【科研成果】

以第一作者（独立一作）发表中科院一区论文2篇、二区论文3篇，累计发表SCI/EI收录论文15余篇。研究成果聚焦深度学习，在时序数据建模、多模态特征融合、自然语言处理、视觉检测等方向具有扎实的理论积累。相关成果多发表于中科院二区及以上期刊，覆盖计算机视觉、数据挖掘、大模型及人工智能交叉应用等热点方向，并能够将深度学习理论迁移至网络安全、知识工程、具身智能与智能驾驶等新兴场景，为选题创新、实验设计与论文发表提供有力支撑。

【研究方向】

大方向：计算机科学与技术、人工智能交叉学科、深度学习与多模态学习。

细分方向：

1. 视觉任务与具身智能/智能驾驶：图像分类、目标检测、语义/实例分割、图像生成与增强；具身智能感知与决策、智能驾驶环境感知、BEV感知、3D目标检测、多传感器融合、目标跟踪、Occupancy预测、端到端驾驶、视觉语言导航等。

2. 网络安全与智能攻防：基于深度学习的加密流量识别、恶意加密流量检测、流量表征学习、入侵检测；信息隐藏与隐写分析、数字水印、生成式信息隐藏；漏洞识别、源代码/二进制代码安全分析、漏洞挖掘、代码大模型与智能攻防。

3. 大模型与知识工程：大模型数据挖掘、PDF/HTML信息抽取、版面分析、表格识别、实体关系抽取；RAG知识库构建、文档解析与切分、向量化检索、重排、检索增强生成、知识库评测与优化；知识图谱构建与推理、图神经网络（GNN）设计与应用。

4. 时序与预测：时空预测，股票、能源、交通流量等各类回归/分类预测。

5. 大模型与多模态：大语言模型微调（LoRA/QLoRA等）、多模态对齐与检索、跨模态生成。

6. 行业AI交叉：智慧农业（作物识别/病害检测）、工业缺陷检测与预测性维护、医学图像辅助诊断与预后分析。

7. 基础支撑：自然语言处理、视觉检测、时序数据建模、多模态特征融合。

【可指导区位】

可指导中文核心（如《计算机学报》《软件学报》等）、SCI（一区至四区）、重要国际会议（CCF推荐A/B/C类）以及本科/硕士/博士学位论文，全程覆盖开题、中期、预答辩及投稿返修。具体可指导课题包括：网络安全方向的基于深度学习的加密流量识别、信息隐藏、漏洞识别等；大模型数据挖掘、PDF/HTML信息抽取、RAG知识库构建等；具身智能、智能驾驶等视觉方向；以及图像检测、目标检测、语义分割、图神经网络、时空预测、多模态大模型、智慧农业、工业智能、医学影像分析等交叉领域。

【指导经验】

拥有多年本硕博论文辅导与学术写作指导经验，累计指导50余名学生完成学位论文及期刊投稿，其中独立指导硕士生30余人。曾协助学生完成从选题构思、实验设计到论文成稿、返修答复的全流程训练，学生成果多发表于中科院二区及以上期刊。能够结合学生在网络安全、大模型知识工程、具身智能与智能驾驶视觉等方向的基础与兴趣，制定阶段性研究计划，提升科研能力与论文质量。

【指导特点/可提供给学员的帮助】

理论与实践并重：帮助学生从问题建模、理论分析到实验设计、数据处理全流程掌握核心技术。

精细化论文指导：围绕核心思想、背景解析、方法改进、实验论证与科学写作，提供从论文框架构建到投稿返修的全程指导。

代码与实验教学：从预实验、基线复现到算法实现、调参优化、消融实验与可视化，手把手带领学生解决关键技术难题。

跨学科融合：将人工智能与网络安全、知识工程、具身智能、智能驾驶、农业、工业、医学影像等多领域知识有机结合，启发学生多角度思考。

工程与系统构建：可指导加密流量识别、信息隐藏与漏洞识别系统，PDF/HTML解析与信息抽取流水线，RAG知识库与智能问答系统，具身智能/智能驾驶感知与决策原型等。

灵活高效：根据项目进展和学生实际情况制定个性化研究计划，确保研究深度、写作质量与应用价值同步提升。

【科研成果】

以第一作者（独立一作）发表中科院一区论文2篇、二区论文3篇，累计发表SCI/EI收录论文15余篇。研究成果聚焦深度学习，在时序数据建模、多模态特征融合、自然语言处理、视觉检测等方向具有扎实的理论积累。相关成果多发表于中科院二区及以上期刊，覆盖计算机视觉、数据挖掘、大模型及人工智能交叉应用等热点方向，并能够将深度学习理论迁移至网络安全、知识工程、具身智能与智能驾驶等新兴场景，为选题创新、实验设计与论文发表提供有力支撑。

【研究方向】

大方向：计算机科学与技术、人工智能交叉学科、深度学习与多模态学习。

细分方向：

1. 视觉任务与具身智能/智能驾驶：图像分类、目标检测、语义/实例分割、图像生成与增强；具身智能感知与决策、智能驾驶环境感知、BEV感知、3D目标检测、多传感器融合、目标跟踪、Occupancy预测、端到端驾驶、视觉语言导航等。

2. 网络安全与智能攻防：基于深度学习的加密流量识别、恶意加密流量检测、流量表征学习、入侵检测；信息隐藏与隐写分析、数字水印、生成式信息隐藏；漏洞识别、源代码/二进制代码安全分析、漏洞挖掘、代码大模型与智能攻防。

3. 大模型与知识工程：大模型数据挖掘、PDF/HTML信息抽取、版面分析、表格识别、实体关系抽取；RAG知识库构建、文档解析与切分、向量化检索、重排、检索增强生成、知识库评测与优化；知识图谱构建与推理、图神经网络（GNN）设计与应用。

4. 时序与预测：时空预测，股票、能源、交通流量等各类回归/分类预测。

5. 大模型与多模态：大语言模型微调（LoRA/QLoRA等）、多模态对齐与检索、跨模态生成。

6. 行业AI交叉：智慧农业（作物识别/病害检测）、工业缺陷检测与预测性维护、医学图像辅助诊断与预后分析。

7. 基础支撑：自然语言处理、视觉检测、时序数据建模、多模态特征融合。

【可指导区位】

可指导中文核心（如《计算机学报》《软件学报》等）、SCI（一区至四区）、重要国际会议（CCF推荐A/B/C类）以及本科/硕士/博士学位论文，全程覆盖开题、中期、预答辩及投稿返修。具体可指导课题包括：网络安全方向的基于深度学习的加密流量识别、信息隐藏、漏洞识别等；大模型数据挖掘、PDF/HTML信息抽取、RAG知识库构建等；具身智能、智能驾驶等视觉方向；以及图像检测、目标检测、语义分割、图神经网络、时空预测、多模态大模型、智慧农业、工业智能、医学影像分析等交叉领域。

【指导经验】

拥有多年本硕博论文辅导与学术写作指导经验，累计指导50余名学生完成学位论文及期刊投稿，其中独立指导硕士生30余人。曾协助学生完成从选题构思、实验设计到论文成稿、返修答复的全流程训练，学生成果多发表于中科院二区及以上期刊。能够结合学生在网络安全、大模型知识工程、具身智能与智能驾驶视觉等方向的基础与兴趣，制定阶段性研究计划，提升科研能力与论文质量。

【指导特点/可提供给学员的帮助】

理论与实践并重：帮助学生从问题建模、理论分析到实验设计、数据处理全流程掌握核心技术。

精细化论文指导：围绕核心思想、背景解析、方法改进、实验论证与科学写作，提供从论文框架构建到投稿返修的全程指导。

代码与实验教学：从预实验、基线复现到算法实现、调参优化、消融实验与可视化，手把手带领学生解决关键技术难题。

跨学科融合：将人工智能与网络安全、知识工程、具身智能、智能驾驶、农业、工业、医学影像等多领域知识有机结合，启发学生多角度思考。

工程与系统构建：可指导加密流量识别、信息隐藏与漏洞识别系统，PDF/HTML解析与信息抽取流水线，RAG知识库与智能问答系统，具身智能/智能驾驶感知与决策原型等。

灵活高效：根据项目进展和学生实际情况制定个性化研究计划，确保研究深度、写作质量与应用价值同步提升。