屠恩美
职 称：助理教授 (长聘教轨)
研究领域：机器学习，人工智能
办公地址：电信群楼2-428
办公电话：
电子邮箱：tuen@sjtu.edu.cn
个人主页：https://hellotem.github.io/


教育经历
●2010年09月 ~ 2014年12月， 上海交通大学， 工学博士
●2007年09月 ~ 2010年07月， 电子科技大学， 工学硕士
●2003年09月 ~ 2007年07月， 电子科技大学, 工学学士
工作经历
●2018年01月 ~ 现在， 上海交通大学， 助理教授
●2015年08月 ~ 2017年12月， 新加坡南洋理工大学， 研究员
●2014年12月 ~ 2015年08月， 新西兰奥克兰理工大学，博士后
●2013年11月 ~ 2014年02月， 新西兰奥克兰理工大学, 访问****
科研方向
●半监督机器学习，主要研究如何在极少训练样本下如何学习分类器以实现高精度数据分类。
●深度学习与神经网络，主要研究如何结合半监督学习思想利用较少训练样本高效地训练深度神经网络算法。
●时序数据分析，主要研究如何从大规模时序数据中发掘事件内在关联和规律并对将来进行预测。
科研项目
主持项目：
●半监督深度学习算法及其在时序数据预测上的应用研究，国家自然科学基金青年项目
●深度脉冲神经网络模型研究及其在时空分布数据分析中的应用，上海市自然科学基金探索类项目
●上海交通大学高层次人才引进与培养项目
参与项目：
●多层非正定核学习理论、算法及应用研究，国家自然科学基金面上项目
●基于纤维信息联合聚类稀疏配准的心脏纤维DTI图谱构建及心脏纤维异常特征检测研究，国家自然科学基金青年项目
●面向视频分析的类脑计算模型关键技术研究， 国家自然科学基金面上项目
●Marine Navigational Decision Aid based upon Vessel Route Prediction from Historical Evidence，新加坡国家科研基金
●NeuCube System for Spatio-Temporal Data Analysis, Visualization and Knowledge Extraction，奥克兰理工大学战略研究投资基金
●面向生态污染检测预警的遥感图像分析和理解技术及其应用研究，教育部促进与美大地区科研合作与高层次人才培养项目
●遥感监测、理解、生态污染监测预警的智能信息系统研究，科技部政府间国际科技合作项目
科研成果
部分论文：
Enmei Tu, Guanghao Zhang, Lily Rachmawati et al. Exploiting AIS Data For Intelligent Maritime Navigation: A Comprehensive Survey,IEEE Transactions on Intelligent Transportation System, 2018, 19(5): 1559-1582.
Mao Shangbo, Enmei Tu, Guanghao Zhang, Lily Rachmawati, Eshan Rajabally, and Guang-Bin Huang. An automatic identification system (AIS) database for maritime trajectory prediction and data mining.In Proceedings of ELM-2016, pp. 241-257. Springer, Cham, 2018.
Zhang Guanghao, Enmei Tu, and Dongshun Cui. Stable and improved generative adversarial nets (GANS): A constructive survey.IEEE International Conference on Image Processing (ICIP), pp. 1871-1875. 2017.
Enmei Tu, Guanghao Zhang, Lily Rachmawati, Eshan Rajabally, Shangbo Mao, and Guang-Bin Huang. A theoretical study of the relationship between an ELM network and its subnetworks.International Joint Conference on Neural Networks (IJCNN), pp. 1794-1801. IEEE, 2017.
Enmei Tu, Yaqian Zhang, Lin Zhu, Jie Yang, Nicola Kasabov. A Graph-Based Semi-Supervised $k$ Nearest-Neighbor Method for Nonlinear Manifold Distributed Data Classification,Information Scieces: 2016, 367, 673- 688
Nikola Kasabov, Nathan Matthew Scott, Enmei Tu, Stefan Marks, Neelava Sengupta, Elisa Capecci, Muhaini Othman et al. Evolving spatio-temporal data machines based on the NeuCube neuromorphic framework: design methodology and selected applications.Neural Networks78 (2016): 1-14.(Best paper award for 2016)
Enmei Tu. Graph Based Machine Learning Algorithms Design and Its Application in Neural Network Research, PhD Thesis (In Chinese), Shanghai Jiao Tong University:2014
Enmei Tu, Nikola Kasabov, Jie Yang. Mapping Temporal Variables Into the NeuCube for Improved Pattern Recognition, Predictive Modeling, and Understanding of Stream Data,IEEE Transactions on Neural Networks and Learning Systems:2016
Enmei Tu, Jie Yang, Nicola Kasabov, Yaqian Zhang. Posterior Distribution Learning (PDL): A Novel Supervised Learning Framework Using Unlabeled Samples to Improve Classification Performance,Neurocomputing: 2015, 157, 173–186
Enmei Tu, Longbing Cao, Jie Yang, Nicola Kasabov. A novel Graph-based K-means for Nonlinear Manifold Clustering and Representative Selection,Neurocomputing: 2014, 143, 109–122
Enmei Tu, Jie Yang, Zhenghong Jia, Nicola Kasabov. Posterior Distribution Learning (PDL): A Novel Supervised Learning Framework,Neural Information Processing: 2014, 86–94
Enmei Tu, Nikola Kasabov, Marini Othman, Yuxiao Li, Susan Worner, Jie Yang, Zhenghong Jia. Neucube (st) for Spatio-Temporal Data Predictive Modelling with a Case Study on Ecological Data,International Joint Conference on Neural Networks (IJCNN):2014, 638–645
Enmei Tu, Jie Yang, Jiangxiong Fang, Zhenghong Jia, Nikola Kasabov. An Experimental Comparison of Semi-supervised Learning Algorithms for Multispectral Image Classification,Photogrammetric Engineering & Remote Sensing: 2013, 79(4), 347–357
授权专利：
●基于图论的k-means非线性流形聚类与代表点选取方法，CNB
●多分辨率多区域变分水平集图像分割方法，CNB
获奖

●2017年7月，新加坡南洋理工大学年度科研考评最高奖 FE (Far Exceed)
● 2017年度劳斯莱斯发明奖 (Inventors Award)
●2016年7月，新加坡南洋理工大学年度科研考评二等奖 EE (Exceed Expectation)
● Neural Networks期刊2016年最佳论文奖(best paper award)

教授课程

● 本科课程《机器学习与知识发现》
● 研究生课程《智能计算》
小组成员

指导学生
硕士学生：王子豪，韩笑，谢志强
MEM硕士：沈奋超，吴迪
PRP项目：杨运成, 彭京航
攀登计划： 周勐，李智成，吴一凡，王子良
本科毕设：韩笑，卢范斌，吴磊；祝方熠，张海淼，何湘