张新生
姓名： 张新生
职称： 教授
电子邮箱： **@qq.com
办公电话：
研究方向： 大数据分析方法与应用；智能信息处理与模式识别；风险评估与智能决策
类型： 本校

招生专业
院系名称： 管理学院
招生类别： 硕/博士
专业名称： 工业工程
类型： 全日制

院系名称： 管理学院
招生类别： 硕/博士
专业名称： 管理科学与工程
类型： 全日制



教育背景
教育背景：
2005-2009年，博士，智能信息处理，西安电子科技大学
2001-2004年，硕士，管理科学与工程，西安建筑科技大学
1997-2001年，硕士，系统工程，西安建筑科技大学


工作经历
工作经历： 2018-至今，西安建筑科技大学，管理学院，副院长
2015-2018，西安建筑科技大学，管理学院，信息管理系主任
2009-2015，西安建筑科技大学，管理学院，信息管理系副主任
2016-至今，西安建筑科技大学，管理学院，信息管理专业，教授（博导，硕导）
2010-2015，西安建筑科技大学，管理学院，信息管理专业，副教授（硕导）
2013-2014，美国佛罗里达大学，访问****
2007-2009，西安建筑科技大学，管理学院，信息管理专业，讲师
2004-2006年，西安建筑科技大学，管理学院，信息管理专业，助教


主要荣誉/获奖情况
主要荣誉/获奖情况： 2018年度校级优秀青年教师标兵
2018年度校级优秀硕士论文指导教师
2017年度校级优秀硕士论文指导教师
2017年度校级优秀班主任
2015年西安建筑科技大学科技进步奖
2013年度校级优秀共产党员


学术成果/科研项目
学术成果/科研项目： 序号项目来源项目编号名称起止年月经费主持/参与
[1] 国家自然科学基金面上项目，**，“在役海底油气输送管道风险评估与管理研究”，2019-2022 62万元，在研，主持；
[2]陕西省自然科学基金，2016JM6023，“基于半监督特征感知和多尺度几何分析的微钙化簇检测研究”，2016-2017，4万元，在研，主持；
[3] 陕西省社会科学基金，2015R013，“在役油气输送管道风险评估研究”，2015-2017，1.5万元，结题，主持；
[4] 国家自然科学基金项目，**，“陆上油气管线风险评估技术研究”，2013-2016，68万元，结题，第二参与人参与；
[5] 西安建筑科技大学人才基金项目，QN0738，“管道失效概率模型研究”，2013-2015，3.0万元，结题，主持；
[6] 陕西省教育厅自然基金项目，12JK0741，“石油管道腐蚀可靠性模型研究”，2012-2014，2.0万元，结题，主持；
[7] 陕西省教育厅自然基金项目，09JK563，“基于多子空间学习的微钙化簇检测方法研究”， 2009-2010，2.0万元，结题，主持；
[8] 陕西省自然科学基金，2007F248，“微钙化簇检测算法研究”，2008-2010，结题，主持；
[9] 横向课题，“地下储气库集输管线完整性评估系统开发与研究”，2013-2014，25.5万，结题，主持；
[10] 横向课题，“金坛储气库完整性评价系统开发与研究”，2011-2012，22.5万，结题，主持；
[11] 横向课题，“盐穴型地下储地面站场完整性管理软件开发”，2010-2013，26万，结题，参与；
[12] 横向课题，“塔里木油田油气输送管道风险评估软件开发项目”，2007-2010，28万，结题，参与；
[13] 横向课题，“东海春晓油气田风险数据库开发管理系统软件开发”，2004-2006，18万，结题，参与；
[14] 横向课题，“石油天然气输送管道风险评估软件开发项目”，2003-2005，22万，结题，参与


学术著作/论文期刊
学术著作/论文期刊：
近年来出版专著1部、教材2部；发表论文23篇，其中5篇被SCI收录，13篇被EI收录，7篇被CSCD/CSSCI收录。
[1]. 张新生,王哲. 基于EMICA-KRR的长输管道压力监测与泄漏定位方法[J]. 系统工程理论与实践与实践，2018：1-12. (录用,EI)
[2]. Zhang X, Gao T, Gao D. A new deep spatial transformer convolutional neural network for image saliency detection. Design Automation for Embedded Systems. 2018.（SCI）
[3]. 张新生, 赵梦旭, 王小完. 尾段残差修正GM(1,1)模型在管道腐蚀预测中的应用. 中国安全科学学报. 2017(01):65-70.（CSCD）
[4]. 张新生, 赵梦旭. 改进Grey-Markov模型在油气管道腐蚀深度预测中的应用. 地质科技情报. 2017；36(06):286-91.（CSCD）
[5]. 张新生, 李亚云, 王小完. 基于逆高斯过程的腐蚀油气管道维修策略. 石油学报. 2017(03):356-62.（EI）
[6]. 张新生, 曹乃宁, 李亚云. 基于Gumbel极值I型分布埋地油气管道的剩余寿命预测. 中国腐蚀与防护学报. 2016(04):370-4.（CSCD）
[7]. 张新生, 王太郎, 薛羽桐. “一带一路”背景下提升西安陆港国际中转枢纽功能的路径探析. 城市发展研究. 2015(11):120-4.
[8]. 张新生, 李亚云, 王小完. 腐蚀油气管道维修策略优化研究. 中国安全科学学报. 2015(11):81-6.（CSSCI）
[9]. 张新生, 常晓云, 蒋丽云, 骆正山. 盐穴地下储气库稳定性评价系统及其应用. 天然气工业. 2015(11):83-90.（EI）
[10]. 张新生, 曹乃宁, 王小完. Gumbel分布的油气管道的剩余寿命预测. 中国安全科学学报. 2015(09):96-101.（CSCD）
[11]. Zhang X, Li W, Luo Z, He H. Reliability analysis of aged natural gas pipelines based on utility theory. Engineering Review. 2015；35(2):193-203.（EI）
[12]. Zhang X, He H, Cao N, Luo Z. Hybrid subspace fusion for microcalcification clusters detection. Journal of Fiber Bioengineering and Informatics. 2015；8(1):161-9.（EI）
[13]. Zhang X. A new approach for clustered MCs classification with sparse features learning and TWSVM. The Scientific World Journal,2014,(2014-2-9). 2014；2014(1):970287.（SCI）
[14]. Zhang X, Wang M, Yu F. A SVM Approach for MCs Detection by Embedding GTDA Subspace Learning. In: Jin D, Lin S, editors. Advances in Electronic Engineering, Communication and Management Vol2: Proceedings of 2011 International Conference on Electronic Engineering, Communication and Management (EECM 2011), held on December 24–25, 2011, Beijing, China. Berlin, Heidelberg: Springer Berlin Heidelberg； 2012. p. 89-94.（EI）
[15]. Zhang X, Wang M, Ma J. Sparse representation for detection of microcalcification clusters. Telkomnika - Indonesian Journal of Electrical Engineering. 2012；10(3):545-50.（EI）
[16]. Zhang X, Luo Z, Wang M. Micro calcification clusters detection by using gaussian markov random fields representation. Research Journal of Applied Sciences, Engineering and Technology. 2012；4(18):3425-31.（EI）
[17]. Zhang X, Gao X. Twin support vector machines and subspace learning methods for microcalcification clusters detection. Engineering Applications of Artificial Intelligence. 2012；25(5):1062-72.（SCI）
[18]. 张新生, 高新波, 王颖, 张士杰. 乳腺X线图像的增强与噪声抑制研究. 红外与毫米波学报. 2010(01):27-31.（SCI）
[19]. Xinsheng Z, Xinbo G, Ying W. TWin support tensor machines for MCs detection. Journal of Electronics (China). 2009；26(3):318-25.
[20]. Xinsheng Z, Xinbo G, Ying W. MCs detection with combined image features and twin support vector machines. Journal of Computers. 2009；4(3):215-21.（EI）
[21]. Xinsheng Z, Hua X. Mammograms Enhancement and Denoising Using Generalized Gaussian Mixture Model in Nonsubsampled Contourlet Transform. Journal of Multimedia. 2009；4(6):389-96.（EI）
[22]. Xinsheng Z. A New Ensemble Learning Approach for Microcalcification Clusters Detection. Journal of Software. 2009；4(9):1014-21.（EI）
[23]. 张新生，高新波，王颖，赵文琪. 乳腺图像微钙化簇主动学习检测新方法. 西安电子科技大学学报（自然科学版）. 2008；35(5):871-7.（EI）
[24]. Xinsheng Z, Xinbo G, Ying W. Microcalcification clusters detection with twin support tensor machines. Journal of Information and Computational Science. 2008；5(3):1305-14.（EI）




社会兼职
社会兼职： 陕西省电子学会图形图像专委会委员
IEEE会员
CCF会员
CNAIS会员