王士刚-西南交通大学人事处 - 图文

西南交通大学关于2017年度公开招聘应聘人员情况

应 聘 人： 王士刚 应聘岗位： 教学科研岗 应聘单位：信息科学与技术学院 应聘单位负责人签章:

1、基本情况

性别 现任专业 技术职务 现工作单位或人事关系所在部门 最后学位 男 无 国籍 任职时间 中国 籍贯 出生年月 甘肃 1990年8月 西安电子科技大学电子工程学院 工学博士 授予学位单位 西安电子科技大学 最后学习阶段导师 杨淑媛教授 担任国际期刊IEEE Transactions on Geoscience and Remote 国内外主要学术及社会兼职 Sensing （IEEE TGRS）、IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing （IEEE JSTARS）、IEEE Geoscience and Remote Sensing Letters (IEEE GRSL)的审稿人 从事专业 信息与通信工程 个人主要研究方向：计算机视觉、机器学习、遥感图像解译 1. 针对高分辨SAR影像中目标所呈现出的结构化和弱散射等特点，提出了一种基于层次化稀疏显著建模的快速舰船目标检测方法。设计了基于随机森林的目标显著建模方法，实现了对场景中ROI区域的感知。同时，基于所提取的ROI区域，设计了一种基于恒虚警技术的动态轮廓模型，可以实现目标区域的准确定位。在实测SAR数据上的测试结果表明所提方法较传统基于统计和显著的方法有更好的性能。 2. 针对传统人工设计规则在复杂场景显著建模中的鲁棒性问题，提出了一种基于判别字典学习和联合贝叶斯推理的显著检测方法。设计了基于独立子空间假设的判别背景字典学习模型，可从图像中主动学习出具有区分力的显著线索。同时，推导出了可用于多源显著信息融合的联合贝叶斯推理模型，能结合异构视觉信息实现可靠的显著度量。所提方法的有效性在基准显著主要学术成绩、创新成果及评价 数据集上得到了验证，并且其在图像缩放问题上展现出了一定的应用潜力。 3. 针对显著建模问题的病态特点和对先验知识的依赖性，提出了基于有向图和多尺度贝叶基于超像素的有向图路径优化模型用于图像区域的显著度量。此外，将该模型扩展到了多个尺度以应对“小距离累积”问题，并设计了多尺度贝叶斯推理模型实现了像素级的显著融合。 4. 针对在最优几何流求解中所采用的穷尽搜索给Bandelet图像表示性能造成的影响，提出了一种基于拉普拉斯金字塔和改进Bandelet的图像压缩方法。设计了一种启发式Memetic算法用于实现准确的几何流定位，并将改进的Bandelet用于压缩经拉普拉斯金字塔分解的高频带。在自然和遥感图像上的测试结果表明，所提方法在低比特率下具有更优的压缩性能和速度。 以上成果发表学术论文10篇(第一或通讯作者4篇)，其中SCI收录7篇、EI收录3篇；授权发明专利2项。 明确：第一作者或通信作者论文：A++ 2 篇；A+ 1 篇；A 1 篇； 第二作者（导师第一作者）论文：A++ 1 篇； （限800字以内） 斯推理的复杂场景显著图生成方法。根据显著物体在空间上所具有的闭合和包围特性，设计了2、学习经历

学历/学位 起止时间 毕业学校 所学专业 导师 培养方式

1 / 3

本科 硕士 博士 2008.9-2012.7 2012.9-2014.1 2014.2至今 兰州交通大学 西安电子科技大学 西安电子科技大学 自动化（英语辅修） 电路与系统 智能信息处理 杨淑媛 杨淑媛 全日制 全日制 全日制 3、论文情况（5篇以内代表性论文）：

论文 分区 刊物性质（学术期及期刊号 刊分级A++ 等，SCI?区 A++ 中科院SCI二区 期刊类别影响因子及排序 他人引用次数 作序 号 题目 发表刊物或 出版单位名称 年度 期号 者 第一作者 排名 单位 1 New hierarchical saliency filtering for fast ship detection in high resolution SAR images Salient region detection via discriminative dictionary learning and joint Bayesian inference Saliency generation from complex scene via digraph and Bayesian inference Improved Bandelet with heuristic evolutionary optimization for image compression Fast ship detection of synthetic aperture radar images via multi-view features and clustering IEEE Transactions on Geoscience and Remote Sensing 2017 55(1) 1 西安电子科技大学 SCI期刊 0196-2892 4.942 4 2 2017 IEEE 在线发表 Transactions on Circuits and DOI:10.1109Systems for Video /TCSVT.201Technology 6.2642341 2015 170 1 西安电子科技大学 SCI期刊 1051-8215 A+ 中科院SCI二区 3.599 3 Neurocomputing 1 西安电子科技大学 SCI期刊 0925-2312 A++ 中科院SCI二区 3.317 2Engineering Applications of Artificial Intelligence 2014 31 导师一作 西安电子科技大学 SCI期刊 0952-1976 A++ 中科院SCI二区 2.894 6 4 5 IEEE International Joint Conference on Neural Networks 2014 1 西安电子科技大学 国际会议 A EI检索 2 4、科研项目 :

项目时间 2013.1~2017.12 2015.1~2018.12 2015.1~2017.12 项目名称 非结构化环境的协同感知与高效目标相关信息获取 稀疏认知下的遥感影像在轨变化检测与目标提取 基于神经计算的***技术研究 项目类型 国家重点基础研究发展计划项目 国家自然科学基金重大研究计划 中国人民解放军总装预研项目 经费 350万 380万 250万 参与状况（排序） 参与 参与 参与

2 / 3

2016.12~2019.12 2016.12~2018.12 2014.1~2014.12 2015.1~2015.12 复杂环境***探测技术 基于稀疏深度学习的***技术研究 模拟域压缩感知ADC/AIC研究 基于压缩感知的光谱成像技术研究 Nature Inspired Computation and its 装备预先研究项目 十三五装备预研基金 华为创新研究计划 西安电子科技大学昆山创新研究院合作项目 EU FP7 IRSES (No.247619) 320万 50万 15万 10万 参与 参与 参与 参与 2011.3~2015.3 Application (NICaiA) --- 参与 5、专利情况

专利类别 发明 发明 专利名称 基于特征融合和聚类的高分辨SAR图像快速舰船检测方法 一种基于层次化稀疏建模的图像显著性检测方法 专利所有人 西安电子科技大学 西安电子科技大学 授权时间 2017年 2017年 授权国别 中国 中国 专利号 ZL201410234205 ZL201410499111 6、获奖情况：

时间 2013.11 2013.12 2013.12 2015.12 2016.12 2016.12 名称 西安电子科技大学优秀研究生标兵 硕士研究生国家奖学金 宇龙酷派精英学子奖一等奖 西安电子科技大学优秀博士研究生 博士研究生国家奖学金 西安电子科技大学优秀研究生 奖项与等级 校级 国家级 校级 校级 国家级 校级 排序 1 1 1 1 1 1

3 / 3

本文来源：https://www.bwwdw.com/article/namv.html