·所在系(中心)：计算机科学与技术系 于彦伟
·学历：博士 Yanwei Yu
·职称：副教授，硕士生导师
·政治面貌：中共党员
·邮件地址：yuyanwei@ouc.edu.cn
·办公电话：**900
·办公室：山东省青岛市松岭路238 号中国海洋大学(崂山校区)信息科学与工程学院南楼B515
本科生：《离散数学I》；研究生：《数据仓库与数据挖掘》
教育经历：
2008/09－2014/01，北京科技大学，计算机与通信工程学院，计算机科学与技术， 博士；
2012/09－2013/09，美国伍斯特理工学院，计算机系，联合培养博士研究生。
工作经历：
2019/08－今，中国海洋大学，计算机科学与技术系，副教授，硕士生导师，
2016/11－2018/09，宾夕法尼亚州立大学，信息科学与技术学院，博士后（合作导师：Zhenhui Jessie Li）；
2018/01－2019/07，烟台大学，计算机与控制工程学院，副教授，硕士生导师；
2016/05－2017/12，烟台大学，计算机与控制工程学院，讲师，硕士生导师；
2014/03－2016/04，烟台大学，计算机与控制工程学院，讲师。
学术兼职：
国家自然科学基金通讯评审专家（2015 年-今）； 山东省人工智能学会理事；
程序委员会委员（PC Member）：AAAI2020, SDM2020, KDD2019, CIKM2019, SDM2019, IPCCC2018,UrbComp2018, DIT2018, InTI2018, UrbComp2016；
期刊审稿人：IEEE Transactions onCybernetics, IEEE Transactions on Mobile Computing, ACM Transactions onIntelligent Systems and Technology, IEEE Transactions on Big Data,Knowledge-based Systems, IEEE Access.
主要从事时空数据挖掘、机器学习、大数据、分布式计算、数据库系统等方向研究。
1.国家自然科学基金面上项目,**、“面向轨迹大数据的语义标注与语义模式挖掘算法研究”、2018/01-2021/12、76.6 万、在研、主持人
2.国家自然科学基金青年基金项目,**、“时空大数据流分布式异常事件检测技术研究”、2015/01-2017/12、25 万、已结题、主持人
3.山东省高等学校科技计划项目,J17KA091，“支持公共位置服务的交通大数据实时挖掘与分析关键技术研究”、2017/05-2019/05、3.5 万、已结题，主持人
4.吉林大学符号计算与知识工程教育部重点实验室开放基金,93K172014K13， “分布式异常检测技术研究”、2014/04-2016/04、2 万、已结题、主持人
5.国家自然科学基金面上项目,**、“基于CP-nets 的多Agent定性博弈”、2016/01-2019/12、61 万、已结题、主要参与人
6.山东省重点研发计划项目, 2015GSF115009、“山东近岸海域海洋生态大数据云存储平台构建及应用研究”、2015/12-2017/12、20 万、已结题、主要参与人
7.国家自然科学基金面上项目,**、“基于信道Time/Power 度量指标的TOA 测距误差模型及其应用研究”、2012/01-2015/12、60 万、已结题、主要参与人
8.美国自然科学基金项目, **、“III: Small:Query Mesh - A NovelParadigm for Query Processing”、2009/09-2013/12、50 万美元、已结题、参与人
9.国家自然科学基金青年基金项目,**、“无线传感器网络多信道链路时变特征在线建模技术研究”、2011/01-2013/12、18 万、已结题、参与人
我的研究兴趣主要包括数据挖掘、机器学习、人工智能，尤其关注于时空数据上高效的数据挖掘与机器学习新技术的研究。我曾在美国伍斯特理工学院 DSRG 实验室进行学术访问，从事海量轨迹数据流异常检测研究；多次去吉林大学符号计算与知识工程教育部重点实验室进行交流访问，在大数据分布式聚类分析方面展开合作研究；我曾在宾夕法尼亚州立大学信息科学技术学院从事博士后研究，在移动关系推理、网络表征学习、时空预测等方面进行了深入研究。
我的主要创新性研究主要包括：(1)基于密度的聚类分析，针对流式数据和大数据提出了多种基于密度的聚类算法，并将其应用于海量移动对象轨迹分析系统；
(2) 异常检测，针对轨迹数据流，提出了基于邻居的异常移动对象检测方法，针对海量数据流，提出了系列高效的异常检测方法；(3)轨迹模式挖掘，针对海量移动对象的轨迹数据流，提出了高效的蜂群模式、轨迹簇、演化移动群组的挖掘算法；
(4) 网络表征学习，针对移动关系推理、时空预测应用，提出了系列时空表示学习方法，针对大规模动态异构网络，给出了高效的大规模动态网络表征学习的解决方案。
部分论文（全部论文列表参见：Google Scholar, DBLP）： #作者为本人指导研究生
[1]Yu,Yanwei, Xianfeng Tang, Huaxiu Yao, Xiuwen Yi, Zhenhui Li.Citywide Traffic Volume Inference with Surveillance Camera Records. IEEETransactions on Big Data. 2019. (CCF C)
[2]刘芳#, 齐建鹏, 于彦伟*, 曹磊，赵金东. 基于密度的 Top-n 局部异常点快速检测算法. 自动化学报. 2019, 45(9):1756-1771. (CCF A 中文期刊)
[3]Xianfeng Tang, Boqing Gong,
[4]Lihong Wang, Qiang Li,
[5]Yanwei Yu, HongjianWang, Zhenhui Li. Inferring MobilityRelationship using Graph embedding. The 2018 ACM International JointConference on Pervasive and Ubiquitous Computing (UbiComp 2018), Singapore,2018 (CCF A).
[6]YanweiYu, Huaxiu Yao, Hongjian Wang, Xianfeng Tang, Zhenhui Li.Representation Learning for Large-scale Dynamic Networks. 23rd InternationalConference on Database System for Advanced Applications (DASFAA 2018), GoldCoast, Australia, 2018 (CCF B)
[7]YanweiYu, Lei Cao, Elke Rundensteiner, Qin Wang. Outlier Detectionover Massive-Scale Trajectory Streams. ACM Transactions on Database Systems.Volume 42, Issue 2, Article 10, April 2017, 33 pages. (CCF A)
[8]Guanzhe Zhao#,
[9]于彦伟, 贾兆飞, 曹磊, 赵金东, 刘兆伟, 刘惊雷. 面向位置大数据的快速密度聚类算法. 软件学报. 2018, 29(8):2470-2484. (CCF A 中文期刊)
[10]齐建鹏#, 于彦伟*, 王创存, 曹磊, 宋鹏. 基于多核多线程的不确定移动对象连续k 近邻查询算法.浙江大学学报(工学版). 2018,52(1): 142-150.
[11]Ruoshan Lan
[12]Jianpeng Qi
1-16.
[13]
[14]Jianpeng Qi
[15]于彦伟, 齐建鹏, 宋鹏, 张永刚. 面向不确定移动对象的连续K 近邻查询算法. 模式识别与人工智能,2016, 29(11): 1048-1056.
[16]于彦伟, 王欢, 王沁, 赵金东. 面向海量数据流的基于密度的簇结构挖掘算法. 软件学报, 2015, 26(5): 1113−1128. (CCF A 中文期刊)
[17]YanweiYu, Jindong Zhao, Xiaodong Wang, Qin Wang and Yonggang Zhang.Cludoop: An Efficient Distributed Density-based
Clustering for Big Data using Hadoop. International Journal ofDistributed Sensor Networks. 2015, 11(6), Article 579391
[18]YanweiYu, Lei Cao, Elke Rundensteiner, Qin Wang. Detecting MovingObject Outliers in Massive-Scale Trajectory Streams. 20th ACM SIGKDD InternationalConference on Knowledge Discovery and Data Mining (KDD 2014). New York.Page(s). 422-431 (CCF A)
[19]Lei Cao, Di Yang, Qingyang Wang,
High-Volume Data Streams. 2014 IEEE 30th International Conference on Data Engineering (ICDE 2014). Chicago,USA, Page(s): 76-87 (CCF A)
[20]Peng Song, Wenming Zheng, ShifengOu, Yun Jin, Wenming Ma, Yanwei Yu.Joint Transfer SubspaceLearning and FeatureSelection for Cross-corpusSpeech Emotion Recognition. InternationalConference on Acoustics, Speech and Signal Processing (ICASSP 2018), Calgary,Canada, 2018 (CCF B)
[21]Peng Song, Wenming Zheng, ShifengOu, Xinran Zhang, Yun Jin, Jinglei Liu, YanweiYu. Cross-corpus speech emotion recognition based on transfer non-negativematrix factorization. Speech Communication, 2016, 83:34–41. (CCF B)
硕士研究生招生：
欢迎对数据挖掘、机器学习、人工智能感兴趣的同学加入我的研究团队，要求勤奋努力、积极主动，并具备较好的数学基础与计算机编程能力。
本科生招生：
欢迎有志于出国留学、读研读博的计算机专业大二、大三学生加入我的研究团队， 开启你的科研探索之路。
