△李培培
发布时间:2020-02-20 浏览:1517

个人信息


姓     名

李培培

性     别

出生年月

1982

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



所在部门

计算机软件与理论研究所

职称

副教授(硕导)

 联系方式

办公电话

13956043016

E-mail

peipeili@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

·201612-至今,合肥工业大学计算机与信息学院,副研究员/副教授

·20155-201611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

本人的研究方向:数据挖掘与智能计算,主要研究兴趣包括: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,国家面上基金项目“面向短文本数据流的多标记分类方法研究”(No.61976077(2020.1-2023.12)

·     主持人:李培培,重点研发计划项目课题三“碎片化知识拓扑融合”(No.2016YFB1000903)子课题 (2016.7-2020.12)

·     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)

·     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,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:

·      国家自然科学基金面上项目“多源数据流的半监督分类方法研究”(No.62076085)  ( 2021.1-2024.12)

·      国家自然科学基金面上项目“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)( 2017.1-2020.12)

·      国家自然科学基金面上项目“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)( 2013.1-2016.12)

·      国家自然科学基金面上项目“基于特征发现的数据流概念漂移问题研究”(No.60975034))( 2010.1-2012.12)

·      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)( 2014.1-2016.12)

·      安徽省科技重大专项项目“基于云平台的税务数据挖掘系统研究”(No.1704a0902029( 2016.8-2018.8)


 教学工作

[1]      2015-2016第二学期,医学信息专业15级,《数据结构》;

[2]      2016-2017第二学期,信息安全专业16级,《数据结构》、《程序设计与算法训练》;

[3]      2016-2017第一学期,计算机与信安专业13级,《数据挖掘》;

[4]      2017-2018第一学期,计算机与信安专业14级,《数据挖掘》;

[5]      2017-2020,全校公选, 《Python程序设计》;

[6]      2019-2020第二学期,计算机科学技术19-1班,《数据结构》;

[7]      2019-2020第二学期,2020-2021第一学期,计算机创新班18级,计算机191-3班,《Python语言与系统设计》


 获奖情况

指导学生项目与获奖情况:

[1]      指导的2016级研究生何路获得2018年度国家奖学金

[2]      指导国家级大创项目2项、校级2

[3]      指导学生参加2017-2020年安徽省大数据技术与应用大赛获三等奖

[4]      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

个人获奖情况:

[1]      获得合肥工业大学2019年“课程思政”说课比赛获三等奖

[2]      获得2017年度校青年教师讲课比赛三等奖

[3]      2009年度安徽省优秀硕士论文.


 主要论著

国际期刊论文:

[1]  Peng Zhou, Peipei Li, Shu Zhao, and X. Wu. FeatureInteraction for Streaming Feature Selection. IEEE Transactions onNeural Networks and Learning  

      Systems (TNNLS), in press, 2020.

[2]  Xiulin Zheng, Peipei Li*, Zhe Chu, HaixiangZhang, and Xuegang Hu. A Survey on Multi-label Data StreamClassification. IEEE ACCESS, 8: 1249-1275,

      2020.

[3]  Peipei Li*, Lu He, Haiyan Wang, Xuegang Hu, YuhongZhang*, Lei Li, Learning from Short Text Streams with TopicDrifts, IEEE Transactions on

       Cybernetics, 48(9): 2697-2711, Sept.2018.

[4]   PeipeiLi*, Haixun Wang, Hongsong Li, Employing Semantic Context forSparse Information Extraction Assessment, ACM Transactions onKnowledge

       Discovery from Data,12(5): 54:1-36, July 2018.

[5]  Peng Zhou, Xuegang Hu, Peipei Li*, OnlineFeature Selection for Class Imbalance Data. Knowledge-basedSystems,136: 187-199,2017.

[6]  Yuhong Zhang, Guang Chu, Peipei Li*, XuegangHu.Three-layer Concept Drifting Detection in Text Data Streams.Neurocomputing, 260: 393-403,

       2017.

[7]   Peipei Li*, HaixunWang, Kenny Q. Zhu,Zhongyuan Wang,Xuegang Hu, A Large Probabilistic Semantic Network based Approachto Compute Term

       Similarity. IEEE Transactions on Knowledge andData Engineering, 27(10): 2604-2617, 2015.

[8]   Peipei Li, , Xuegang Hu, and Hao Wang*. AnIncremental Decision Tree for Mining Multi-label Data. AppliedArtificial Intelligence,29(10):992-1014,

      2015.

[9]   Peipei Li*, Xuegang Hu, and Hao Wang. LearningConcept-Drifting Data Streams with Random Ensemble Decision Trees.NeuroComputing, 166(6):

       68-83, 2015.

[10] PeipeiLi*and Xuegang Hu.Learning from Concept Drifting Data Streams withUnlabeled Data. NeuroComputing, 92(1): 145-155, 2012.

[11] PeipeiLi*and Xuegang Hu. Mining Recurring Concept Drifts with LimitedLabeled Streaming Data. ACM Transactions on Intelligent

       SystemsandTechnology, 3(2): 29:1-32,2012.

[12] PeipeiLi*,  Xuegang Hu,Qianhui Liang and Yunjun Gao. A RandomDecision Tree Ensemble for Mining Concept Drifts from Noisy

       DataStreams. Applied Artificial Intelligence, 24(7): 680-710,2010.

会议论文:

[13] PeipeiLi*, Lu He, Xuegang Hu, Yuhong Zhang, Lei Li. Concept based ShortText Stream Classification with Topic Drifting Detection.In: Proceedings of

       International Conference on DataMining (ICDM'16), pp. 1009-1014, 2016. 

[14] XugangHu, Junhong He, Peipei Li*,  Drifting Detection andModel Selection based Ensemble Classification for Data Streamswith Unlabeled Data.

       In: Proceedings of ArtificialIntelligence Science and Technology (AIST’16),pp: 83-90, 2017.

[15] PeipeiLi*, Hunxun Wang, Hongsong Li,  Assessing Sparse InformationExtraction using Semantic Contexts. In: Proceedings of 22ndACM

       International Conference on Information and KnowledgeManagement (CIKM’13), pp.1709-1714, 2013.

[16] PeipeiLi*, Hunxun Wang, Kenny Q. Zhu, Zhongyuan Wang. Computing TermSimilarity by Large Probabilistic isA Knowledge. In: Proceedings of

       CIKM’13,pp. 1401-1410, 2013.

[17] PeipeiLi*, Qianhui Liang, Xuegang Hu, Yuhong Zhang. Random EnsembleDecision Trees for Concept Drifting Data Streams. In:Proceedingsof

       PAKDD’11, May 24-27, pp. 313-325, Shenzhen China, 2011.

[18] PeipeiLi*and Xuegang Hu. Learning from Concept Drifting Data Streamswith Unlabeled Data.  In:Proceedings of AAAI10-SA10, July11-15, pp.

       1945-1946, Atlanta, GA, United States, 2010.

[19] Peipei Li* and Xuegang Hu. Mining Recurring ConceptDrifts with Limited Labeled Streaming Data. In: Proceeding of2nd Asian Conference Machine

       Learning, Nov. 8-10, pp. 251-262,Tokyo, 2010.

[20] PeipeiLi*, Xuegang Hu, Q.-H. Liang, and Y.-J. Gao.Concept DriftingDetection on Noisy Streaming Data in Random Ensemble DecisionTrees.

      In: Proceedings of the 6th International Conference onMachine Learning and Data Mining, pp. 236-250, 2009.

[21] PeipeiLi*, Qianhui Liang and Xuegang Hu. Parameter Estimation inSemi-Random Decision Tree Ensembling on Streaming Data.In: Proceedings of

       PAKDD’09,pp. 376-388, 2009.

[22] Qianhui Liang, Peipei Li*, P. C.K. Hung. Clustering WebServices for Automatic Categorization. In: Proceedings ofInternational Conference on Services

       Computing, pp. 380-387, 2009.

[23] PeipeiLi*, Xuegang Hu. Mining Concept-drifting Data Streams withMultiple Semi-random Decision Trees. In: Proceedings of4th International

       Conference on Advanced Data Mining andApplications, pp. 733-740, 2008.

国内期刊:

[24]  王海燕胡学钢李培培*. 基于向量表示和标签传播的半监督短文本数据流分类算法. 模式识别与人工智能,31(7):1-9, 2018.7.

[25]  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.

[26]  朱群张玉红*, 胡学钢李培培一种基于双层窗口的概念漂移数据流分类算法。自动化学报,37(9): 1077-1084, 2011. (EI检索号:20114314458584)

[27]  梅灿华张玉红*, 胡学钢李培培一种基于最大熵模型的加权归纳迁移学习方法计算机研究与发展,48(9): 1722-1728, 2011.

[28]  Xuegang Hu, Peipei Li*,  Gongqing Wu. ASemi-Random Multiple Decision-Tree Algorithm forMining DataStreams. J. Comput. Sci. Technol. 22(5):

       711-724, 2007.

          

软著:
[1] 
李培培、柳佳浩、张子瑞基于数据挖掘技术的国内考研信息搜索平台“Re-Searchers”V1.0(登记号为2018SR503271)  

[2] 胡学钢、李培培等数据流分类算法实验工具包软件 ETDSV1.0(登记号为2010SR062895

 

专著:

[1]     胡学钢、李培培*、张玉红.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]   李培培胡学钢,胡阳一种基于深度学习网络的短文本数据流分类方法,专利申请号201911251229.1,专利申请日:20191209.

[2]     张玉红,杨帅,胡学钢,李培培基于双重自动编码器的半监督跨领域文本分类方法申请号:201910378359.5,专利申请日:201958日;

[3]    李培培胡阳胡学钢一种基于word2vec的分布式短文本数据流快速增量分类方法专利申请号:CN201910169255.3, 专利申请日:2019306.

[4]   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:20171023授权公

       告日:20190806授权公告号:20190723001100%40.

[5]   吕俊伟,胡学钢,李培培邵玉涵廖建兴一种基于RBF神经网络的煤与瓦斯突出预测方法国家发明专利,专利号:ZL201710631202.X,专利申请日:2017

       0728日,授权公告日:20200522.

[6]   李培培李磊张玉红胡学钢何路等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国家发明专利,专利号:ZL201710151295.6,专利申请

       日 :2017314授权公告日:  20190614,授权公告号:CN106934035 B.

[7]   李磊,张芳,李培培基于区块链的信誉信息的防篡改方法.国家发明专利,专利号:ZL201710020031.7,专利申请日:20170111日,授权公告日:2020

        年0626.

[8]   胡学钢王博岩李培培自适应多标签预测方法国家发明专利,专利号:ZL201510501816.7,专利申请日:20150814日,授权公告日:20180518.