一、基本信息
姓名：王敬
职称/学位：讲师/博士
研究方向：神经影像学、机器学习、人工智能
主讲课程：概率论与数理统计、人工智能
籍贯：湖北麻城
Email: wangjing@xynu.edu.cn
Google Scholar: https://scholar.google.com/citations?user=iGfueaYAAAAJ&hl=en
Github: https://github.com/yuzhounh
二、个人简介
王敬，讲师，博士。主要从事神经影像学、机器学习、人工智能等方向的研究工作。主持国家自然科学基金青年基金项目1项，参与国家重点基础研究发展计划（973计划）、国家自然科学基金面上项目、江苏省自然科学基金面上项目共3项。发表论文6篇，获得国家发明专利授权1项。
三、学习工作经历
1. 2018/11至今，信阳师范学院，伟德betvlctor1946，讲师。
2. 2010/09-2018/06，东南大学，生物科学与医学工程学院（学习科学研究中心），生物医学工程（学习科学），博士，导师：王海贤教授。
3. 2012/09-2013/09，北京师范大学，认知神经科学与学习国家重点实验室，神经影像学，访问学生，导师：薛贵教授。
4. 2006/09-2010/06，东南大学，生物科学与医学工程学院，生物医学工程，学士。
四、项目
1. 国家自然科学基金青年基金项目，31900710，“基于图聚类的全脑功能分割研究”，2020/01- 2022/12，24万元，在研，主持。
2. 国家重点基础研究发展计划（973计划），2015CB351704，“视觉认知的脑工作机理及高级脑机交互关键技术研究”一级子课题“高级脑机交互中动作意图与情感判读”，2015/01 – 2019/12，457万元（113.5万），已结题，参与。
3. 国家自然科学基金面上项目，61375118，“基于L1-范数的EEG判别模式研究：同时鲁棒滤波，半监督学习，及通道选取”，2014/01 – 2017/12，80万元，已结题，参与。
4. 江苏省自然科学基金面上项目，BK2011595，“脑电信号单次分类核心算法研究”，2011/07 – 2014/7，10万元，已结题，参与。
五、论文
1. Jing Wang, Zhifeng Hao, and Haixian Wang. Generation of individual whole-brain atlases with resting-state fMRI data using simultaneous graph computation and parcellation. Frontiers in Human Neuroscience, 2018, 12:166.
2. Jing Wang and Haixian Wang. A supervoxel-based method for groupwise whole brain parcellation with resting-state fMRI data. Frontiers in Human Neuroscience, 2016, 10: 659.
3. Jing Wang, Zilan Hu, and Haixian Wang. Parcellating whole brain for individuals by simple linear iterative clustering. In: International Conference on Neural Information Processing, 2016: 131-139.
4. Jing Wang. Generalized 2-D principal component analysis by Lp-norm for image analysis. IEEE Transactions on Cybernetics, 2016, 46(3): 792-803.
5. 王海贤, 王敬. 一种基于直接双侧二维主成分分析的图像识别和图像重建方法. 中国专利, CN103955706A. 2014-04-29.
6. Qin Tang, Jing Wang, and Haixian Wang. L1-norm based discriminative spatial pattern for single-trial EEG classification. Biomedical Signal Processing and Control, 2014, 10: 313-321.
7. Haixian Wang and Jing Wang. 2DPCA with L1-norm for simultaneously robust and sparse modelling. Neural Networks, 2013, 46: 190-198.
