西南交通大学关于2018年度公开招聘应聘人员情况.doc

《西南交通大学关于2018年度公开招聘应聘人员情况.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学关于2018年度公开招聘应聘人员情况应聘人：张绍泉应聘岗位：师资博士后应聘单位：信息科学与技术学院应聘单位负责人签章:1、基本情况性别男国籍中国籍贯江西抚州现任专业技术职务无任职时间出生年月1990年9月现工作单位或人事关系所在部门最后学位博士授予学位单位中山大学最后学习阶段导师李军教授国内外主要学术及社会兼职担任国际期刊IEEETransactionsonGeoscienceandRemoteSensing、IEEEJournalofSelectedTopicsinAppliedEarthObser

2、vationsandRemoteSensig、IEEEGeoscienceandRemoteSensingLetters、JournalofAppliedRemoteSensing的审稿人从事专业地图学与地理信息系统主要学术成绩、创新成果及评价（限800字以内）个人主要研究方向：高光谱遥感图像处理、信号处理。1.针对遥感图像中不存在纯像元以及现有解混方法抗噪性能差等问题，结合约束理论提出了鲁棒的最小体积单形体分析算法，针对该模型，利用内点法对二次规划问题进行优化求解，极大地降低了算法的复杂度，使得算法适应于观测场

3、景中地物的复杂混合问题，解决了在纯像元不存在和数据污染严重（噪声多、有奇异值）等情况下对高光谱图像进行盲信号分离的难题。2.针对目前大多稀疏解混模型仅从光谱角度分析，未充分利用像元间丰富的空间信息等问题，通过引入空间局部邻域加权因子表征高光谱图像邻域像元间的空间相关性，同时利用协同稀疏正则项刻画丰度系数的行稀疏性，提出了空间局部邻域协同稀疏解混方法，用以促进像元的局部协同稀疏性。实验结果表明该方法能够充分利用遥感图像的空间局部信息，更好的保持图像的空间结构及细节信息。3.针对高光谱图像表现出的空间不连续性问题，利

4、用sobel算子提取出图像的不连续性特征，将获得的空间不连续性特征作为加权因子，引入现有的稀疏解混模型，提出了空间不连续性加权稀疏解混模型。该模型在不增加算法复杂度的同时引入了图像的空间信息。实验结果表明，所提方法能够很好的保持图像的空间异质信息以及提升丰度估计的结果。4.针对传统稀疏解混方法对丰度系数的稀疏性先验表征不充分，导致算法稳定性差，以及未有效融合图像的空间和光谱信息等问题，在分析迭代加权稀疏解混方法的基础上，提出了一种新的空谱联合加权稀疏解混模型。该模型同时引入光谱和空间加权因子，一方面利用光谱加权因

5、子增强识别光谱库中端元的能力，一方面利用空间加权因子表征像元之间的空间相关性。实验结果表明，与其他稀疏解混方法相比，所提方法增强了解的稀疏性，保留了丰度图像更精细的结构和纹理，提高了解混精度。以上成果发表学术论文11篇(第一或通讯作者6篇)，其中SCI收录6篇、EI收录4篇（SCI与EI论文不重复计算。明确：第一作者或通信作者论文：A++　3　篇；A+　1　篇；B+　1　篇。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本科2008.9-2012.7南昌工程学院通信工程全日制硕士2012.9-2015

6、.1南昌工程学院动力工程邓承志全日制博士2015.8-2018.7中山大学地图学与地理信息系统李军全日制3、论文情况（5篇以内代表性论文）：序号题目发表刊物或出版单位名称年度期号作者排名第一作者单位刊物性质及期刊号论文分区（学术期刊分级A++等，SCI?区期刊类别影响因子及排序他人引用次数1RobustMinimumVolumeSimplexAnalysisforHyperspectralUnmixingIEEETransactionsonGeoscienceandRemoteSensing2017,55(11)

7、1中山大学SCI期刊0196-2892A++中科院SCI二区Top4.94212Spectral-SpatialWeightedSparseRegressionforHyperspectralImageUnmixingIEEETransactionsonGeoscienceandRemoteSensing2018,在线发表DOI:10.1109/TGRS.2018.27972001中山大学SCI期刊0196-2892A++中科院SCI二区Top4.94203SpatialDiscontinuity-Weighte

8、dSparseUnmixingofHyperspectralImagesIEEETransactionsonGeoscienceandRemoteSensing2018,已接受1中山大学SCI期刊0196-2892A++中科院SCI二区Top4.94204HyperspectralUnmixingBasedonLocalCollaborativeSparseRegress