Personal Information
Supervisor of Master's Candidates
Gender:Female
Education Level:博士研究生
Degree:Doctoral Degree in Engineering
Business Address:机电实验大楼三楼
E-Mail:04cb6b980e9ee389583212886c32eca52e713087f26fa73170d6cbeba48e11aa5ba0e970c335da940119626268cebf08b154acc57f9173cfd63cf90ff064c9782ff17f0521a68d3f717e5ff4f734e327458e93b0e18161a2135d55f6f30e15f72c4371da0285b2799f929d2b562dbcfa3d212e2eb00be27abff8cd1ebb6c7a4d
Status:在岗
Discipline:Computer Applications TechnologySoftware EngineeringComputer Technologysoftware engineering
Profile
华侨大学人工智能系副教授,工学博士,硕士生导师,系统分析师(高级)。毕业于武汉大学计算机学院(硕博连读),华侨大学模式识别与计算机视觉科研创新团队骨干成员。近年来,主持国家自然科学基金面上项目1项,青年项目1项、闽港合作项目1项、福建省自然科学基金面上2项、国家自然科学基金培育项目、华侨大学科研项目,横向课题等若干项;并作为技术骨干参与多项国家及省部级项目,近年来主要研究方向为多媒体分析、模式识别、计算机视觉与机器学习,已在国内外知名期刊和会议上(IEEE Trans. Neural Networks and Learning Systems、IEEE Trans. Human Machine Systems、Pattern Recognition、Neurocomputing、计算机研究与发展、计算机辅助设计与图形学学报、SIGIR, ICDM, ICASSP等)发表论文40余篇,获得2010-2012年度华侨大学优秀教师,2013-2015年度华侨大学优秀党员,2014-2016年度华侨大学教学先进个人。
研究方向:多媒体分析、计算机动画、图形图像、模式识别和机器学习。
研究生招生:学硕、专硕、非全日制硕士(欢迎邮件咨询)!
招生学院: 计算机科学与技术学院
近期部分代表性论著:
※ Luo Tian, Shu-Juan Peng*, Xin Liu, Yewang Chen & Jianjia Cao,Multi-view anomaly detection via hybrid instance-neighborhood aligning and cross-view reasoning,Multimedia Systems, article number 314, 2024.[CCF推荐期刊]
※ 钟善男,彭淑娟*,柳欣,王楠楠,李太豪,“双分支线索深度感知与自适应协同优化的多模态虛假新闻检测”,计算机学报, 46(12),2612-2625, 2023[CCF推荐A类中文期刊]
※ Shannan Zhong, Shu-Juan Peng*, Xin Liu, Lei Zhu, Xing Xu, Taihao Li. Ecarnet: enhanced clue-ambiguity reasoning network for multimodal fake news detection, Multimedia Systems, Volume 30, article number 55, 2024.[CCF推荐期刊]
※ S.J. Peng, Y. He, X. Liu, Y.M. Cheung, X. Xu and Z. Cui, “Relation-Aggregated Cross-Graph Correlation Learning for Fine-Grained Image-Text Retrieval”, IEEE Transactions on Neural Networks and Learning Systems, vol. 35, no. 2, pp. 2194-2207, Feb. 2024. [SCI一区,CCF推荐英文期刊,Top期刊]
※ S.J. Peng, Y. Fan, Y.M. Cheung, X. Liu, Z. Cui and T.H. Li, “Towards Efficient Cross-Modal Anomaly Detection Using Triple-adaptive Network and Bi-quintuple Contrastive Learning”, IEEE Transactions on Emerging Topics in Computational Intelligence, vol. 8, no. 1, pp. 697-709, Feb. 2024. [SCI]
※ 范烨,彭淑娟*,柳欣,崔振,王楠楠,结合分层深度网络与相似度双向五元组的跨模态异常检测方法,计算机研究与发展, 59(12): 2770-2780, 2022. [CCF推荐A类中文期刊]
※ 何雨霖,彭淑娟*,柳欣,崔振,结合双向混合约束和弹性匹配验证机制的跨模态动作匹配,计算机辅助设计与图形学学报, 2022. [CCF推荐A类中文期刊]
※ D.Q Liu, S.J. Peng*, X. Liu, L. Zhu, Z. Cui, and T.H. Li, Inconsistency Distillation For Consistency: Enhancing Multi-View Clustering via Mutual Contrastive Teacher-Student Leaning, Proceedings of the 22nd IEEE International Conference on Data Mining (ICDM’2022), pp. 251-258 [数据挖掘Top会议,CCF推荐会议]
※ S.J. Peng, H. Zhang, X. Liu, W.T. Fan, B.N. Zhong, J.X. Du "Real-Time Video Dehazing via Incremental Transmission Learning and Spatial-temporally Coherent Regularization", Neurocomputing, October 2021, Pages 602-614, 2021 [CCF推荐英文期刊,Top期刊]
※ Y. He, X. Liu, Y.M. Cheung, S.J. Peng, J.H. Yi and W.T. Fan, “Cross-Graph Attention Enhanced Multi-Modal Correlation Learning for Fine-Grained Image-Text Retrieval”, Proceedings of the 44th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 21), July 11-15, 2021, Pages 1865–1869 [信息检索Top会议,CCF推荐A类]
※ 彭淑娟,周兵,柳欣,钟必能,人体运动生成中的深度学习模型综述,计算机辅助设计与图形学学报, 30(6), pp. 1166-1175,2018. [CCF推荐A类中文期刊]
※ 胡东,彭淑娟*,柳欣,杜吉祥,结合深度自编码和时空特征约束的运动风格转移方法,计算机辅助设计与图形学学报, 30 (5), pp. 946-956, 2018. [CCF推荐A类中文期刊]
※ 周兵,彭淑娟*,柳欣,融合生成模型和判别模型的双层 RBM 运动捕获数据语义识别算法,计算机辅助设计与图形学学报, 29(4), pp 689-698,2017. [CCF推荐A类中文期刊]
※ S.J. Peng, G.F. He, X. Liu, H.Z. Wang, “Hierarchical block-based incomplete human mocap data recovery using adaptive nonnegative matrix factorization”, Computers &Graphics, 49, pp:10–23, 2015. [CCF推荐英文期刊]
※ 赫高峰、彭淑娟*、柳欣、钟必能,结合模糊聚类和投影近似点算法的缺失人体运动捕捉数据重构,计算机辅助设计与图形学学报,2015 , 27 ( 8 ): 1407-1415. [CCF推荐A类中文期刊]
※ 彭淑娟,赫高峰,柳 欣,王华珍,钟必能 ,基于运动分割和稀疏低秩分解的失真人体运动捕捉数据恢复,计算机辅助设计与图形学学报,2015,27(4):721-730. [CCF推荐A类中文期刊]
Other Contact Information
No content
Educational Experience
No content
Work Experience
No content
Social Affiliations
No content
Research Focus
No content
Research Group
No content