PDF《一、 个人基本情况：》

一、 个人基本情况: 姓名:陈慧灵 性别:男 出生年月:1983 年4月名族:汉族 职称职务:校聘教授,硕导 政治面貌:党员 最后学历、学位:研究生,博士 工作单位:温州大学数理与电子信息工程学院 通讯地址:浙江省温州市高教园区温州大学数理与电 子信息工程学院 1A415 办公室 邮政编码:325035

电话:0577-86689125 Email: chenhuiling.

jlu@gmail.com 或chenhuiling_jsj@wzu.edu.cn 主页:https://www.researchgate.net/profile/Huiling_Chen/publications 实验室主页 :http://mdm.wzu.edu.cn/

二、 从事研究的专业领域及主要研究方向 研究的专业领域: 人工智能、知识工程 主要研究方向:数据挖掘、机器学习方法及应用

三、 主要工作经历及业绩

2012 年6月吉林大学博士毕业,同年

7 月被引入温州大学.主持国家 青年科学基金项目

1 项,浙江省自然基金

1 项,温州市重大科技专项

1 项, 教育部重点实验室开放课题

1 项,温州市科技计划一般项目

1 项, 以主要参 加人参与国家基金项目

4 项、浙江省自然基金项目

3 项.荣获温州市第十 五届自然科学优秀论文一等奖

1 项,2014 年度温州大学优秀共产党员,

2017 年度温州大学优秀教师等称号.入选

2016 年度温州市

551 人才工 程 .近年来主要从事数据挖掘、机器学习方法研究及其在医学、金融等 领域的应用研究.发表论文

80 余篇,其中多篇发表在 Expert Systems with Applications、Knowledge-based Systems、Neurocomputing, Soft computing 和Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD)等国际主流学术期刊和会议上.当前 H 指数为

21 (Google Scholar 统计),论文被引数达

1500 余次.目前担任 IEEE Transactions on Systems, Man, and Cybernetics, Part B、Artificial Intelligence in Medicine、 Neurocomputing 、 International Journal of Systems Science 、 Computer Methods and Programs in Biomedicine、Future Generation Computer Systems 等国际杂志的审稿人. 主要经历如下:

2015 年~至今 温州大学 校聘教授

2017 年12 月~至今 温州大学 副教授

2012 年7月~2017.11 月 温州大学 讲师

2008 年9月~2012 年6月吉林大学 博士

四、 近年完成的主要教学科研成果目录 1. 代表性论文 1) Automatic Analysis of Microaneurysms Turnover to Diagnose the Progression of Diabetic Retinopathy. IEEE Access, 2018. DOI: 10.1109/ACCESS.2018.2808160. (通讯) 2) An Effective Machine Learning Approach for Identifying the Glyphosate Poisoning Status in Rats Using Blood Routine Test. IEEE Access, 2018, DOI:10.1109/ACCESS.2018.2809789. (通讯) 3) An Improved Bacterial-Foraging Optimization-Based Machine Learning Framework for Predicting the Severity of Somatization Disorder. Algorithms, 2018. DOI: 10.3390/a11020017. (通讯) 4) Developing a new intelligent system for the diagnosis of tuberculous pleural effusion. Computer Methods and Programs in Biomedicine, 2018, 153: 211-225. (通讯) 5) A new machine-learning method to prognosticate paraquat poisoned patients by combining coagulation, liver, and kidney indices. Plos One, 2017, 12(10):e0186427. (共同通讯) 6) Grey wolf optimization evolving kernel extreme learning machine: Application to bankruptcy prediction. Engineering Applications of Artificial Intelligence, 2017. 63: p. 54-68. (通讯) 7) Toward an optimal kernel extreme learning machine using a chaotic moth-flame optimization strategy with applications in medical diagnoses. Neurocomputing, 2017. (通讯) 8) Ultrasound-based differentiation of malignant and benign thyroid Nodules: An extreme learning machine approach. Computer Methods and Programs in Biomedicine, 2017. 147: p. 37-49. (通讯) 9) A new hybrid intelligent framework for predicting Parkinson'