张晓炜

政治面貌:中共党员

职    称:教授、博士生导师/硕士生导师

职    务:计算机应用技术研究所所长

所在系所:计算机应用技术研究所

邮    箱:zhangxw@lzu.edu.cn

办公地址:飞云楼502

学习经历

(1)1999.09-2003.06 兰州大学信息科学与工程学院 计算机科学与技术 工学学士

(2)2003/09-2006/06 兰州大学信息科学与工程学院 计算机应用技术 工学硕士

(3)2010/09-2016/06 兰州大学信息科学与工程学院 计算机应用技术 工学博士

工作经历

(1)2006.07-2015.04 兰州大学信息科学与工程学院 讲师

(2)2015.05-至今 兰州大学信息科学与工程学院 副教授

教学情况

主讲本科生课程:计算机导论、信息安全原理与技术

指导研究生情况

2017年开始指导硕士研究生

研究方向

情感智能、机器学习、多模数据融合

招生专业

计算机科学方向

项目成果

主持参与完成的项目:

科技部“973”计划项目1项(项目号2014CB744600)
国家自然科学基金委员会青年基金项目1项(项目号61402211);
甘肃省省青年科技基金计划项目1项(项目号1208RJYA015);

目前在研项目:

科技部重点研发计划项目2项(项目号2019YFA0706200; 2017YFE0111900)

发表论文及专著

发表SCI/EI论文20余篇,近5年主要的SCI/EI论文如下:

  • Xiaowei Zhang, Jing Pan, Jian Shen, Zia ud Din, Junlei Li, Dawei Lu, Manxi Wu, Bin Hu*, Fusing of Electroencephalogram and Eye Movement with Group Sparse Canonical Correlation Analysis for Anxiety Detection, IEEE Transactions on Affective Computing, 2020: 1-1.
  • Zhang X, Shen J, ud Din Z, et al. Multimodal Depression Detection: Fusion of Electroencephalography and Paralinguistic Behaviors Using a Novel Strategy for Classifier Ensemble[J]. IEEE journal of biomedical and health informatics, 2019, 23(6): 2265-2275.
  • Shen J, Zhang X, Hu B, et al. An Improved Empirical Mode Decomposition of Electroencephalogram Signals for Depression Detection[J]. IEEE Transactions on Affective Computing, 2019.
  • Zhang X, Wang Y, Zhao S, et al. Emotion recognition based on electroencephalogram using a multiple instance learning framework[C]//International Conference on Intelligent Computing. Springer, Cham, 2018: 570-578.
  • Zhang X, Yao Y, Wang M, et al. Normalized mutual information feature selection for electroencephalogram data based on grassberger entropy estimator[C]//2017 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). IEEE, 2017: 648-652.
  • Zhao S, Zhao Q, Zhang X, et al. Wearable EEG-based real-time system for depression monitoring[C]//International Conference on Brain Informatics. Springer, Cham, 2017: 190-201.
  • Zhang X, Hu B, Ma X, et al. Resting-State Whole-Brain Functional Connectivity Networks for MCI Classification Using L2-Regularized Logistic Regression[J]. IEEE Transactions on Nanobioscience, 2015, 14(2): 237-247. 237-247.