姓名：孙红梅 性别：女 学历：
职称：副教授 办公室： J13-222 隶属部门：软件工程系
联系方式：shm0221@163.com
个人简介：
主要从事软件工程、数据库系统、大数据安全、GIS应用等方面的研究工作。主持山东省软科学研究计划项目1项、山东省统计科研重点课题1项、企业委托横向科研课题1项、作为主要成员参与多项综、横向科研项目。发表论文并被EI检索多篇，获厅局级及以上教科研奖励成果、专利及软件著作权等多项。



详细信息:

软件工程硕士，副教授，硕士生导师，中国计算机学会专业会员，主持或参与山东省科技攻关、山东省自然科学基金、山东省软科学研究计划项目、863重点项目等国家级、省部级、厅局级科研项目10余项，主持或参与完成企业委托横向科研项目多项。获青岛市科技进步三等奖1项、山东高等学校优秀科研成果三等奖2项、山东软科学优秀成果二等奖1项、山东省省级教学成果优秀教学成果二等奖1项。在国内外重点学术期刊及国际会议发表学术论文30余篇，其中被SCI/EI检索十多篇，获国家发明专利2项，计算机软件著作权5项。研究领域：软件工程、信息融合与智能系统，信号分析与处理等。

联系方式：
Email：shm0221@163.com
科研与教学获奖情况：
1.基于信息融合的煤矿顶板安全管理系统（青岛市科技进步三等奖2013.1）
2.虚拟内窥镜关键技术研究（山东高等学校优秀科研成果三等奖2005.12）
3.基于传感器网络的信息融合模型及其在煤矿顶板安全评价中的应用（山东高等学校优秀科研成果三等奖2011.12）
4.基于中、高分辨率遥感数据的土地分类方法研究（山东软科学优秀成果二等奖2008.09）
5．构建“三维四层次”实验实践教学体系，提升计算机类学生的实践与创新能力（山东省省级教学成果二等奖2014.7）

承担的科研项目：
山东省重点研发计划，冲击地压微震监测预警模型及关键支撑技术研究(2017GSF20115), 2018-2019
山东省自然科学基金，基于增量流形学习的冲击矿压微震前兆信号辨识理论及应用(ZR2013EEM019),2013-2016
山东省软科学研究计划项目,大数据时代我省企业信息化网络安全体系建设研究， 2014.06-2015.03
山东省统计科研重点课题，基于多源统计信息融合的煤矿冲击地压灾害识别与态势评估模型研究， 2013.09-2014.05
山东省科技攻关计划项目,基于信息融合的煤矿顶板安全管理系统研究, 2009-2010
山东省科学技术发展计划项目（软科学部分）,基于EI数据的矿区生态环境要素的遥感动态监测系统, 2008.4-2009.12
十二五国家科技支撑计划项目子课题,巷道冒顶灾害的离层监测预警关键技术与装备, 2012-2015
863计划重点项目子课题项目,空间分析系统开发, 2009.1-2011.12
863计划重点项目子课题项目,矿山数据仓库管理系统开发, 2009.1-2011.12
重点实验室开放基金,典型地物光谱特性数据库及其分析处理系统, 2003.7-2006.3
IETM编辑系列原型组件，企业委托横向项目, 2014.11-2015.12
指控信息车测试数据入库组件开发，企业委托横向项目,2012.
远程协同平台Chin-RIC，企业委托横向项目,2008-2009.
矿山压力可视化分析与评价系统，企业委托横向项目,2011
煤矿顶板动态监测系统软件开发，企业委托横向项目,2008

发表论文及教材出版情况主要有：
时间
论文(著作、教材)名称
刊物
位次
备注

2012.1
Research on the Analysis and Design of General Test Database Management System
Procedia Engineering
1/2
EI

2012.1
Research on Case Teaching of Software Development Comprehensive Practice Based on Project Driven
Procedia Engineering
1/2
EI

2012.2
Web engineering process and its application
Lecture Notes in Electrical Engineering
1/2
EI

2012.3
Study of the Web Application System Requirements Analysis UML Modeling
Lecture Notes in Electrical Engineering
1/2
EI

2012.1
事件驱动编程类课程教学案例的设计与应用
计算机教育
1/2


2010.11
基于网络的软件工程案例教学资源平台建设
实验室研究与探索
1/2
中文核心

2010.12
基于UML的网络辅助教学资源平台分析与设计
信息技术与信息化
1/2


2015.8
低信噪比微震P波震相初至自动拾取方法
煤炭学报,
3/4
EI

2015：45:
A situation assessment method for rock burst based on multi-agent information fusion.
Computers & Electrical Engineering,
3/4
SCI

2015.3
基于经验模态分解及独立成分分析的微震信号消噪方法
地球物理学报
3/4
SCI、EI

2014.8
一种冲击地压多参量前兆信息辨识模型及方法
岩石力学与工程学报
2/5
EI

2012.2
A New Safety Evaluation Model of Coal Mine Roof based on Multi-sensor Fusion in case of Information Confliction
Journal of Computers
2/4
EI

2010.9
基于证据融合理论的煤矿顶板安全评价模型
煤炭学报
2/3
EI

2014.3
基于多源信息融合的冲击地压态势评估方法
采矿与安全工程学报
3/6
EI

2009.1
顶板安全监测数据集成平台的设计与研究
计算机测量与控制
2/4
中文核心

2009.2
程序设计基础(基于C语言)习题解答、上机指导、试题精选
中国人民大学出版社
参编
（5/7）
教材

2010.9
程序设计基础—基于c语言（第二版）
科学出版社
参编
（4/8）
教材

2008.2
程序设计基础（基于c语言）
清华大学出版社
参编
（3/6）
教材



近几年主要论文：
Natural Scene Text Recognition Based on Encoder-Decoder Framework， IEEE Access, 2019, 7, 62616-62623
Reconstruction of missing seismic traces based on sparse dictionary learning and the optimization of measurement matrices. J. Pet. Sci. Eng., 2019, 175, 719-727.
Random noise reduction in seismic data by using bidimensional empirical mode decomposition and Shearlet transform, IEEE Access, 2019, 7, 71374-71386.
Time difference of arrival estimation of microseismic signals based on alpha-stable distribution, Nonlinear Process Geophys., 2018, 25(2), 375-386.
Automatic event detection in low SNR microseismic signals based on multi-scale permutation entropy and a support vector machine. J. Seismol., 2017, 21 (4), 735-748.
大数据背景下企业网络信息安全技术体系研究,通信技术, 2017-02-10,SCD
大数据时代企业信息安全管理体系研究,科技管理研究, 2016-10-10,CSSCI
Suppressing non-stationary random noise in microseismic data by using ensemble empirical mode decomposition and permutation entropy. J. Appl. Geophys., 2016, 133, 132-140.
Cross-correlation analysis and time delay estimation of a homologous micro-seismic signal based on the Hilbert-Huang transform. Comput. Geosci., 2016, 91, 98-104.
A situation assessment method for rock burst based on multi-agent information fusion.Comput. Electr. Eng., 2015, 45, 22-32.
Microseismic signal denoising method based on empirical mode decomposition and Independent component analysis. Chinese J. Geophys.-Chinese Ed., 2015, 58 (03), 1013-1023.