徐葉松，男，碩導(dǎo)。2022年3月畢業(yè)于南京理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，并獲計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)工學(xué)博士學(xué)位。2022年4月入職于安徽工程大學(xué)計(jì)算機(jī)與信息學(xué)院。主要研究方向?yàn)闄C(jī)器學(xué)習(xí)、模式識(shí)別和計(jì)算機(jī)視覺。

主持的項(xiàng)目：

1. 面向大規(guī)模復(fù)雜數(shù)據(jù)的子空間聚類算法研究，國家自然科學(xué)基金青年項(xiàng)目。2024.01-2026.12.

2. 針對(duì)大規(guī)模數(shù)據(jù)的多視圖聚類算法研究，安徽省教育廳高校科學(xué)研究重點(diǎn)項(xiàng)目。2023.09-2025.08.

第一作者發(fā)表的論文：

1. Auto-Encoder-Based Latent Block Diagonal Representation for Subspace Clustering, IEEE Transactions on Cybernetics, 2020. (SCI一區(qū)，TOP)

2. Learnable Low-Rank Latent Dictionary for Subspace Clustering，Pattern Recognition, 2021. (SCI一區(qū)，TOP)

3. Linearity-Aware Subspace Clustering, AAAI（Oral）, 2022. (CCF-A會(huì)議，人工智能領(lǐng)域頂會(huì))

4. Fast SubspaceClustering by Learning Projective Block Diagonal Representation，Pattern Recognition, 2023. (SCI一區(qū)，TOP)

5. Sparseness and Correntropy-Based Block Diagonal Representation for Robust Subspace Clustering, IEEE Signal Processing Letters, 2024. (SCI二區(qū), CCF-C)

6. Asymptotics-Aware Multi-View Subspace Clustering, IEEE Transactions on Multimedia, 2025. (SCI一區(qū)，TOP)

7. Metric Learning-Based Subspace Clustering, IEEE Transactions on Neural Networks and Learning Systems, 2025. (SCI一區(qū)，TOP)

聯(lián)系方式,郵箱：[email protected]