个人简介

王金甲（1978-），男，河南商丘人，燕山大学，博士生导师，教授，博士，主要研究方向为信号处理和模式识别。 教育经历 [1]. 2004.9- 2009.5 燕山大学 | 博士研究生毕业 | 博士 工作经历 [1]. 2000.7- 2019.3 燕山大学 | 教授 | 在职

研究领域

信号处理和模式识别 音频分类，图像分类，医学图像重建，传感器信号处理，脑电信号处理，可穿戴信号处理，手机信号处理，视频信号处理，通信信号处理

科研项目 多源观测图像集空间Lp,q范数约束的投影与表示深层学习模型研究, 2017-08-19, 进行 基于非对称脸谱图的健康智能家庭多维多源信息融合方法研究, 2005-10-01-2009-05-08, 完成 面向活动识别的多维传感器数据融合、交互关系的研究, 2014-06-24, 进行 京津冀空气质量关联关系的数据驱动方法研究, 2014-08-29, 进行 面向活动识别的多源多维传感器数据融合、交互和依赖问题的数学理论和方法研究, 2014-09-01-2019-03-26, 完成 首批河北省青年拔尖人才支持计划_王金甲, 2014-01-01, 进行 基于高维数据几何代数子空间表示和计算原理的信息融合新方法, 2010-08-18-2013-12-31, 完成 基于异方差高斯混合模型的信号检测方法用于脑机接口智能家庭控制, 2010-04-16-2012-12-31, 完成 基于形式概念分析的中医问诊辨证诊断证名生成方法, 2010-08-18-2013-12-31, 完成 非合作环境下基于双Lp范数优化约束的稀疏空间可拒绝模式分类模型, 2010-08-18-2013-12-31, 完成

近期论文

查看导师最新文章 （温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

[1] 王金甲.彭汝佳.在线自适应LASSO罚向量自回归模型的风电功率预测.燕山大学学报.2018 [2] 李静.仝晓云,王金甲.Generalized interaction LASSO based on alternating direction method of multipliers for liver disease classification.Shengwu Yixue Gongchengxue Zazhi/Journal of Biomedical Engineering.2017 [3] 王金甲.稀疏组lasso罚向量自回归模型的大气污染物预测:京津冀案例研究.高技术通讯.2017 [4] 王金甲.半监督极限学习机用于Android手机活动识别的研究.高技术通讯.2017 [5] 王金甲.田佩佩.用于Android手机活动识别的深度重构模型.高技术通讯.2017 [6] 李静.仝晓云,王金甲.基于交替方向乘子法的广义交互LASSO模型用于肝脏疾病分类.生物医学工程学杂志.2017 [7] 王金甲.大数据下的深度学习研究.高技术通讯.2017 [8] 王金甲.基于深度卷积神经网络的帕金森步态识别.中国生物医学工程学报.2017 [9] 王金甲.基于MEG的脑机接口特征提取方法研究.仪器仪表学报.2010 [10] 李静.王金甲,李慧.融合脑电特征的弹性网特征选择和分类.生物医学工程学杂志.2016 [11] 王金甲.姜雪,杨中玉.基于子空间字典偶学习的高光谱图像分类.高技术通讯.2016 [12] 王金甲.陈春.分层向量自回归的多通道脑电信号的特征提取研究.自动化学报.2016 [13] 王金甲.孔德明,刘建波,王晓敏,洪文学.基于传感器数据的人类活动识别研究.高技术通讯.2016 [14] 王金甲.杨中玉.基于特征融合进行活动识别的DCNN5法.高技术通讯.2016 [15] 郑存芳.洪文学,王金甲.基于偏序结构图的乳腺癌诊断规则提取方法.计算机工程与设计.2016 [16] 王金甲.特征交互Lasso用于肝病分类.生物医学工程学杂志.2015 [17] 王金甲.Feature extraction and classification of Graphical representations of data.Lecture Notes in Computer Science.2008 [18] 王金甲.基于物理化学性质的葡萄酒质量的可视化评价研究.燕山大学学报.2010 [19] 王金甲.Coordinate Descent Based Hierarchical Interactive Lasso Penalized|Logistic Regression and Its Application to Classification Problems.Mathematical Problems in Engineering.2015 [20] 王金甲.Fang,Li.Simultaneous Channel and Feature Selection of Fused EEG Features Based on Sparse Group Lasso.BIOMED RESEARCH INTERNATIONAL.2015