陈叶旺, 男, 软件工程, 2009年7月获博士学位, 复旦大学, 计算机软件与理论.现为华侨大学计算机科学与技术学院, 人工智能系, 副教授; IEEE Senior Member, CCF 高级会员,  ACM Member；福建省高层次人才(B类)、厦门市高层次人才(B类)、泉州市高层次人才(第三层次).

 

主要业绩: (1) 开发(快速)聚类算法8个, 快速kNN算法2个; (2)主持科研项目：1项国家科技型中小企业技术创新基金、2项国家重点实验室研究项目、1项校级研究生教育教学改革研究项目、2项福建省自然科学面上基金项目、1项福建省自然科学青年基金项目、1项厦门市科技计划项目、1项泉州市高层次人才计划项目、1项中央高校基本科研业务费、1项校人才引进计划、20项横向课题. (3)参与国家自然科学基金项目5项, 省重点科技项目1项, 泉州市重点项目1项. (4)发表论文40余篇, 中科院1区top 9篇, 中文权威 (CCF A类) 2篇, 顶级国际学术会议 4篇, ESI高被引3篇. (5)共4项已获授权发明专利, 在申报5项发明专利. (6) 获得2023年度重庆市自然科学奖三等奖1项（第3获奖人），获得2022年度福建省科技进步奖三等奖1项（第4获奖人），获得2016年厦门市科技进步奖三等奖1项（第1获奖人）, 泉州市科技进步奖三等奖1项（第4获奖人）.

 

联系方式：ywchen@hqu.edu.cn, 15259245945

 

研究方向: 机器学习、语义检索、数据挖掘、优化理论.目前主要研究兴趣为大语言模型、聚类算法、快速邻近点搜索.

 

实验室设备: A100 80G服务器 1台， 4090 24G*2 服务器2台， 3090 24G*2 服务器 1 台.

 

研究生招生：数学、计算机相关专业,对机器学习、深度学习与大语言模型有浓厚兴趣,愿意吃苦耐劳,熟悉CUDA、MapReduce、SPARK并行计算工具、鸿蒙开发、深度学习相关工具者优先. （组内经费充足，能为参与科研工作的学生提供所需各类设备，并按月发放劳务补贴）

 

Github Homepage：https://github.com/XFastDataLab?tab=repositories

 

主教课程: 高等代数, 计算方法, 机器学习, 最优化

 

教育经历:

(1)     1997.9-2001.7       华侨大学       管理信息系            工学学士

(2)     2003.9-2006.7       华侨大学       计算机应用技术       工学硕士

(3)     2006.3-2009.7       复旦大学       计算机软件与理论      理学博士

 

学术经历:

(1)     2009.9-至今      华侨大学, 计算机科学与技术学院, 硕士生导师.

(2)     2016.5-2017-5   加拿大Concordia, 信息工程技术学院, 访问学者.

 

 

实验室环境与活动:

                                             

 

研究生毕业论文指导

(1)     福建省优秀工程硕士论文, 颜明（2022)

(2)     华侨大学校级优秀硕士论文, 颜明（2022)

(3)     福建省优秀工程硕士论文, 周李达（2019-2020)

(4)     华侨大学校级优秀硕士论文, 周李达（2019)

(5)     华侨大学校级优秀硕士论文, 汤盛宇 (2018)

 

研究生获奖

(1)     研究生陈文伟、仰媛媛、许佳圣获华为杯全国研究生数模竞赛二等奖 (2023)

(2)     研究生叶伟耀、靳学斌获华为杯全国研究生数模竞赛二等奖 (2022)

(3)     研究生陈宝华、曹海露、赖清宏获华为杯全国研究生数模竞赛二等奖 (2022)

(4)     研究生仰媛媛、陈文伟、许佳圣获华为杯全国研究生数模竞赛三等奖 (2022)

(5)     研究生陈宝华、许佳圣获第三十届挑战杯华侨大学学生课外学术科技作品竞赛终审决赛特等奖（2022）

(6)     研究生曹海露、靳学斌、颜明获华为杯全国研究生数模竞赛三等奖 (2021)

(7)     研究生颜明、胡小亮获华为杯全国研究生数模竞赛二等奖 (2020)

(8)     研究生胡小亮获华为杯全国研究生数模竞赛二等奖 (2019)

(9)     研究生程凯获得福建省十三届计算机软件设计大赛二等奖,面向网约车的AI辅助劳驾及深度预警系统（2019）

(10)  研究生胡小亮获福建省研究生数模竞赛一等奖 (2019)

(11)  指导本科生《大规模图像分割标与检索系统》获中国大学生计算机设计大赛福建省级赛二等奖. (2019)

(12)  研究生周李达获研究生国家奖学金 (2018-2019)

(13)  研究生汤盛宇获研究生国家奖学金 (2017-2018)

(14)  研究生汤盛宇获华为杯全国研究生数学建模竞赛三等奖(2016)

 

期刊/会议审稿: IEEE Trans on Multimedia, IEEE TSMC, IEEE TCYB, IEEE TIP, IEEE Trans on Big Data, PR, KBS, Soft Computing, ACM MM, ICDM, AAAI等.

 

主持在研项目：

(1)   基于大语言模型的化工安全知识智能系统问答系统，厦门标安科技有限公司，2023.10--2024.9.

(2)   传送带上多物体分割系统开发.福建科盛智能物流装备有限公司, 2023.07-2024.06.

(3)   基于大语言模型的食品营养与安全的知识获取. 北京市食品安全大数据技术重点实验室,（CFC2023B-029）, 2023.07-2024.06.

(4)   基于深度学习的CAD三维视觉识别算法开发. 厦门卡伦特科技有限公司, 2023/04-2025/04.

(5)   科盛烟条与店招识别算法开发.福建科盛智能物流装备有限公司, 2022.10-2023.10.

(6)   面向不均衡食品安全数据的聚类分析研究, 北京市食品安全大数据技术重点实验室, (BTBD-2022KF01), 2022.5.1-2024.4.30.

(7)   CAD几何引擎核心算法.厦门市科技计划横向课题补助(2022CXY0214), 2022/01-2024/12.

(8)   健身客户行为分析与异常识别. 厦门融核卓越信息科技有限公司, 2022.6-2023.6.

(9)   科盛叉车箱体智能识别算法开发.福建科盛智能物流装备有限公司, 2021.10-2022.5.

(10)基于多技术融合的快速并行聚类分析研究. 福建省自然科学基金 (面上项目, 2021J01317), 2021.10-2024.09.

(11)基于快速局域近邻搜索的大规模并行聚类算法关键技术研究. 江苏省计算机信息处理技术重点实验室开放课题, (KJS2047), 2021/04-2023-03.

(12)在线CAD几何引擎核心算法和CAD相关智能算法开发.厦门卡伦特科技有限公司, 2020/12-2024/12.

 

参与在研项目：

(1)   基于非参数概率混合模型的方向数据聚类算法研究, 国家自然科学基金面上项目 (61876068), 2019/01-2022/12, 62万, 排名第3.

(2)   不完整人体运动捕获数据中的姿态与行为识别技术研究, 国家青年自然科学基金 (61202298).

(3)   高维多模态演化算法研究与应用, 福建省自然科学基金 (面上项目, 2018J01091), 排名第2.

(4)   基于大数据分布式挖掘的B2C智能电子商务系统, 福建省引导型项目, ( 2017H0020), 排名第3.

(5)   互联网舆情分析关键技术研究及其应用系统开发, 福建省科技重大项目 (2010N5008).

(6)   基于多标注源弱监督学习的视觉目标跟踪算法研究. 国家青年自然科学基金 (61202299).

(7)   不完整人体运动捕获数据中的姿态与行为识别技术研究, 国家青年自然科学基金 (61202298).

(8)   基于分层贝叶斯非参数模型的聚类方法. 国家青年自然科学基金 (61502183).

(9)   异构无线传感器网络测试平台及性能评价系统的研发, 福建省科技计划重点项目 (2014H0030).

(10)异构无线传感器网络测试平台及数据管理系统的研发, 福建省泉州市科技计划重点项目 ( 2014Z102).

 

结题主持项目：

(1)     基于快速聚类的食品安全异构数据语义分析与分类研究.北京市食品安全大数据技术重点实验室, (BTBD-2020KF06), 2020/05-2022/04.

(2)     基于AI人工智能深度学习的人脸识别系统研发与应用. 福建省趋普物联科技有限公司, 2019/07- 2020/12.

(3)     面向大规模数据快速并行聚类分析的关键技术研究. 江苏省计算机信息处理技术重点实验室开放课题, (KJS1839), 2019/01-2020-12.

(4)     基于深度学习的多模态电话诈骗防范技术研究与应用.邦西能源科技（厦门）有限公司, 2019/03- 2020/12.

(5)     面向辅助驾驶系统的快速聚类算法研究与应用.泉州市科技计划项目. (2018C114R), 2018.

(6)     面向大规模数据并行聚类算法关键技术研究, 北京市食品安全大数据技术重点实验室, (BTBD-2019KF06), 2019/05-2020/04.

(7)     基于密度核心的聚类算法研究与应用,福建省面上自然科学基金 (2016J0101), 2016. 主持.

(8)     模式识别与机器学习案例库.华侨大学校级研究生教育教学改革研究项目 (16YJG13), 2016. 主持.

(9)     面向高维大规模数据聚类研究. 中国科学院自动化研究所模式识别国家重点实验室 (201700002), 2017. 主持 (优秀结题项目)

(10)  C1-DBSCAN-高维大规模数据聚类研究, 浙江大学CAD&CG国家重点实验室 (A1722), 2017. 主持.

(11)  基于百度百科的中文短文本语义挖掘关键技术研究, 福建省自然科学基金, (2012J05117), 2012, 主持.

(12)  手机动漫播放平台, 厦门市科技计划, 2013 (3502Z20133029) , 主持.

(13)  手机动漫播放器 (横向), 2013, 主持.

(14)  基于ZigBee的IC卡第三方接入通讯系统, 国家科技型中小企业技术创新基金, 80万, 2011 (11C26213504877) ,主持.

(15)  面向海量知识资源描述、挖掘与检索技术研究, 华侨大学科研启动费, 2009 ,主持.

(16)  基于百度百科和领域本体的网络图像语义标注技术研究.中央高校基本科研业务费. (JB-ZR1217), 2012,主持.

 

在申请发明专利:

(1)   陈叶旺,陈宝华,曾国耀.一种快速多尺度的弱监督箱体边缘感知方法及装置 (202310422623.7)

已授权发明专利:

(1)   陈叶旺，叶伟耀.一种时间和内容感知的新闻推荐系统流行度去偏差方法(202411273935.7).

(2)   陈叶旺.一种基于百度百科的文本语义主题抽取方法 (201210068103.2 ) .

(3)   陈叶旺.一种基于百度百科的网络文本语义的分类方法 (201210066606.6).

(4)   陈叶旺, 汤盛宇.采用新型密度聚类进行人脸识别的方法 (201510987710.2).

(5)   陈叶旺, 周李达, 谢晓东, 汤盛宇.一种基于密度热度的电离层雷达数据的聚类方法. ( 2016103955329).

(6)   胡小亮, 陈叶旺. 采用快速密度峰值聚类进行人脸识别的方法 (201910208135.X)

(7)   陈叶旺，颜明. 不良户外广告标语的检测与过滤方法与户外广告播放系统 (2020 1 0175265.0)

 

获奖情况：

(1)   科教兴省贡献奖. 华侨大学，陈叶旺，2024.04.

(2)   基于自然邻居的大数据快速聚类与异常检测研究，程东东、朱庆生、陈叶旺、黄金龙、冯骥，2023年度重庆市自然科学三等奖.

(3)   超轻高承载与高安全驱动的客车主被动防护关键技术研发与产业化，张勇、张锋、龚刚、陈叶旺、蔡鸿毅，2022福建省科技进步奖三等奖.

(4)   2022年度华侨大学优秀研究生指导教师.

(5)   手机动漫播放关键技术应用与研究, 陈叶旺, 王成, 邹培利, 汤盛宇, 杜吉祥, 钟必能, 柳欣, 李海波. 2016 年度厦门市科技进步三等奖.

(6)   基于部件表观模型和局部背景估计的鲁棒目标跟踪, 钟必能, 陈雁, 沈映菊, 陈叶旺. 2016年泉州市自然科学优秀学术论文一等奖.

(7)   面向闽南优势农业的信息资源挖掘与集成服务平台研发, 李海波、陈维斌、缑锦、陈叶旺、叶剑虹.2014 年度泉州市科学进步三等奖.

 

近年学术论文

[1]     Chen W, Chen Y*. PP4RNR: Popularity-and Position-Aware Contrastive Learning for Retrieval-Driven News Recommendation[C]//Proceedings of the 33rd ACM International Conference on Information and Knowledge Management. 2024: 3684-3688. [CCF B类，信息检索和数据挖掘领域顶级学术会议]

[2]     Y. Chen, W. Ye, C. Lin, and Y. Chen, “Unbiased news recommendation model combining time and content,” Expert Systems with Applications, vol. 256, No. 5 p. 124864, 2024. [中科院一区 top]

[3]     Y. Chen, Y. Yang, S. Pei, Y. Chen, and J. Du, “A simple rapid sample-based clustering for large-scale data,” Engineering Applications of Artificial Intelligence, vol. 133, p. 108551, 2024. [中科院二区 top]

[4]     Y. Chen, Y. Yang, and Y. Chen, “C4y: a metric for distributed IoT clustering,” CCF Transactions on Pervasive Computing and Interaction, pp. 1–17, 2024.

[5]     Z. Sun, Z. Chen, J. Liu, Y. Chen, and Y. Yu, “Partial multi-label feature selection via low-rank and sparse factorization with manifold learning,” Knowledge-Based Systems, vol. 296, p. 111899, 2024. [中科院一区 top]

[6]     Y. Chen, W. Ye, G. Xv, C. Lin, and X. Zhu, “Tccm: Time and content-aware causal model for unbiased news recommendation,” in Proceedings of the 32nd ACM International Conference on Information and Knowledge Management, 2023, pp. 3778–3782.      [CCF B类，信息检索和数据挖掘领域顶级学术会议]

[7]     W. Fan, W. Shangguan, and Y. Chen, “Transformer-based contrastive learning framework for image anomaly detection,” International Journal of Machine Learning and Cybernetics, vol. 14, no. 10, pp. 3413–3426, 2023.

[8]     陈叶旺,曹海露, 陈谊等. “面向大规模数据的DBSCAN加速算法综述”, 计算机研究与发展, 2023, 60(09):2028-2047. [EI, 国内权威学术期刊, CCF A类]

[9]     J. Xuebin, C. Yewang, F. Wentao, Z. Yong, and D. Jixiang, “Fast algorithm for parallel solving inversion of large scale small matrices based on gpu,” The Journal of Supercomputing, vol. 79, no. 16, pp. 18 313–18 339, 2023.

[10]  G. Xv, C. Lin, H. Li, J. Su, W. Ye, and Y. Chen, “Neutralizing popularity bias in recommendation models,” in Proceedings of the 45^th international ACM SIGIR conference on research and development in information retrieval, 2022, pp. 2623–2628. [CCF A]

[11]  M. Yan, Y. Chen, Y. Chen, G. Zeng, X. Hu, and J. Du, “A lightweight weakly supervised learning segmentation algorithm for imbalanced image based on rotation density peaks,” Knowledge-Based Systems, vol. 244, p. 108513, 2022. [中科院一区 top]

[12]  M. Yan, Y. Chen*, X. Hu, D. Cheng, Y. Chen, and J. Du, “Intrusion detection based on improved density peak clustering for imbalanced data on sensor-cloud systems,” Journal of Systems Architecture, vol. 118, p.102212, 2021. [SCI, CCF B类, 通讯作者, 基于旋转密度峰值聚类算法,提出一种网络入侵数据检测算法]

[13]  T. Wang, Y. Li, W. Fang, W. Xu, J. Liang, Y. Chen, and X. Liu, “A comprehensive trustworthy data collection approach in sensor-cloud systems,” IEEE transactions on big data, vol. 8, no. 1, pp. 140–151, 2018.

[14]  Y. Chen, L. Zhou, S. Pei, Z. Yu, Y. Chen, X. Liu, J. Du, and N. Xiong, “Knn-block dbscan: Fast clustering for large-scale data,” IEEE transactions on systems, man, and cybernetics: systems, vol. 51, no. 6, pp. 3939–3953, 2019. [中科院一区 top]

[15]  Y. Chen, L. Zhou, N. Bouguila, C. Wang, Y. Chen, and J. Du, “Block- dbscan: Fast clustering for large scale data,” Pattern Recognition, vol. 109, p. 107624, 2021. [中科院一区 top]

[16]  Y. Chen, “Dbscan is semi-spectral clustering,” in 2020 6th International Conference on Big Data and Information Analytics (BigDIA). IEEE, 2020, pp. 257–264. [阐述DBSCAN 与谱聚类关系, best paper award]

[17]  X. Hu, M. Yan, Y. Chen*, L. Yang, and J. Du, “Rotation-dpeak: Improving density peaks selection for imbalanced data,” in CCF Conference on Big Data. Springer, 2020, pp. 45–58.

[18]  W. Fan, L. Yang, N. Bouguila, and Y. Chen, “Sequentially spherical data modeling with hidden markov models and its application to fmri data analysis,” Knowledge-Based Systems, vol. 206, p. 106341, 2020. [中科院一区 top]

[19]  H. Li, Y. J. Wu, and Y. Chen, “Time is money: Dynamic-model- based time series data-mining for correlation analysis of commodity sales,” Journal of Computational and Applied Mathematics, vol. 370, p. 112659, 2020.

[20]  陈叶旺, 申莲莲, 钟才明, 王田, 陈谊, and 杜吉祥, “密度峰值聚类算法综述”, 计算机研究与发展, vol. 57, p. 378, 2020. [国内权威学术期刊, CCF A类, 提出了密度峰值聚类算法可能是mean shift的一个特殊变种的猜想, 入选《计算机研究与发展》2020高被引TOP 10, 入选CNKI 学术精要高被引论文]

[21]  Y. Chen, X. Hu, W. Fan, L. Shen, Z. Zhang, X. Liu, J. Du, H. Li, Y. Chen, and H. Li, “Fast density peak clustering for large scale data based on knn,” Knowledge-Based Systems, vol. 187, p. 104824, 2020. [中科院一区 top]

[22]  Y. Chen, L. Zhou, Y. Tang, J. P. Singh, N. Bouguila, C. Wang, H. Wang, and J. Du, “Fast neighbor search by using revised kd tree,” Information Sciences, vol. 472, pp. 145–162, 2019. [中科院一区 top]

[23]  Y. Chen, L. Zhou, N. Bouguila, B. Zhong, F. Wu, Z. Lei, J. Du, and H. Li, “Semi-convex hull tree: Fast nearest neighbor queries for large scale data on gpus,” in 2018 IEEE International Conference on Data Mining (ICDM). IEEE, 2018, pp. 911–916. [数据挖掘顶级学术会议, 提出半凸包树]

[24]  Y. Chen, S. Tang, N. Bouguila, C. Wang, J. Du, and H. Li, “A fast clustering algorithm based on pruning unnecessary distance computations in dbscan for high-dimensional data,” Pattern Recognition, vol. 83, pp. 375–387, 2018. [中科院一区 top]

[25]  Y. Chen, S. Tang, S. Pei, C. Wang, J. Du, and N. Xiong, “Dheat: A density heat-based algorithm for clustering with effective radius,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 48, no. 4, pp. 649–660, 2017. [中科院一区 top]

[26]  Y. Chen, S. Tang, L. Zhou, C. Wang, J. Du, T. Wang, and S. Pei, “Decentralized clustering by finding loose and distributed density cores,” Information Sciences, vol. 433, pp. 510–526, 2018. [中科院一区 top]

[27]  Y. Chen, J. P. Singh, L. Zhou, and N. Bouguila, “Frs: Fast range search by pruning unnecessary distance computations based on kd tree,” in 2017 IEEE International Conference on Data Mining Workshops (ICDMW). IEEE, 2017, pp. 1160–1165.

[28]  D. Lai, Y. Chen, X. Luo, J. Du, and T. Wang, “Age estimation with dynamic age range,” Multimedia Tools and Applications, vol. 76, no. 5, pp. 6551–6573, 2017.

[29]  Y. Chen, Q. Zhou, W. Luo, and J.-X. Du, “Classification of Chinese texts based on recognition of semantic topics,” Cognitive Computation, vol. 8, no. 1, pp. 114–124, 2016.

[30]  Y. Chen, J.-L. Wang, Y.-Q. Cai, and J.-X. Du, “A method for Chinese text classification based on apparent semantics and latent aspects,” Journal of Ambient Intelligence and Humanized Computing, vol. 6, pp. 473–480, 2015.

[31]  Y. Chen and Q. Lin, “Optical quantum router with cross-phase modulation,” Science China. Information Sciences, vol. 57, no. 12, pp. 1–11, 2014.

[32]  Y. Chen, D.-H. Lai, H. Qi, J.-L. Wang, and J.-X. Du, “A new method to estimate ages of facial image for large database,” Multimedia Tools and Applications, vol. 75, pp. 2877–2895, 2016.