基本信息
职称：教授
职务：博士生导师
主讲课程：《机器学习》、《人工智能》、《编译原理》
研究方向：机器学习、深度学习、多模态表示、特征表示、维数约简、粒计算。
电子邮件：shipingwangphd@163.com (preferred)； shipingwang@fzu.edu.cn
联系电话：0591-xxxxxxxx
个人简介
王石平，男，博士，教授，博士生导师，福州大学“旗山学者”(海外计划)，福建省引进高层次人才(B类)，CCF/IEEE高级会员，智慧地铁福建省高校重点实验室主任/福州大学智能信息处理研究所主任。在国际著名期刊和会议IEEE Trans. Pattern Analysis and Machine Intelligence, IEEE Trans. Signal Processing，IEEE Trans. Multimedia, IEEE Trans. SMC: Systems, IEEE Trans. Image Processing, IEEE Trans. Intelligent Transportation Systems, IEEE Trans. Computational Social Systems, Pattern Recognition, Information Fusion, Information Sciences, Knowledge-Based Systems, Computer Vision and Image Understanding 等上发表SCI/EI检索论文130余篇，一作/通讯SCI期刊论文90余篇，Trans系列论文30余篇，Google Scholar 引用3000余次，h-index和i10-index指数分别为29和62。研究方向：机器学习、深度学习、多模态融合、特征表示、大数据分析。
学习经历
1. 2019.07--2020.06：北京大学，信息科学技术学院，访问学者，导师：林宙辰教授
2. 2015.08--2016.08：新加坡南洋理工大学，EEE学院，博士后，导师：Han Wang教授
3. 2014.12--2015.08：新加坡国立大学，ECE学院，研究助理，导师：Hongliang Ren教授
4. 2009.06--2014.12：电子科技大学，计算机科学与工程学院，博士(硕博连读)， 导师：朱清新教授
5. 2013.08--2014.08：加拿大阿尔伯特大学，ECE学院，博士联合培养，导师：Witold Pedrycz教授
工作经历
2021.05 --- 现在：福州大学 计算机与大数据学院 教授
2017.06 --- 2021.05：福州大学 数学与计算机科学学院 教授
2016.12 --- 2017.06：福州大学 数学与计算机科学学院 副教授（试用）
讲授课程
《机器学习》、《深度学习理论与实践》、《人工智能》、《编译原理》
科研项目
1. 国家自然科学基金面上项目，62276065，基于可微分网络的跨媒体多视图度量学习研究、2023.01-2026.12，在研，主持。
2. 国家自然科学基金青年项目，61502104，基于粒计算的大数据特征融合理论与方法、2016.01-2018.12，结题，主持。
3. 福建省自然科学基金面上项目，多视角半监督特征融合与数据分类关键技术研究，2020J01130193，2020.08-2023.07，结题，主持。
4. 国家自然科学基金海峡联合基金重点项目，跨网络跨媒体的两岸热点事件的智能挖掘与推送，U21A20472，2022.01-2025.12，在研，参与。
5. 国家自然科学基金海峡联合基金重点项目，面向两岸热点事件的社交多媒体大数据协同感知与计算，U1705262，2018.01-2021.12，结题，参与。
6. 福州大学旗山学者科研项目，XRC-17003，大数据中多模态特征融合理论与方法研究，2017.02-2020.01，结题，主持。
代表性论文
1. Shiping Wang, Zhaoliang Chen, Shide Du, Zhouchen Lin. Learning deep sparse regularizers with applications to multi-view clustering and semi-supervised classification, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022.
2. Linxin Zheng, Guobao Xiao, Ziwei Shi, Shiping Wang, Jiayi Ma. MSA-Net: Establishing Reliable Correspondences by Multi-Scale Attention Network, IEEE Transactions on Image Processing, 2022.
3. Luying Zhong, Jinbin Yang, Zhaoliang Chen, Shiping Wang. Contrastive Graph Convolutional Networks with Generative Adjacency Matrix. IEEE Transactions on Signal Processing, 2023.
4. Zhihao Wu, Zhaoliang Zhao, Shide Du, Zhenghong Lin, Bai Yang, Shiping Wang. Interpretable Graph Convolutional Network for Multi-view Semi-supervised Learning. IEEE Transactions on Multimedia, 2023.
5. Luying Zhong, Zhaoliang Chen, Zhihao Wu, Shide Du, Zheyi Chen, Shiping Wang. Learnable Graph Convolutional Network with Semi-supervised Graph Information Bottleneck. IEEE Transactions on Neural Networks and Learning Systems, 2023.
6. Shunxin Xiao, Huibin Lin, Xiaolong Qin, Shiping Wang. Multi-Relation Augmentation for Graph Neural Networks. IEEE Transactions on Emerging Topics in Computational Intelligence, 2023.
7. Yuhong Chen, Zhihao Wu, Zhaoliang Chen, Mianxiong Dong, Shiping Wang. Joint Learning of Feature and Topology for Multi-view Graph Convolutional Network. Neural Networks, 2023.
8. Zhaoliang Chen, Lele Fu, Jie Yao, Wenzhong Guo, Claudia Plant, Shiping Wang. Learnable Graph Convolutional Network and Feature Fusion for Multi-view Learning. Information Fusion, 2023.
9. Shiping Wang, Zhihao Wu, Yuhong Chen, Yong Chen. Beyond Graph Convolutional Network: An Interpretable Regularizer-centered Optimization Framework, AAAI, 2023.
10. Zhaoliang Chen, Zhihao Wu, Shiping Wang, Wenzhong Guo, Dual Low-Rank Graph Autoencoder for Semantic and Topological Networks, AAAI, 2023.
