广东金融学院应用统计硕士研究生导师简介
一、基本情况
王凤，女，暨南大学信号与信息处理专业硕士研究生，广州新华学院计算机与人工智能学院副院长，教授，广东省民办教育优秀教师，高校科技成果转化专家库专家，普通高等学校本科教育教学评估专家，中国人工智能学会第七届理事会高级会员。
二、科学研究
（一）主要研究领域
多模态智能感知与人工智能统计建模，图形图像处理，目标跟踪技术，智能信号处理
（二）论文、著作、专利、获奖
Adaptive multimodal fusion with semantic priority scheduling for cooperative 3D detection and communication methods，《Alexandria Engineering Journal》2025年第124卷,第一作者。
An Intelligent Pedestrian Tracking Algorithm Based on Sparse Models in Urban Road Scene，《IEEE transactions on intelligent transportation systems》2023年第25卷，第3期,第一作者。
A 2D Image 3D reconstruction function adaptive denoising algorithm，《Peerj Computer Science》2023年第9卷,第一作者。
A Semantic Communication Approach for Multiscene Target Detection in Intelligent Vehicle Networks，《IEEE Internet of Things》2024年第22卷，第11期,通讯作者。
An Adaptive Learning Image Denoising Algorithm Based on Eigenvalue Extraction and the GAN Model，《Computational Intelligence and Neuroscience》2022年第1期,第一作者。
Algorithm for target detection in smart city combined with depth learning and feature extraction，《Wireless Communications and Mobile Computing》2022年第1期，第一作者。
Heterogeneous mobile network access control technology based on mutual trust mechanism，《Peer-to-Peer Networking and Applications》,2019年第12卷，第6期，第一作者。
基于互信机制的异构移动网络访问控制方法,中国:CN109495889B，2022.01.04，排名第一。
一种基于5G北斗及物联网定位系统的光伏板加工装置,中国：CN
113363353B，2022.03.08，排名第二。
基于最佳频段选择的认知无线网络吞吐量优化方法，中国：CN107580327A，2022.09.29，排名第三。
（三）主持的项目
1.面向3D图像生成的噪声鲁棒型GAN技术的研究，2022年度广州市基础研究计划基础与应用基础研究项目（一般项目），2022年。
2.基于异构移动无线网络互信架构的动态迁移访问控制技术研究.广东省教育厅科研处，2016年。
三、学生培养
（一）主讲课程
《电路理论》《电路理论实验》《C语言程序设计（1）》《C语言程序设计（1）实验》《通信原理及实践》
（二）教学论文、教材
1.“智能制造+人工智能”赋能电子信息类专业人才培养体系构建，《河南教育(高教)》2024 年第 4 期,第一作者。
2. 就业导向下的地方应用型本科高校工科专业人才培养，《中国就业》2024 年第5 期,第一作者。
3.新工科背景下电子信息特色专业建设路径探索，《大学教育》，2020 年第9 期,第一作者。
（三）主持的教育教学项目
广东地方本科高校工科专业建设质量提升路径研究，广东省2023年度高等教育学会“十四五”规划高等教育研究课题，2023年
“智能制造+人工智能”背景下电子信息应用型特色拔尖人才培养体系的构建，广东省高等学校教学管理学会，2023年
3.“智能制造 人工智能”背景下电子信息应用型专门人才培养体系的构建，广东省本科高校教学质量与教学改革工程建设项目，2021年
四、招生方向
（一）大语言模型融合因果推断：本方向面向人工智能决策、数字经济分析和复杂系统建模需求，重点研究大语言模型语义理解能力与因果推断方法的融合机制，包括因果关系发现、因果图构建、反事实推理、处理效应估计、因果知识增强的大模型推理等内容。该方向可服务于智能问答、政策评估、医疗健康、金融风控、企业经营决策等场景，毕业生可从事人工智能算法工程师、数据科学家、因果分析师、智能决策系统研发等工作。
（二）分布式高维建模：本方向面向大规模数据、复杂变量结构和多源异构数据处理需求，重点研究高维统计建模、稀疏学习、分布式优化、联邦统计学习、图结构建模和隐私保护计算等方法。该方向强调在海量样本、高维特征和多节点数据环境下实现高效、稳定、可扩展的统计推断与预测建模，可应用于互联网平台、智能制造、金融科技、医疗数据分析和政务大数据等领域，毕业生可从事大数据建模、机器学习算法、分布式计算与数据治理等相关工作。
（三）可解释AI与不确定性量化：本方向面向人工智能模型可信应用需求，重点研究复杂机器学习模型的解释机制、特征贡献分析、反事实解释、模型可靠性评估、贝叶斯深度学习、不确定性度量与置信预测等内容。该方向关注模型为什么做出某种判断以及判断结果有多可靠，可为金融风控、医疗辅助诊断、工业检测、智能监管和安全关键系统提供可信支撑。毕业生可从事可信人工智能、模型风险管理、算法评估、智能决策系统研发等工作。
（四）多模态小样本迁移统计建模：本方向面向样本不足、数据类型复杂和场景快速迁移等实际问题，重点研究文本、图像、语音、时序和结构化数据的多模态融合建模，小样本学习、元学习、迁移学习、领域自适应和跨模态表示学习等方法。该方向可应用于智能客服、工业质检、医疗影像、金融文本分析、教育评价和智能物联网等场景，适合培养具备统计建模、深度学习和跨场景数据分析能力的复合型人才。
（五）时序共形预测与金融风险预警：本方向面向金融市场波动、信用风险识别和经济运行监测需求，重点研究时间序列建模、共形预测、区间预测、异常检测、风险传染建模、金融预警指标体系和动态风险评估方法。该方向强调在不确定环境下给出具有统计保障的预测区间和风险提示，可服务于证券投资、银行风控、保险精算、供应链金融、宏观经济监测和企业经营预警等领域，毕业生可从事金融数据分析、量化研究、风险管理、经济预测和智能预警系统研发等工作。
五、招生要求
本方向拟招收具有良好思想品德、严谨治学态度和较强学习主动性的研究生。要求学生具备一定的数学、统计学、计算机或经济金融相关基础，对人工智能、数据科学、统计建模、金融风险分析等领域具有明确兴趣，能够主动跟踪学科前沿，具备阅读中英文文献、开展数据分析、程序实现和学术写作的基本能力。在学习过程中，应遵守学术规范和实验室管理要求，具有较强的纪律意识、责任意识和团队协作精神，能够按计划完成课程学习、科研训练、论文撰写和项目任务。鼓励学生结合自身基础和职业规划，在大语言模型、因果推断、高维统计、可信人工智能、多模态建模、金融风险预警等方向形成相对稳定的研究兴趣，逐步提升理论分析、算法设计、实证研究和工程应用能力。毕业后可面向高校、科研机构、金融机构、互联网企业、智能制造企业和数据服务机构等单位，从事科学研究、算法开发、数据建模、风险管理、智能决策和数字化转型相关工作。
六、联系方式
邮箱：iswf@xhsysu.edu.cn
