基本信息

 刘艳 计算机科学与技术学院
电子邮件:yanliu@ucas.ac.cn 

通信地址:北京市怀柔区怀北镇怀北庄中国科学院大学雁栖湖校区学园二383室

邮政编码:101408


研究领域

信号处理,图像处理,机器学习

研究兴趣

1. 信号处理
2. 图像处理
3. 机器学习

招生信息

   
招生专业
081203-计算机应用技术
招生方向
图像处理,信号处理,机器学习

教育背景

1、2007.6    中国科学院电子学研究所,信号与信息处理,博士学位

2、2004.6    山东大学信息科学与工程学院,通信与信息系统,硕士学位

3、2001.7    山东大学电子工程系,电子信息科学与技术,学士学位

   

出国学习工作
2013/12-2015/01,美国伊利诺伊大学香槟分校(UIUC),电子与计算机工程系,访问学者

工作经历


2013/12-2015/01,美国伊利诺伊大学香槟分校(UIUC),电子与计算机工程系,访问学者;
2007年7月至今   中国科学院大学 讲师,副教授。

教授课程

现代数字信号处理
数据库新技术
图像处理与计算机视觉
知识图谱的数据管理

出版信息

1. Region-of-Interest Based Sparse Feature Learning Method for Alzheimer’s Disease Identification. Computer Methods and Programs in Biomedicine, 2020, 187: 1-10.

2. Comparison and Analyzation of Different Feature Parameters for Alzheimer’s disease Identification, EMBC'2019.

3. Tracing the Layer Boundary of the Ice Sheet from Radio-Echo Sounding Data, GPR’2018.

4. Compartmental Gaussian Mixture Model used for Layer Detection in Radio-Echo Sounding Data, ICSP’2018.

5. An Automatic Classification of Alzheimer’s Disease Based on Structural MRI Data Compared with Voxel-Based Morphometry Method. ISMRM’2018.

6. Automated Classification of Alzheimer’s Disease by Interregional Correlation Matrix in Structural MR Images. RSNA’2018.

7.  Compartmental Sparse Feature Selection Method for Alzheimer’s disease Identification. EMBC’2017.  

8.  Elastic Net based sparse feature learning and classification for Alzheimer’s disease identification. EMBC’2017.

9.  Classification of Alzheimer’s Disease by Compartmental Sparse Feature Selection in Structural MRI Data.  RSNA’2017.

10. Improved Low-Rank Filtering of Magnetic Resonance Spectroscopic Imaging Data Corrupted by Noise and B0 Field Inhomogeneity, IEEE Transactions on Biomedical Engineering, 2016, vol.63, no.4, pp: 841-849.

11. Compartmental Low-Rank Filtering of Radio-Echo Sounding Data, GPR'2016.

科研项目

1. 冰裂隙检测雷达关键技术研究,国家自然基金面上项目,2018.1-2021.12

2. 极地高分辨率冰厚探测雷达成像与数据处理方法研究 ,国家自然科学基金青年基金,2014.1-2016.12 。
3. 《现代数字信号处理》课程,中科院十二五教育信息化“精品数字课程建设项目”,2012.12-2014.11。
4. 面向公共安全的智能视频监控新技术与新方法,北京市自然科学基金重点项目,2011.1-2013.12。