一、个人基本信息
出生日期：1980年8月
籍贯： 天津
性 别： 男
民 族： 汉
职称： 讲师
最高学历： 博士
工作单位：taptap下载安装安卓电子信息与自动化学院
通信地址：天津市taptap下载安装安卓南院海航科技大厦D301
邮政编码：300300
电 话：022-24092437(办)
传 真：022-24092437
电子邮箱：cfang@cauc.edu.cn
微信（或QQ）(选填)
二、学习和工作经历简介
●2017/5–现在：taptap下载安装安卓电子信息与自动化学院，讲师；
●2012/9–2017/3, 北京邮电大学, 信号与信息处理, 博士
●2008/4–2011/6, 天津大学, 软件工程, 硕士,
●1999/9–2003/6, 吉林大学, 通信工程专业, 学士
三、学术兼职
●国际期刊Elsevier，Neurocomputing 审稿人；
●国际会议 Pattern Recognition and Computer vision 审稿人
四、社会兼职
●郑州市信息协会 智库专家
●中国网络空间安全协会卫星互联网应用与安全工作组 方向组长
●中国网络空间新兴技术安全创新论坛（新安盟） 方向副组长
五、荣誉称号
●
六、主要研究方向和科研业绩
主要研究方向包括：
● 海量大数据智能处理：使用Hadoop、Spark等分布式大数据处理技术，对海量航空安保信息、网络流量数据、互联网舆情数据进行高效智能处理。
●网络流量异常检测：基于机器学习、深度学习等技术对网络流量中的恶意应用、流量攻击等进行智能发现和识别。
●计算机视觉：民航安检行李图像违禁品检测、视频图像人物目标检测与跟踪、合成孔径雷达图像小目标检测。
●人工智能、机器学习、深度学习理论算法研究。
科研业绩：
● 主持/参与科研项目
[1].参与国家重点研发计划课题，总经费：890万，2020.10-2023.09；
[2] 主持民航局安全能力项目《基于智能边缘群网络的人员立体化视频追踪监控与预警系统》，2020.1-2021.12
[3] 主持横向项目《面向大数据共享应用的数据安全访问控制与权限管理关键技术研究》
[4] 主持完成腾讯公司横向项目《信息安全热点事件视频系列课程建设》
[5] 主持完成中央高校项目《基于智能视频数据的人员疲劳检测技术研究》
[6] 主持重点实验室开放基金《基于注意力模型的多模态融合人群异常检测方法》
[7] 参与民航局安全能力项目《基于海量多源异构民航安保数据的数据魔方建模、分析与管理平台》，2020.1-2022.12

七、论著目录
学术论文：
[1] 《Altimetric Parameter Estimation in Long Coherent Processing by Airborne Delay/Doppler Altimetry Based on Bayesian Learning》，IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing （SCI、EI检索）（中科院2区 TOP期刊）
[2] 《Optical flow-free generative and adversarial network: generative and adversarial network-based video super-resolution method by optical flow-free motion estimation and compensation》，Journal of Electronic Imaging（SCI、EI检索）
[3] 《FSVM: A Few-Shot Threat Detection Method for X-ray Security Images》，Sensors（SCI、EI检索）JCR 2区
[4] 《A Robust Complex-Valued Deep Neural Network for Target Recognition of UAV SAR Imagery》IEEE Journal on Miniaturization for Air and Space Systems （EI检索）
[5] 《基于外观相似性更新的相关滤波跟踪算法》，系统工程（EI检索）
[6] 《基于Sketch数据结构的海量网络流量实时排名系统》，计算机应用
[7] 《基于全局特征图的半监督微博文本情感分》，信号处理
[8] 《快速实时大规模互联网广告流量检测系统》，北京邮电大学学报（EI检索）
[9] 《Revealing connectivity structural patterns among web objects based on co-clustering of bipartite request dependency graph》，Wireless Networks （SCI、EI检索）
[10] 《Request Dependency Graph: A Model for Web Usage Mining in Large-Scale Web of Things》，IEEE Internet of Things Journal （SCI、EI检索）
[11] 《Fine-grained HTTP Web traffic analysis based on large-scale mobile datasets》，IEEE Access
[12] 《Parallelized user clicks recognition from massive HTTP data based on dependency graph model》，China Communications （SCI、EI检索）