent Feature Scaling Method via Restrictive Bayesian Network Classifier Combination. Journal of Computational Information Systems, 2010, 6(1): 33-38. (EI)
[18]王利民, 臧雪柏, 曹春红. 基于广义信息论的决策森林数据挖掘模型. 吉林大学学报(工学版), 2010, 40(1): 155-158. (EI)
[19]王利民. 基于广义信息论的贝叶斯分类器动态建模. 吉林大学学报(工学版), 39(3): 776-780, 2009. (EI)
[20] Wang LiMin, Xu PeiJuan, Li XiongFei. Learning Hybrid Bayesian Network Based on Divide and Conquer Strategy. Journal of Computational Information Systems, 3(2): 583-590, 2007. (EI )
[21]Wang LiMin, Cao ChunHong, Li XiongFei, Li HaiJun. Inference and Learning in Hybrid Probabilistic Network. Frontier of Computer Science in China, 1(4): 429-435, 2007. (EI )
[22]Wang LiMin, Zhang Zhijun, Cao ChunHong, Dong LiYan. Dimensionality reduction for evolving neural network. Journal of Computational Information Systems. 2(3): 1079-1084, 2006. (EI )
[23]Wang LiMin. Learning Bayesian-Neural Network from Mixed-mode Data. In Proceedings of the 13th International Conference on Neural Information Processing, 680-687, 2006. (SCI)
[24]Cao ChunHong, Zhang Bin, Wang LiMin. The Parametric Design Based on Organizational Evolutionary Algorithm. In Proceedings of the 9th Pacific Rim International Conference on Artificial Intelligence, 940-944, 2006. (SCI)
[25]Wang LiMin, Cao ChunHong, Li HaiJun. Orthogonally Rotational Transformation for Naive Bayes Learning. In Proceedings of the 2005 International Conference on Computational Intelligence and Security, 145-150, 2005. (SCI)
[26]Wang LiMin, Cao ChunHong, Dong LiYan, Li XiaoLin. Generalized Tree Augmented Naive Bayes. Journal of Computational Information Systems, 1(4): 741-747, 2005. (EI)
[27]Wang LiMin, Li XiaoLin, Cao ChunHong, Yuan SenMiao. Combining Decision Tree and Naive Bayes for Classification. Knowledge-Based Systems, 10: 511-515, 2005. (SCI)
[28]Wang LiMin, Yuan SenMiao. Induction of hybrid decision tree based on post discretization strategy. Progress in Natural Science, 16: 541-545, 2004. (SCI)
[29]Wang LiMin, Yuan SenMiao, Li HaiJun, LiLing. Improving the Performance of Naive Bayes:A Hybrid Approach. In Proceedings of the 23th International Conference on Conceptual Modeling, 327-335, 2004. (SCI)
[30]Shenglei Chen, Ana M. Martínez, Geoffrey I. Webb, Limin Wang. Selective AnDE for large data learning: a low-bias memory constrained approach. Knowledge and Information Systems, 3: 1-29, 2016. (SCI)
[31]Shuangcheng Wang, Rui Gao, LiMin Wang. Bayesian network classifiers based on Gaussian kernel density. Expert Systems with Applications, 51:207-217, 2016. (SCI)
[32]Shenglei Chen, Ana M. Martínez, Geoffrey I. Webb, Limin Wang. Sample Based Attribute Selective AnDE for Large Data IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING. 2017, 29(1): 172-185. (SCI)
[33]Li Min Wang, Fang Yuan Cao. Using k-dependence causal forest to mine the most significant dependency relationships
among clinical variables for thyroid disease diagnosis. PLOS ONE, 2017, 8, 1-17.
获奖情况:王利民等。贝叶斯网络概率逻辑表达及拓扑结构实现,2013年吉林省自然科学学术成果二等奖。
社会兼职:中国计算机学会(CCF)高级会员;中国人工智能学会不确定性人工智能专业委员会委员
治学格言:天道酬勤
删除或更新信息,请邮件至freekaoyan#163.com(#换成@)
吉林大学计算机科学与技术学院导师教师简介-王利民
本站小编 Free考研网/2020-03-11
相关话题/吉林大学 计算机科学与技术学院
吉林大学计算机科学与技术学院导师教师简介-董立岩
基本情况 姓名:董立岩 性别:男 职称:教授 是否博导:否 最高学历:研究生 最高学位:博士 电话: Email: 详细情况 所在学科专业:计算机软件与理论 所研究方向:数据库、数据挖掘、智能信息处理 讲授课程:操作系统(课程链接)数据库原理信息检索分布式数据库 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-李雄飞
基本情况 姓名: 李雄飞 性别: 男 职称: 教授 是否博导: 是 最高学历: 研究生 最高学位: 博士 电话:Email:备注: 计算机楼B220 详细情况 所在学科专业: 计算机软件与理论 所研究方向: 数据库与智能网络、数据挖掘、图像处理等。 讲授课程: 本科生:数据库系统原理研究生:数据挖掘 教育经历: 1981年,就读于南京大学计算机系,获理学学士学位1985年,就读于中国科学院研究生 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-王学成
基本情况 姓名:王学成 性别:男 职称:讲师 最高学历:研究生 最高学位:硕士 Email: 详细情况 所在学科专业:计算机应用 所研究方向:面向对象技术、数据仓库、Android安全 讲授课程:高级语言程序设计(课程链接)数据库原理 着作教材:《面向对象技术实用教程》人民邮电出版社 2001 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-徐沛娟
基本情况 姓名: 徐沛娟 性别: 女 职称: 副教授 最高学历: 本科 最高学位: 硕士 详细情况 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-刘兆军
基本情况 姓名: 刘兆军 性别: 男 职称: 讲师 最高学历: 研究生 最高学位: 硕士 详细情况 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-李艾瑛
基本情况 姓名: 李艾瑛 性别: 女 职称: 讲师 详细情况 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-李强
基本情况 姓名:李强 性别:男 职称:教授 最高学历:研究生 最高学位:博士 电话: Email: 详细情况 所在学科专业:计算机系统结构 所研究方向:网络安全态势智能评估,恶意代码检测,人工智能安全,隐私保护,安全计算 讲授课程:Linux实践(课程链接)UNIX/Linux操作系统(本科生)(课程链接)网络与信息安全实验(硕士生)(课程链接) 教育经历:1994/09- ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-张小利
基本情况 姓名:张小利 性别:男 职称:讲师 最高学历:研究生 最高学位:博士 详细情况 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-季永春
基本情况 姓名: 季永春 性别: 男 职称: 讲师 最高学历: 本科 最高学位: 学士 详细情况 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11吉林大学计算机科学与技术学院导师教师简介-胡亮
基本情况 姓名: 胡亮 性别: 男 职称: 教授 是否博导: 是 最高学历: 研究生 最高学位: 博士 详细情况 所研究方向: 分布式计算,网络与信息安全 教育经历: 哈尔滨工业大学,计算机科学系,学士;吉林大学,计算机科学系,硕士;吉林大学,计算机科学系;博士;澳大利亚Deakin 大学,博士后; 工作经历: 2002/10-至今,吉林大学,计算机科学与技术学院,教授;2003/10-至今,吉 ...吉林大学师资导师 本站小编 Free考研网 2020-03-11