王云，女，博士，讲师，河南工业大学青年教师。

现主要从事计算机视觉与模式识别、数据挖掘、医工交叉融合等研究工作，具体方向包括图像处理、稀疏表征和医疗大数据分析等。在国际知名期刊上发表学术论文7篇，包含计算机领域顶刊及中科院TOP期刊等，授权/受理国家发明专利2项，参编书籍2部，参与国家/省级重点项目多项。 

通讯地址：河南省郑州市莲花街100号 

电子邮箱：wangyun@haut.edu.cn

教育与工作经历 

2012.09-2016.07     河南师范大学      计算机科学与技术专业  学士学位 

2016.09-2019.06     河南师范大学      计算机科学与技术专业       硕士学位 

2019.09-2023.06     中国农业大学      计算机科学与技术专业      博士学位 

2023.07-至今          河南工业大学      讲师

实验室和科研团队简介 

所在团队于致力于人工智能、机器学习理论及其在中医药数据分析、未病建模及疾病关联等方面的应用研究。通过采用现代技术采集舌象、脉象、病症等反映多种慢性疾病状态的跨时空多维数据，利用大数据、人工智能等技术作为手段，探究慢性疾病中医表征与病症发展变化的复杂映射关系，研究慢性疾病状态的科学表达方法，定位“未病”临界状态，建立病症由“未病”到“已病”变化的动态数据库，揭示“未病”到“已病”转变的共性规律。

研究领域与方向

1.面向图像识别的知识表征建模。基于子空间学习框架探索高维视觉数据的低维表示及其内在规律与本质结构，从稀疏表征角度结合模糊知识建立用于视觉分类识别问题的数学模型，克服现有方法存在的可解释性差、泛化能力弱、训练耗时等问题，增强图像鲁棒特征与判别特征表达，为高维图像数据的重要信息挖掘提供理论与技术支持。 

2.医疗数据表征应用。通过数据挖掘技术和知识表征建模增强医疗数据价值，围绕舌像数据分析、慢性疾病关联等方面开展应用研究，有效揭示慢性疾病特征数据与病症发展变化的潜在交互模式，进而提升中医诊断技术的智能化水平和可解释能力。

研究成果 

（一）主持的科研项目  

2023.9-2026.9，主持河南工业大学高层次人才科研基金项目，“基于模糊子空间学习的图像表达与分类方法研究”No.31401589，在研 

（二）代表著作与论文

代表性论文： 

[1] Wang Yun, Li Zhenbo*, Li Fei, et. al. Fuzzy Discriminative Block Representation Learning for Image Feature Extraction [J]. IEEE Transactions on Image Processing. 2022, 31: 4994-5008. 

[2] Wang Yun, Li Zhenbo*, Li Fei, et. al. Towards Fusing Fuzzy Discriminative Projection and Representation Learning for Image Classification [J]. Engineering Applications of Artificial Intelligence. 2022, 114: 105137. 

[3] Xu Jiucheng, Wang Yun*, Xu Keqiang, et. al. Feature Genes Selection Using Fuzzy Rough Uncertainty Metric for Tumor Diagnosis [J]. Computational and Mathematical Methods in Medicine. 2019: 1-10. 

[4] Xu Jiucheng, Wang Yun*, Mu Huiyu, et. al. Feature Genes Selection based on Fuzzy Neighborhood Conditional Entropy [J]. Journal of Intelligent and Fuzzy Systems. 2019, 36(1): 117-126. 

 [5] Li Fei, Wang Yun, Li Yiming, Li Zhenbo*. Tied Bilateral Learning for Aquaculture Image Enhancement [J]. Computers and Electronics in Agriculture. 2022, 199: 1-8. 

 [6] Jiucheng Xu*, Huiyu Mu, Yun Wang, et. al. Feature Genes Selection Using Supervised Locally Linear Embedding and Correlation Coefficient for Microarray Classification [J], Computational and Mathematical Methods in Medicine, 2018: 1-11. 

[7] Huiyu Mu, Jiucheng Xu*, Yun Wang, et. al. Feature genes selection using fisher transformation method [J], Journal of Intelligent and Fuzzy Systems, 2018, 34(6): 4291-4300.