实验室2021年度人才引进
为解决前沿研究方向方面高端人才不足的问题，实验室通过依托单位的大力支持，2021年度引进了4名高层次人才，包括东京大学特任助理教授王正，纽约大学博士后王胜，佐治亚理工学院博士后辛奇和美国加州大学欧文分校博士后张丽华。
| 姓名 | 学历 | 简介 |
| 王正 | 博士 | 王正，教授，博士生导师。2021年国家多媒体软件工程技术研究中心引进人才。东京大学特任助理教授，2017-2020年在日本国立信息学研究所工作，担任特任研究员和日本学术振兴会外国人特别研究员（录用率8.5%，2018年信息领域唯一入选华人）。研究方向为行人重识别，是人工智能和计算机视觉领域当前最具挑战性的前沿学术问题，也是大数据行为分析学科的支撑技术，对于提升平安城市视频侦查效率、追踪流行性病毒传播、维护社会安全稳定具有十分重要的作用。在CVPR、ACM MM、TIP等国际顶级会议和期刊上发表论文50多篇，包括CCF-A类论文18篇，ACM、IEEE汇刊论文18篇。其中以一作或通讯作者发表CCF A类论文14篇，汇刊论文8篇，最佳论文奖论文1篇，累计Google学术引用1191次。曾获湖北省计算机学会优秀博士论文，推荐人李德仁院士认为“论文具有国际引领作用，相关成果在多个重大案件侦破中发挥作用，是刑事侦查技术领域重大技术革新”。2014年获国际会议PCM最佳论文奖，2016年获TRECVID INS评测最高准确率（美国国家标准局举办的检索评测），2017年获ACM Wuhan优秀博士论文奖（湖北省2人），2018年获中国图象图形学学会优秀博士学位论文提名奖（全国15人），2019年获微软亚洲研究院青年学者铸星计划（每年12人）、留日同学会最优秀青年学者奖（每两年1人）、日本文部科学省卓越研究员计划候选人（日本优青、每年全国200候选人） |
| 王胜 | 博士 | 王胜，副教授，博士生导师。分别于2013年和2016年分别获南京航空航天大学信息安全专业本科学位和计算机技术硕士学位, 2019年获皇家墨尔本理工大学计算机博士学位，随后在美国纽约大学从事博士后工作。王胜博士的研究工作主要是为跨学科应用构建具有通用性的轨迹数据管理系统，例如无人驾驶，绿色交通，旅游规划。提出了一系列关于大规模轨迹数据的新颖查询和分析工具，并构建了第一个大规模轨迹搜索引擎，并已开源（https://github.com/tgbnhy/torch-trajectory）。该系统支持道路网络上的各种轨迹查询，并且它可以通过可扩展的存储和索引框架管理数百万条轨迹。在轨迹搜索方面的工作已经在数据库和信息检索领域得到认可。自2017年以来作为第一作者，研究成果作为长文陆续发表在国际顶级会议及期刊上，如SIGMOD, PVLDB，ICDE，TKDE，SIGIR等CCF A类推荐会议及期刊。王博士同时担任多个国际期刊和会议的审稿人，包括VLDBJ, TKDE和TNNLS，曾两次获会议最佳论文奖，两次ACM travel grant并作为优秀学生代表受邀参加2017年于旧金山举办的图灵奖50周年庆典，获一次三分钟论文演讲比赛冠军。 |
| 辛奇 | 博士 | 辛奇，副教授，博士生导师。2013年获美国莱斯大学计算机科学硕士，2018年获布朗大学计算机科学博士，佐治亚理工学院博士后，2021年8月加入武汉大学计算机学院。主要研究领域是软件工程，在程序修复、测试、简化等领域积极探索并取得较好成绩。近5年，共发表了14篇论文（一作7篇），其中有5篇论文发表在CCF-A类会议上。他是美国布朗大学博士论文奖学金的获得者，曾获得过ACM-Wuhan 新星奖和ACM SIGSOFT Caps奖，在多个A类会议上做过会议报告，是TSE和TOSEM等A类期刊的审稿人。 |
| 张丽华 | 博士 | 张丽华，副研究员。主要从事数学、机器学习与生物医学交叉研究，工作涉及生物信息计算、人工智能和大数据等领域，利用最优化理论、模式识别、统计机器学习等方法，开展的主要工作包括 1.（单细胞）生物医学大数据整合挖掘分析的模型与算法研究；2. 与生物学家合作，结合数据挖掘、机器学习与生物信息学等方法，解决生物医学领域前沿科学问题。在国际著名学术期刊，包括Science Advances (IF：13.1)、Nature Communications (IF：12.1)、Genome Biology (IF：10.8；2篇)、Nucleic Acids Research (IF：11.5) 、IEEE Transactions on Fuzzy Systems (IF：9.5)等发表SCI论文8篇。其中1篇论文获得国际权威学术评价机构F1000 Prime推荐，1篇论文是ESI高被引，1篇论文被加州大学洛杉矶分校的教授同期Highlight点评，多篇论文被同行在包括Nature Communications 、Nature Computational Science、Nature Reviews Methods Primers、Cell Systems、Genome Biology、Briefings in Bioinformatics等高水平期刊上引用（总引127次，Google Scholar）。主要成果在于：（1）提出一个普适性的用于大规模数据整合的模型框架，并系统性地研究其高效的求解算法；（2）提出一个基于联合非负矩阵分解的技术，同时识别生物医学大数据中共有和特异组合模式的强大优化模型；（3）针对单细胞测序生物大数据的特性，如高维度、强噪声、高缺失等，提出了一系列创新性的数学模型与优化算法用于数据填补和整合挖掘，为单细胞多组学的数据分析提供了有力的工具。 |