主讲课程：

科研项目：

[3]. 烟台大学博士科研启动基金，代数图论在数据科学中的应用研究（JS18B10），总经费：5万元，2018.10至2020.10.
[2]. 国家自然科学基金面上项目，基于CP-nets的多Agent定性博弈（61572419），直接费用：61万元，2016.01至2019.12. 

[1]. 山东省自然科学基金面上项目，利用CP-nets实现多属性定性决策（ZR2013FM011），总经费：8万元， 2013.10至2016.10.

 

学术报告：

[12]. 报告人：刘惊雷；报告题目：Bridging the gap between matrix decomposition and deep learning；报告时间：2023.02；报告地点：烟台理工学院

[11]. 报告人：刘惊雷；报告题目：不忘初心，永葆本色；报告时间：2022.09；报告地点：烟台理工学院

[10]. 报告人：刘惊雷；报告题目：基于二元二次方程的机器学习建模；报告时间：2021.05；报告地点：太原科技大学

[09]. 报告人：刘惊雷；报告题目：列方程、解方程和验证方程；报告时间：2020.01；报告地点：山东工商学院.
[08]. 报告人：刘惊雷；报告题目：大数据之以小博大；报告时间：2019.06；报告地点：太原理工大学.

[07]. 报告人：刘惊雷；报告题目：矩阵的表达、约束与优化；报告时间：2019.03；报告地点：烟台大学.

[06]. 报告人：刘惊雷；报告题目：相由心生，境随心转；报告时间：2018.10；报告地点：山东工商学院.

[05]. 报告人：刘惊雷；报告题目：不积跬步无以至千里；报告时间：2018.09；报告地点：青岛大学.

[04]. 报告人：刘惊雷；报告题目：AI不能空中楼阁；报告时间：2018.05；报告地点：西藏民族大学.

[03]. 报告人：刘惊雷；报告题目：矩阵分解的算法选择；报告时间：2018.05；报告地点：郑州轻工业学院.

[02]. 报告人：刘惊雷；报告题目：数据、模型与算法；报告时间：2018.03；报告地点：太原科技大学.

[01]. 报告人：刘惊雷；报告题目：知行合一；报告时间：2017.10；报告地点：山东工商学院. 

 

 

科研论文：

[55]. Liu Yanming, Liu Jinglei*. Leveraging self-paced learning and deep sparse embedding for image clustering. Neural Computing and Applications, 2024, * (*): 11--**.

[54]. Gai Yongwei, Liu Jinglei*. Clustering by sparse orthogonal NMF and interpretable neural network. Multimedia Systems, 2023, 29 (6): 3341--3356.

[53]. Zhang Hongli, Liu Jinglei*. Large-scale Gaussian Process Regression Based on Random Fourier Features and Local Approximation with Tsallis Entropy. IEICE Transactions on Information and Systems, 2023, E106-D (10): 1747--1751.

[52]. Cheng Yechao, Liu Jinglei*. One-step subspace clustering based on adaptive graph regularization and correntropy induced metric. Applied Intelligence, 2023, 53 (11): 25850--25867.

[51]. Shi Zhaoqun, Liu Jinglei*. Noise-tolerant clustering via joint doubly stochastic matrix regularization and dual sparse coding. Expert Systems with Applications, 2023, 222 (12): 119814:1--19814:14

[50]. Zhong Kunyan, Liu Jinglei*. Image classification based on weighted nonconvex low-rank and discriminant least squares regression. Applied Intelligence, 2023, 53 (18): 20844--20862.

[49]. Li Xinyu, Fan hui, Liu Jinglei*. Noise-aware clustering based on maximum correntropy criterion and adaptive graph regularization. Information Sciences, 2023, 626(C): 42-59.

[48]. Li Xinyu, Fan hui, Liu Jinglei*. One-step unsupervised clustering based on information theoretic metric and adaptive neighbor manifold regularization. Engineering Applications of Artificial Intelligence, 2023, 120(C): 105880:1-105880:13.

[47]. Lei Hengxin, Liu Jinglei*, Yu Yong. Exemplar-based large-scale low-rank matrix decomposition for collaborative prediction. International Journal of Computer Mathematics, 2023, 100(3): 615-640. 2022

[46]. Li Xinyu, Fan hui, Liu Jinglei*. Entropy Regularized Unsupervised Clustering based on Maximum Correntropy Criterion and Adaptive Neighbors. IEICE Transactions on Information and Systems, 2023, E106-D(1): 82-85.

[45]. Zhao Xusheng, Liu Jinglei*. Leveraging deep features enhance and semantic-preserving hashing for image retrieval. Electronics, 2022, 11 (15): 2391:1-- 2391:16.

[44]. 钟堃琰, 刘惊雷*. 基于低秩类间稀疏判别最小二乘的图像分类. 山东大学学报（理学版）, 2022, 57(11): 89-101.

[43]. 李心雨, 范辉, 刘惊雷. 基于自适应图调节和低秩矩阵分解的鲁棒聚类. 山东大学学报（理学版）, 2022, 57(8): 21-38.

[42]. 时照群, 刘兆伟, 刘惊雷*.  基于相关熵和流形正则化的图像聚类. 南京大学学报(自然科学版),  2022, 58 (3): 469-482.

[41]. 程业超, 刘惊雷*. 自适应图正则的单步子空间聚类. 山东大学学报（工学版）, 2022, 52(2): 57-66.

[40]. 轩书婷, 刘惊雷*. 基于离散哈希的聚类. 计算机应用, 2021, 42(3): 103-111.

[39]. 倪中源, 刘惊雷*. 基于图滤波的快速谱聚类. 山西大学学报（自然科学版）, 2022, 45(1): 1-14.

[38]. Wang Zhongyuan，Liu Jinglei*. Consensus Kernel Subspace Clustering Based on Coefficient Discriminant Information. Applied Soft Computing, 2021, 113(12): 107987.

[37]. Zhao Min, Liu Jinglei*. Robust clustering with sparse corruption via L2,1, L1 norm constraint and Laplacian regularization. Expert Systems with Applications, 2021, 186 (12): 115704.

[36]. 赵  敏, 刘惊雷*. 基于高斯场和自适应图正则的半监督聚类. 计算机科学, 2021, 48(7): 137-144.

[35]. 王中元，刘惊雷*. 基于二阶近邻的核子空间聚类. 计算机科学, 2021, 48(6): 86-95.

[34]. 陈   迪，刘惊雷*.  基于乘法更新规则的k-means与谱聚类的联合学习. 南京大学学学报(自然科学版),  2021, 57(2): 43-51.

[33]. 李丛丛，刘惊雷*. 基于Dandelion编码生成有界树宽CP-net. 计算机应用, 2021, 41(1): 112-120

[32]. 郭志鹏，刘惊雷*. 单调重叠联盟下的最优联盟结构生成. 计算机应用, 2021, 41(1): 103-111.

[32]. 荣梦君，刘惊雷*. 基于小波投影和离散哈希的图像检索. 模式识别与人工智能, 2020, 33(11): 1023-1032.

[31]. Zhao Min，Liu Jinglei*. Adaptive graph regularized low-rank matrix factorization with noise and outliers for clustering. IEEE Access, 2020, 8(9): 171851-171863.
[30]. Wang Zhongyuan，Liu Jinglei*. Multiple kernel subspace clustering based on consensus Hilbert space and second-order neighbors. IEEE Access, 2020, 8(7): 124633--124645.
[29]. 李丛丛, 刘惊雷*. 基于Prufer编码的随机图模型生成算法. 陕西师范大学学报(自然科学版), 2020, 48(2): 43-51.
[28]. 刘  素, 刘惊雷*. 一种从偏好数据库中学习CP-nets结构的并行算法. 郑州大学学报(理学版), 2020, 52(2): 71-76.
[27]. 王中元, 刘惊雷*. 低秩分块矩阵的核近似. 智能系统学报, 2019, 14(6): 1209-1216.

[26]. 赵  敏, 刘惊雷*. 半监督偏好学习算法. 模式识别与人工智能, 2019, 32(10): 909-916.

[25]. Liu Su, Liu Jinglei*. CP-nets structure learning based on mRMCR principle. IEEE Access, 2019, 7(1): 121482-121492.

[24]. 刘  素, 刘惊雷*. 基于特征选择的CP-nets结构学习. 南京大学学报(自然科学), 2019, 55(1): 14-28.

[23]. 杨美姣, 刘惊雷*. 基于Nyström方法的偏好特征提取. 计算机应用, 2018, 38(9): 2515-2522.

[22]. 王  博,  刘惊雷*. 布尔Game的核求解算法. 计算机研究与发展, 2018, 55(8): 1735-1750.

[21]. 刘惊雷, 廖士中.   CP-nets学习的复杂度. 计算机科学, 2018, 45(6): 211-215.

[20]. 尚传启, 刘惊雷*. 图联盟结构核的求解算法. 计算机科学与探索, 2018, 12(5): 804-819.

[19]. 杨美姣, 刘惊雷*. 基于Nyström采样和凸NMF的偏好聚类. 计算机科学, 2018, 45(1): 55-61.

[18]. 辛冠琳, 刘惊雷*. 基于精确P值计算学习无环CP-nets. 南京大学学报(自然科学), 2017, 53(3): 450-461.

[17]. 雷恒鑫, 刘惊雷*. 基于行列联合选择矩阵分解的偏好特征提取. 模式识别与人工智能, 2017, 30(3): 279-288.

[16]. 雷恒鑫, 刘惊雷*. 利用CUR矩阵分解提高特征选择与矩阵恢复能力. 计算机应用, 2017, 37(3): 640-646.

[15]. 辛冠琳, 刘惊雷*. 从偏好数据库中挖掘Ceteris Paribus偏好. 计算机应用, 2016, 36(8): 2092-2098.

[14]. Xin Guanlin, Liu Jinglei*. Exact dominance querying algorithm on CP-nets. International Journal of Database Theory and Application, 2016, 9(5): 21-36. (EI Compendex).

[13]. Liu Jie, Liu Jinglei*. The treewidth of induced graphs of conditional preference networks is small. Information, 2016, 7(1): 5:1-5:13. (EI Compendex).

[12]. 辛冠琳, 刘惊雷*. 基于G方检验的CP-nets学习. 南京大学学报(自然科学), 2015, 51(4): 781-795.

[11]. 徐广斌, 刘惊雷*. 带有联盟个数约束的最优联盟结构生成. 南京大学学报(自然科学), 2015, 51(4): 749-761.

[10]. Liu Jinglei, Liao Shizhong. Expressive efficiency of two kinds of specific CP-nets. Information Sciences, 2015, 295(2):379-394. 2014 Impact Factor: 4.038, 5-Year Impact Factor: 4.221.

[9]. 刘惊雷, 廖士中. CP-nets上的正则化路径查询. 模式识别与人工智能,  2014, 27(7): 591-598.

[8]. 刘惊雷, 廖士中, 张伟. CP-nets的完备性及一致性研究. 软件学报, 2012, 23(6): 1531-1541.

[7]. 刘惊雷, 张伟, 童向荣, 张振荣. 一种O(2.983ⁿ )时间复杂度的最优联盟结构生成算法. 软件学报, 2011, 22(5): 938-950.

[6]. 刘惊雷. CP-nets及其表达能力研究, 自动化学报.  2011, 37(3): 290-302.

[5]. 刘惊雷, 华臻, 武栓虎. 基于约束半环的CP-nets占优查询算法. 电子学报,  2011, 39(8): 1932-1936.

[4]. 刘惊雷, 张伟, 刘兆伟, 孙雪姣. 联盟结构图的性质及应用. 计算机研究与发展, 2011, 48(4): 602-609.

[3]. 刘惊雷, 刘兆伟, 孙雪姣, 武栓虎.  CP-nets的代数表示及其模型求取算法. 模式识别与人工智能,  2011, 24(6): 725-732.

[2]. Liu Jinglei, Zhang Wei.  An  Ω(2.81ⁿ) lower bound algorithm for optimal coalition structure. Journal of Information and Computational Science,  2010.7(2): 415-421.

[1]. 刘惊雷, 张伟, 王玲玲. 联盟结构图的代数性质及应用. 模式识别与人工智能, 2009, 22(6): 841-847.

教学获奖：

[4]. 刘惊雷. 山东省优秀学位论文指导教师（软件工程12级刘杰同学，CP-nets导出图上的树宽问题研究）, 2017.10.12

[3]. 刘惊雷. 烟台大学首届教学优秀教师，2007.10.

[2]. 刘惊雷. 烟台大学计算机学院教学优秀教师 ，2005.12.

[1]. 刘惊雷. 烟台大学优秀教学成果二等奖，2009.12.

 

教研论文：  

[3]. 刘惊雷. Visual C++实用教程, 电子工业出版社, 2005.

[2]. 刘惊雷, 张伟, 王立宏, 刘红霞. 计算机实践向理论的回归. 计算机工程与科学, 2008,30(10): 72-77.

[1]. Liu Jinglei, Wang Lihong. Computational thinking in discrete mathematics. ETCS2010, IEEE Computer Society,Wuhan, China. 2010, March, Vol 1, 413-416.

 

   指导研究生情况                                                                                                  

[31]. 入学年月：2023.09，姓名：马亚钦；性别：女；研究方向：图Transformer上的压缩感知；

[30]. 入学年月：2023.09，姓名：王星海；性别：男；研究方向：GAN与最优传输；

[29]. 入学年月：2023.09，姓名：李晓苒；性别：女；研究方向：非凸稀疏建模与优化；

[28]. 入学年月：2023.09，姓名：朱鹏飞；性别：男；研究方向：基于图U-nets的图像特征表示及应用；

[27]. 入学年月：2023.09，姓名：王梦如；性别：女；研究方向：域自适应理论及其应用；

[26]. 入学年月：2022.09，姓名：盖永伟；性别：男；研究方向：可解释的深度聚类研究；

[25]. 入学年月：2022.09，姓名：张梦圆；性别：女；研究方向：流形表示及其应用；

[24]. 入学年月：2022.09，姓名：李星宇；性别：男；研究方向：大规模子空间聚类及其应用；

[23]. 入学年月：2021.09，姓名：张洪丽；性别：女；研究方向：大规模高斯过程及其应用；

[22]. 入学年月：2021.09，姓名：赵旭升；性别：男；研究方向：深度哈希；

[21]. 入学年月：2021.09，姓名：刘彦銘；性别：男；研究方向：深度聚类；

[20]. 入学年月：2020.09，姓名：时照群；性别：女；研究方向：鲁棒的NMF研究； 

[19]. 入学年月：2020.09，姓名：倪中源；性别：男；研究方向：图信号处理及其应用；

[18]. 入学年月：2020.09，姓名：李洛溪；性别：女；研究方向：自适应图学习（副导师）；

[17]. 入学年月：2020.09，姓名：轩书婷；性别：女；研究方向：基于离散哈希的聚类分析；

[16]. 入学年月：2020.09，姓名：程业超；性别：男；研究方向：子空间聚类的建模与优化；

[15]. 入学年月：2020.09，姓名：钟堃琰；性别：男；研究方向：频繁方向在回归中的应用研究；

[14]. 入学年月：2019.09，姓名：荣梦君；性别：女；研究方向：基于哈希的多模态数据检索；

[13]. 入学年月：2019.09，姓名：郭志鹏；性别：男；研究方向：重叠联盟的博弈问题研究；

[12]. 入学年月：2019.09，姓名：陈  迪；性别：女；研究方向：k-means与谱聚类的联合优化方法；

[11]. 入学年月：2018.09，姓名：李丛丛；性别：女；研究方向：图模型的随机生成算法及其应用；

[10]. 入学年月：2018.09，姓名：王中元；性别：男；研究方向：随机特征映射的偏好处理方法研究；

[09]. 入学年月：2018.09，姓名：赵  敏；性别：女；研究方向：矩阵分解的理论分析及应用；  

[08]. 入学年月：2017.09，姓名：王  博；性别：男；研究方向：布尔Game上的推理问题研究；

[07]. 入学年月：2017.09，姓名：刘  素；性别：女；研究方向：CP-nets图模型的精确学习算法；

[06]. 入学年月：2016.09，姓名：尚传启；性别：男；研究方向：图联盟博弈中的效用分配问题研究；

[05]. 入学年月：2016.09，姓名：杨美姣；性别：女；研究方向：Nyström方法及其在大规模偏好图聚类中的应用；

[04]. 入学年月：2015.09，姓名：雷恒鑫；性别：男；研究方向：CUR矩阵分解及其在偏好处理中的应用；

[03]. 入学年月：2014.09，姓名：辛冠琳；性别：女；研究方向：CP-nets的学习问题研究；

[02]. 入学年月：2014.09，姓名：徐广斌；性别：男；研究方向：约束条件下的联盟结构生成；

[01]. 入学年月：2008.09，姓名：张振荣，性别：女；研究方向：基于代数性质的联盟结构生成（副导师）；