师资队伍

博士

首页 > 师资队伍 > 博士 > 正文
  • 姓名:刘惊雷

  • 职务:教师

  • 职称:教授    硕士生导师

  • 所在院系:软件工程系

  • 最后学位:博士

  • 最后学历:

  • 最后毕业院校:天津大学

  • 所学专业:计算机应用技术

  •  

  • 研究方向:计算机软件与理论

  • 联系方式:jinglei_liu@sina.com

个人简介

刘惊雷,男,烟台大学计算机与控制工程学院教师。1970年出生于山西省临猗县;1996.07—2000.01,在太原理工大学数学系工作;2000.01—2001.09,在太原理工大学计算机系工作;2001.09—至今,在烟台大学计算机与控制工程学院工作。

 

目前的研究兴趣为: 

[1].有穷模型论(一阶逻辑FO与单目二阶逻辑MSO在有穷结构上的表达能力与复杂度)。 

[2].基于(超)图模型的知识表示、推理与学习(如CP-nets图模型,联盟结构图等)。

[3].矩阵(近似)分解方法及应用;(超)分解方法及应用

[4].数据选择(Data Selection),模型选择(Model Selection),算法选择(Algorithm Selection)。

 


主讲课程:

 

离散数学,数值分析,机器学习,极限编程,STL编程

 



  主要科研成果                                            


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:;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:;研究方向:GAN与最优传输

[29]. 入学年月:2023.09,姓名:李晓苒;性别:;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:;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:;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:;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:;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:;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:;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:;研究方向:深度哈希;

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

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

[19]. 入学年月:2020.09,姓名:倪中源;性别:;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:;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:;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:;研究方向:子空间聚类的建模与优化

[15]. 入学年月:2020.09,姓名:堃琰;性别:;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:;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:;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:;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:;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:;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:;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:;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:;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:;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:;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:;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:;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:;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:;研究方向:基于代数性质的联盟结构生成(副导师)

 

 

  



 

 

 

联系我们

地址:中国山东省烟台市莱山区清泉路30号

邮政编码:264005 电话: 0535-6902601

E-mail: jsjb@ytu.edu.cn