最终学位：博士
导师类型：博士生导师
电子邮箱：wjwang@sxu.edu.cn
联系电话：0351-7010566
研究方向：机器学习、数据挖掘、人工智能
王文剑，博士，二级教授，博士生导师，计算智能与中文信息处理教育部重点实验室副主任，数据智能与认知计算山西省重点实验室主任，人工智能与大数据山西省产教融合重大平台载体负责人，教育数字化治理与应用山西省高等学校实验室主任、山西省省级数字化转型促进中心（培育）负责人。是教育部新世纪优秀人才、山西省“三晋人才”拔尖骨干人才、山西省学术技术带头人、山西省青年学术带头人。
目前是CCF杰出会员，中国人工智能学会理事，新工科联盟理事会理事，中国人工智能学会机器学习专委会常务委员、知识工程与分布智能专委会常务委员，中国计算机学会人工智能与模式识别专委会委员，ACM太原分会副主席。
近年来主要从事机器学习、数据挖掘与人工智能等方面的研究，先后主持国家自然科学基金项目8项（含联合基金重点项目1项、课题1项）、省部级项目及企事业委托项目20余项。在《Journal of Machine Learning Research》《IEEE Trans. on Knowledge and Data Engineering》《IEEE Trans. on Service Computing》《Data Mining and Knowledge Discovery》《IEEE Transactions on Circuits and Systems for Video Technology》《Neural networks》《Pattern Recognition》《中国科学》《软件学报》《计算机研究与发展》、AAAI、IJCAI、ACM MM等国内外学术期刊和会议发表学术论文260余篇。由科学出版社出版专著2部；授权国家发明专利6项、实用新型专利5项；参与制定地方标准2项；先后获山西省自然科学一等奖2项（第三、四完成人）、科技进步二等奖2项（第一、二完成人）。出版教材5部，主讲山西省研究生教育精品课程《人工智能》，获山西省教学成果一等奖2项（第一完成人）。
[1] Gaoxia Jiang, Wenjian Wang*, Yuhua Qian, Jiye Liang. A unified sample selection framework for output noise filtering: an error-bound perspective. Journal of Machine Learning Research, 2021, 22(18): 1-66
[2] Yaqing Guo, WenjianWang*, Xuejun Wang. A robust linear feature selection method for data sets with unknown noise. IEEE Trans. on Knowledge and Data Engineering, 2023, 35(1): 31-44
[3] Xu, Hang, Wenjian Wang*, Qian, Yuhua. Fusing Complete Monotonic Decision Trees. IEEE Transactions on Knowledge and Data Engineering, 2017, 29(10): 2223-2235
[4] Hang Xu, Lifang Ren, Wenjian Wang*. A service selection method based on ordinal classification for historical records. IEEE Transactions on Services Computing, 2022, 15(3): 1321-1333
[5] Lifang Ren, Wenjian Wang*. A granular SVM-based method for Top-N web services recommendation. IEEE Transactions on Services Computing, 2022, 15(1): 457-469
[6] Lifang Ren, Wenjian Wang*, Hang Xu. A reinforcement learning method for constraint-satisfied services composition. IEEE Transactions on Services Computing, 2020, 13(5): 786-800
[7] Gaoxia Jiang, Jia Zhang, Xuefei Bai, Wenjian Wang*, Deyu Meng. Which is More Effective in Label Noise Cleaning, Correction or Filtering? Thirty-Eighth AAAI Conference on Artificial Intelligence. 2024, 38(11): 12866-12873
[8] Yudong Liang, Bin Wang, Wenqi Ren, Jiaying Liu, Wenjian Wang, Wangmeng Zuo. Learning Hierarchical Dynamics with Spatial Adjacency for Image Enhancement. ACM Multimedia 2022: 2767-2776
[9] Liang Du, Peng Zhou, Lei Shi, HanmoWang, Mingyu Fan, WenjianWang, Yi-Dong Shen. Robust Multiple Kernel K-means Clustering using L2, 1-norm. Proceedings of the Twenty-Fourth International Joint Conference on Artificial Intelligence (IJCAI), 2015: 3476-3482
[10] Husheng Guo, Hai Li, Lu Cong, WenjianWang*. Online concept evolution detection based on active learning. Data Mining and Knowledge Discovery, 2024, 2024: 38: 1589-1633
[11] Anyang Tong, Chao Tang, Wenjian Wang. Semi-supervised Action Recognition from Temporal Augmentation Using Curriculum Learning. IEEE Transactions on Circuits and Systems for Video Technology, 2023, 33(3): 1305-1319
[12] Chao Wen, Hongqiang He, Yuhua Qian, Yu Xie, Wenjian Wang. Fourier Feature Decorrelation based Sample Attention for Dense Crowd Localization. Neural Networks, 2024, 172: 106131
[13] Husheng Guo, Shuai Zhang, WenjianWang*. Selective Ensemble-Based Online Adaptive Deep Neural Networks for Streaming Data with Concept Drift. Neural Networks, 2021, 142: 437-456
[14] Qingqiang Chen, Gaoxia Jiang, Fuyuan Cao, Changqian Men, Wenjian Wang* A general elevating framework for label noise filters. Pattern Recognition, 2024, 147: 110072
[15] Hangyuan Du, Wenjian Wang, Liang Bai. Dual-channel embedding learning model for partially labelled attributed networks: A Mutual Information Perspective. Pattern Recognition, 2023, 142: 109644
[16] Gaoxia Jiang, Wenjian Wang*. Error estimation based on variance analysis of k-fold cross-validation. Pattern Recognition, 2017, 69: 94-106
[17] Husheng Guo, Wenjian Wang. An active learning-based SVM multi-class classification model. Pattern Recognition, 2015, 48: 1577-1597
[18] 李飞江, 钱宇华, 王婕婷, 梁吉业, 王文剑. 基于样本稳定性的聚类方法. 中国科学: 信息科学, 2020, 50(8): 1239-1254
[19] 杜航原, 王文剑, 白亮. 一种基于优化模型的演化数据流聚类方法. 中国科学: 信息科学, 2017, 47(11): 1464-1482
[20] 杜航原, 王文剑*, 白亮. 一种融合伴随信息的网络表示学习模型. 软件学报, 2023, 34(6): 2749-2764
[1] 国家自然科学基金区域联合基金重点项目(U21A20513): 低质数据提升理论与方法研究
[2] 国家自然科学基金(62476157): 动态环境下的协同演进学习建模方法研究
[3] 国家自然科学基金(62076154): 基于分布特征的流数据可靠建模与高效算法设计
[4] 国家自然科学基金(61673249): 基于数据特性分析的机器学习建模与算法研究
[5] 国家自然科学基金(61273291): 提高支持向量机处理复杂数据效能的方法研究
[6] 国家自然科学基金(60975035): 粒度支持向量机学习方法及应用研究
[7] 国家自然科学基金(60673095): SVM的核选择方法及应用研究
[8] 国家自然科学基金促进海峡两岸科技合作联合基金重点项目(U1805263)课题: 面向大学生心理安全大数据的预警模型及应用研究
[9] 教育部科学技术研究重点项目(208021): 支持向量机模型选择的非统计学方法研究
[10] 中央引导地方科技发展资金项目(YDZX20201400001224): 多源异构大数据的深度挖掘与动态决策关键技术研究
[11] 山西省科技重大专项计划“揭榜挂帅”项目(202101020101019)课题: E级超算互联异构融合自适应软件系统关键技术研究
[12] 山西省重点研发计划项目(202202020101003): 基于大数据的智慧化城市治理关键技术研究及应用示范
[13] 山西省国际科技合作计划项目(201903D421050): 面向复杂数据的高效机器学习方法及应用研究
[14] 山西省高等学校决策咨询(智库)研究项目(20210220): 教育数据安全管理标准化体系建设研究
[15] 山西省回国留学人员科研资助项目(2016-004): 大数据机器学习学习方法研究