【研究方向】

大方向： 软件缺陷预测 、缺陷定位 、医学图像处理 、数据增强 、模型可解释性（XAI）

细分方向：

基于深度学习的软件缺陷预测与特征工程

软件缺陷定位（SBFL / MBFL / IR-based）

医学图像分类与分割（数据增强驱动）

模型可解释性方法及其在软件工程中的应用

跨领域迁移学习与对比学习

【可指导区位】

SCI 期刊论文： 覆盖 JCR Q1–Q4 各级别国际期刊

EI 会议/期刊论文

硕士/博士毕业论文： 软件工程 、人工智能 、计算机科学相关方向

本科毕设 、保研科研 、跨学科交叉课题

（暂不接： 中文核心期刊论文）

【指导经验】

长期担任  TNNLS、KBS、Pattern Recognition、Neurocomputing  等  Q1/Q2 SCI  期刊审稿人， 累计审稿经验覆盖软件工程与人工智能交叉领域。 自身在 Q1–Q3 不同层级期刊均有发文经历，对论文从选题、实验设计到写作投稿的全流程有深入理解。

【指导特点/可提供给学员的帮助】

顶刊视角的选题与创新点提炼： 结合审稿人视角与发文经验， 精准把握研究方向的新颖性与可行性。

从理论到实验的全流程方法论指导： 涵盖文献调研、 问题建模 、Baseline 选择 、对比实验设计 、消融分析等。

SCI 论文写作与学术表达： 篇章结构 、逻辑链条、 图表规范、 回复信撰写等全程指导。

审稿人视角预审稿： 投稿前模拟审稿， 预先识别潜在问题， 显著提升投稿命中率。

跨学科融合指导：擅长软件工程  × AI 交叉课题，能将数据增强 、对比学习、可解释性等方法迁移到缺陷预测/定位场景。

Rebuttal 与返修策略： 大修/小修意见的逐点回复技巧与应对策略。

【研究方向】

大方向： 软件缺陷预测 、缺陷定位 、医学图像处理 、数据增强 、模型可解释性（XAI）

细分方向：

基于深度学习的软件缺陷预测与特征工程

软件缺陷定位（SBFL / MBFL / IR-based）

医学图像分类与分割（数据增强驱动）

模型可解释性方法及其在软件工程中的应用

跨领域迁移学习与对比学习

【可指导区位】

SCI 期刊论文： 覆盖 JCR Q1–Q4 各级别国际期刊

EI 会议/期刊论文

硕士/博士毕业论文： 软件工程 、人工智能 、计算机科学相关方向

本科毕设 、保研科研 、跨学科交叉课题

（暂不接： 中文核心期刊论文）

【指导经验】

长期担任  TNNLS、KBS、Pattern Recognition、Neurocomputing  等  Q1/Q2 SCI  期刊审稿人， 累计审稿经验覆盖软件工程与人工智能交叉领域。 自身在 Q1–Q3 不同层级期刊均有发文经历，对论文从选题、实验设计到写作投稿的全流程有深入理解。

【指导特点/可提供给学员的帮助】

顶刊视角的选题与创新点提炼： 结合审稿人视角与发文经验， 精准把握研究方向的新颖性与可行性。

从理论到实验的全流程方法论指导： 涵盖文献调研、 问题建模 、Baseline 选择 、对比实验设计 、消融分析等。

SCI 论文写作与学术表达： 篇章结构 、逻辑链条、 图表规范、 回复信撰写等全程指导。

审稿人视角预审稿： 投稿前模拟审稿， 预先识别潜在问题， 显著提升投稿命中率。

跨学科融合指导：擅长软件工程  × AI 交叉课题，能将数据增强 、对比学习、可解释性等方法迁移到缺陷预测/定位场景。

Rebuttal 与返修策略： 大修/小修意见的逐点回复技巧与应对策略。