△李培培

发布者:计算机信息发布时间:2018-01-09浏览次数:680

发布者:系统管理员发布时间:2017-09-04浏览次数:124

教师信息个人照片
姓    名李培培性    别  女

出生年月1982.01.31最终学位博士
毕业学校合肥工业大学
从事专业计算机科学与技术职    务
所属院系计算机与信息学院
所属科室(研究所)

软件与理论研究所

职     称

副研究员(硕导)

联系方式
办公电话
E-mailpeipeili@hfut.edu.cn
通讯地址

安徽省合肥市蜀山区丹霞路485号(合肥工业大学翡翠湖校区)计算机与信息学院

邮  编230601
简    历

1、受教育经历

·2008/09-2012/12,合肥工业大学,计算机应用专业,工学博士

·2005/09-2008/06,合肥工业大学,软件与理论专业,工学硕士

·2001/09-2005/06,合肥工业大学,计算机科学与技术专业,工学学士

2、研究工作经历

·2016年12月-至今,合肥工业大学计算机与信息学院,副研究员

·2015年5月-2016年11月,合肥工业大学计算机与信息学院,讲师

·20131-20154月,合肥工业大学软件工程博士后站,博士后

·20118-201212月,微软亚洲研究院,实习生

20084-20094月,新加坡管理大学,助理研究员

研究方向

本人的研究兴趣在于:数据挖掘与智能计算,包括:数据流分类、概念漂移检测方法、不完全标记数据流的分类算法与模型、多标签数据流分类、半监督学习

承担课题:
• 主持人:李培培,第55批中国博士后科学基金面上资助二等资助“面向短文本数据流分类的关键问题研究”(No. 2014M551801)(2014.5-2015.5)
• 主持人:李培培,国家青年基金“多标记文本数据流分类方法研究”(No. 61503112) (2016.1-2018.12)
• 子课题负责人:李培培,重点研发计划项目课题三 “碎片化知识拓扑融合” 子课题(No. 2016YFB1000906) (2016.7-2020.12)

 主持人:李培培,安徽省青年基金“基于实体语义上下文特征扩展的短文本数据流分类方法研究”(No.1708085QF142) (2017.7-2019.6)
• 校级博士专项课题“多标记文本的数据流分类方法研究”(No. JZ2015HGBZ0461)(2015.110.1-2017.9.30)
参与课题:
[1] 2009.1-2011.12 安徽省自然科学基金“基于漂移特征发现的数据流中概念漂移问题研究及其应用”(No. 090412044)
[2] 2010.1-2012.12 国家自然科学基金:“基于特征发现的数据流概念漂移问题研究”(No. 60975034)
[3] 2013.1-2016.12 国家自然科学基金:“基于协同训练策略的不完全标记数据流分类问题研究”(No. 61273292)
[4] 2014.1-2016.12教育部博士点博导基金:“基于特征扩展的Web 短文本数据流分类方法研究” (No.20130111110011)
[5] 2010.10-2014.05安徽省科技攻关(科技强警):“毒品犯罪案件信息综合管理分析系统”(编号:1001130616)
[6] 2013.1-2017.12 国家973计划“社交网络群体影响力及交互作用”(No.2013CB329604)
[7] 2017.1-2020.12 国家自然科学基金:“面向多源高维数据流的在线特征选择与分类方法研究”(No. 61673152)

教学工作

2015-2016第二学期医学信息专业15级, 数据结构(卓越)课程;

2016-2017第二学期, 信息安全专业16级,数据结构(卓越)课程;

2016-2017第一学期计算机与信安专业13级, 数据挖掘课程;

        2017-2018第一学期,计算机与信安专业14级,数据挖掘课程;

获奖情况

·2009年度安徽省优秀硕士论文.

·指导学生参加2017年合肥工业大学第三届“互联网+”创新创业大赛优胜奖

·指导学生参加2017年安徽省大数据技术与应用大赛获三等奖

·2017年度校青年教师讲课比赛获三等奖

主要论著

国际期刊论文:

[1]Peipei Li#, Lu He, Haiyan Wang, Xuegang Hu, Yuhong Zhang*, Lei Li, and Xindong Wu, Learning from Short Text Streams with Topic Drifts, IEEE Transactions on Cybernetics,DOI:10.1109/TCYB.2017.2748598,2017 (accepted)

[2]Peng Zhou, Xuegang Hu,Peipei Li*, and Xindong Wu.Online Feature Selection for Class Imbalance Data.Knowledge-based Systems,136: 187-199,2017.

[3]Yuhong Zhang, Guang Chu,Peipei Li*, Xuegang Hu,andXindong Wu.Three-layer Concept Drifting Detection in Text Data Streams. Neurocomputing, 260: 393-403, 2017.

[4]Peipei Li*, HaixunWang, Kenny Q. Zhu,Zhongyuan Wang, Xuegang Hu, and Xindong Wu. A Large Probabilistic Semantic Network based Approach to Compute Term Similarity. IEEE Transactions on Knowledge and Data Engineering, 27(10): 2604-2617, 2015.

[5]Peipei Li, Xindong Wu, Xuegang Hu, and Hao Wang*. An Incremental Decision Tree for Mining Multi-label Data. Applied Artificial Intelligence,29(10):992-1014, 2015.

[6]Peipei Li*, Xindong Wu, Xuegang Hu, and Hao Wang. Learning Concept-Drifting Data Streams with Random Ensemble Decision Trees. NeuroComputing, 166(6): 68-83, 2015.

[7]Xindong Wu,Peipei Li*and Xuegang Hu.Learning from Concept Drifting Data Streams with Unlabeled Data. NeuroComputing, 92(1): 145-155, 2012.

[8]Peipei Li*, Xindong Wu and Xuegang Hu. Mining Recurring Concept Drifts with Limited Labeled Streaming Data. ACM Transactions on Intelligent Systemsand Technology, 3(2): 29:1-32,2012.

[9]Peipei Li*, Xindong Wu, Xuegang Hu,Qianhui Liang and Yunjun Gao. A Random Decision Tree Ensemble for Mining Concept Drifts from Noisy Data Streams. Applied Artificial Intelligence, 24(7): 680-710, 2010.

[10]Xuegang Hu,Peipei Li*, Xindong Wu, Gongqing Wu. A Semi-Random Multiple Decision-Tree Algorithm for Mining Data Streams. J. Comput. Sci. Technol. 22(5): 711-724, 2007.

会议论文:

[11]Peipei Li*, Lu He,Junfeng  Liu, Xuegang Hu and Xindong Wu. Max-Relevance and Min-Redundancy based Multi-label Data StreamClassification with Concept Drifting Detection.Submitted to AAA17,2017.

[12]Peipei Li*, Lu He, Xuegang Hu, Yuhong Zhang, Lei Li, and Xindong Wu. Concept based Short Text Stream Classification with Topic Drifting Detection. In: Proceedings ofInternational Conference on Data Mining (ICDM'16),pp. 1009-1014,2016. (EI检索号:20171003423991)

[13] Xugang Hu, Junhong He,Peipei Li*, Xindong Wu. Drifting Detection and Model Selection based Ensemble Classification for Data Streams with Unlabeled Data. In: Proceedings ofArtificial Intelligence Science and Technology (AIST’16),pp: 83- 90, 2017.

[14]Peipei Li*, Hunxun Wang, Hongsong Li, and Xindong Wu. Assessing Sparse Information Extraction using Semantic Contexts. In:Proceedings of 22nd ACM International Conference on Information and Knowledge Management(CIKM’13), pp.1709-1714, 2013.

[15]Peipei Li*, Hunxun Wang, Kenny Q. Zhu, Zhongyuan Wang, and Xindong Wu. Computing Term Similarity by Large Probabilistic isA Knowledge. In:Proceedings of CIKM’13,pp. 1401-1410, 2013.

[16]Peipei Li*, Xindong Wu, Qianhui Liang, Xuegang Hu, Yuhong Zhang. Random Ensemble Decision Trees for Concept Drifting Data Streams. In:Proceedings of PAKDD’11, May 24-27, pp. 313-325, Shenzhen China, 2011.

[17]Peipei Li*, Xindong Wu and Xuegang Hu. Learning from Concept Drifting Data Streams with Unlabeled Data.  In:Proceedings of AAAI10-SA10, July 11-15, pp. 1945-1946, Atlanta, GA, United States, 2010.

[18]Peipei Li*, Xindong Wu, and Xuegang Hu. Mining Recurring Concept Drifts with Limited Labeled Streaming Data. In:Proceeding of 2nd Asian Conference Machine Learning, Nov. 8-10, pp. 251-262, Tokyo, 2010.

[19]Peipei Li*, Xuegang Hu, Q.-H. Liang, and Y.-J. Gao.Concept Drifting Detection on Noisy Streaming Data in Random Ensemble Decision Trees. In:Proceedings of the 6th International Conference on Machine Learning and Data Mining, pp. 236-250, 2009.

[20]Peipei Li*, Qianhui Liang, Xindong Wu, and Xuegang Hu. Parameter Estimation in Semi-Random Decision Tree Ensembling on Streaming Data. In:Proceedings of PAKDD’09,pp. 376-388, 2009.

[21]Qianhui Liang,Peipei Li*, P. C.K. Hung, and Xindong Wu. Clustering Web Services for Automatic Categorization. In:Proceedings of International Conference on Services Computing, pp. 380-387, 2009.

[22]Peipei Li*, Xuegang Hu, and Xindong Wu. Mining Concept-drifting Data Streams with Multiple Semi-random Decision Trees. In:Proceedings of 4th International Conference on Advanced Data Mining and Applications, pp. 733-740, 2008.

国内期刊:

[23]胡学钢#,王海平,郭丹,李培培*.图算法求解带有限长空位和one-off约束的模式匹配问题.模式识别与人工智能, 29(5):400-409,2016.

软著:
胡学钢、李培培、吴信东等. 数据流分类算法实验工具包软件 ETDSV1.0(登记号为2010SR062895)

专著:

胡学钢、李培培、张玉红、吴信东.数据流分类,清华大学出版社, 603千字, ISBN 978-7-302-40599-3, 2016.01.01.

专利:

[1]李培培, 李磊, 张玉红, 胡学钢, 刘俊峰, 何路, 吴共庆, 吴信东.一种基于类与特征分布的多标签数据流中概念漂移检测方法. 申请号:201710151295.6, 申请日: 2017年03月14日(实际审查)

[2]胡学钢,王博岩,李培培.自适应多标签预测方法.专利申请号:201510501816.7;申请日:2015814日(实际审查)

        [3]胡学钢,王海燕,李培培. 一种基于短文本扩展和概念漂移检测的短文本数据流分类方法,专利申请号201710994366.9,专利申请日:2017年10月23日.