简介：

王熙照，博士，教授，博士生导师，IEEE Fellow, CAAI Fellow, Springer杂志Machine Learning and Cybernetics主编，中国人工智能学会知识工程专委会、机器学习专委会副主任委员。深圳市海外高层次（孔雀B类）人才，曾获河北省自然科学一等奖1项和全国模范教师称号；2014年至今服务于深圳大学大数据所。主要研究兴趣包括不确定性建模和面向大数据的机器学习，出版学术专著3部，教材2部，发表学术论文200多篇，主持完成国家自然科学基金等项目30多项，创办的国际会议机器学习与控制论(ICMLC)已持续16年。

1998年毕业于哈尔滨工业大学计算机系，获工学博士学位（计算机应用专业）；1998年至2001年赴香港理工大学计算科学系研究员（Research Fellow）；2000年10月至2014年3月任河北大学数学与计算机学院院长，2007年10月至2014年3月任河北省机器学习与计算智能重点实验室主任；2013年9月至11月加拿大Simon Fraser大学访问教授(Visiting Professor)，2013年12月至2014年1月加拿大Alberta大学访问教授；2014年7月至9月澳大利亚New South Wales大学访问教授；2014年3月至今任深圳大学计算机与软件学院教授、大数据研究所副所长。

联系方式：

邮箱：xzwang@szu.edu.cn

主要研究方向：

机器学习与不确定性信息处理，包括示例模糊表示的归纳学习、近似推理与专家系统、神经网络敏感性分析、统计学习理论、模糊测度与模糊积分、随机权网络和近期的深度学习、大数据机器学习理论与方法等。主要研究特色是通过发现和表示大数据中的不确定性，挖掘大数据的结构分布，进而利用分布并行技术，设计并实现适用于不同类型大数据的分类和聚类算法，以及相应的关键技术和理论问题研究。

学术贡献：

首次在1996攻读博士期间提出了“模糊示例学习”的概念，并将这一概念扩展到基于不确定性理论的机器学习框架下，持续近20的研究取得了系列有重要影响的成果，例如，项目“模糊值属性特征子集的选取”2007年获得河北省自然科学一等奖。提出“不确定性建模与有效处理是影响机器学习算法泛化能力最主要因素之一”的观点，得到同行专家的高度认可，2018-2022得到国家自然科学基金重点项目“面向大数据机器学习的不确定性建模理论与方法”资助。建立了“偏离0.5模糊聚类精炼方法和技术，进而延拓成为基于不确定性度量的半监督学习模式”，并将其应用到大数据学习。由于在此方面的学术贡献2012年被评为IEEE Fellow。

研究成果：

共出版学术专著3部，教材2部；在机器学习与不确定性领域的著名杂志和会议发表学术论文200多篇，其中SCI或EI检索150余篇；论文发表的杂志包括IEEE Transactions on Pattern Analysis and Machine Intelligence、IEEE Transactions on Fuzzy Systems、IEEE Transactions on Cybernetics、Machine Learning 、Information Sciences和Fuzzy Sets and Systems。Google Scholar搜索显示论文累计引用次数超过6360次，单篇最高引用超过600次，SCI-H指数2017年11月查询为42；主持完成国家自然科学基金项目、教育部科学技术研究重点项目、国家发改委项目、深圳市科技计划项目及参加香港RGC项目等30多项。

获奖与荣誉：

2007年获河北省自然科学一等奖1项、教育部高等学校科学技术奖自然科学二等奖1项，2007年入选河北省首批百名优秀创新人才支持计划，2009年获全国模范教师称号；2012年当选为IEEE Fellow，2013年入选深圳市地方领军人才，2014/15/16年入选Elsevier统计的学术论文高被引中国学者榜单，2015年认定为深圳市海外高层次（孔雀B类）人才，2016年认定为深圳大学领军学者。