李军（兰州交大教授）的个人简介
李军，男，教授，博士，计算智能与信息处理研究所所长，中国人工智能学会科普工作委员会委员，兰州交通大学学报编委，教育部学位办通讯评议专家，国家铁路局铁路工程建设评标专家。
以第一作者身份在《物理学报》、《控制与决策》、《化工学报》、《电机与控制学报》、《西安交通大学学报》等国内外学术期刊上发表学术论文近30篇，其中被SCI收录5篇，EI收录10余篇。主要研究方向，机器学习，混合计算智能方法与非线性系统建模、预测、控制等。兰州交通大学计算智能与信息处理研究所所长。已主持完成甘肃省自然科学基金、甘肃省高等学校科研业务费专项资金项目、甘肃省高等学校研究生导师项目，教育部重点实验室开放课题等多项科研项目。2015-2018年，主持国家自然科学基金项目一项。
人物简历
1987年至1991年在兰州铁道学院学习，毕业获工学学士学位。
1991年至1996年在兰州铁道学院电信系教学。
1996年至1999年在兰州铁道学院电信系攻读硕士研究生，毕业获工学硕士学位。
1996年至2002年在兰州铁道学院电信系教学。
2002年至2006年在西安交通大学电气工程学院攻读博士学位，毕业获工学博士学位。
2008年9月至2009年8月，中国科学院自动化研究所复杂系统与智能科学重点实验室，中组部“西部之光”访问学者，从事先进机器人控制及其神经网络的应用研究。
2006年至今，在兰州交通大学自动化与电气工程学院自动化系任教。
2002年2月至今先后从事计算智能、非线性系统辨识与控制、智能检测理论与多传感数据融合等研究工作。除完成相关课题研究工作外，并多次参加神经网络学术会议。
荣誉成就
现任计算智能与信息处理研究所所长，中国人工智能学会科普工作委员会委员，《兰州交通大学学报》编委，教育部学位办通讯评议专家，国家铁路局铁路工程建设评标专家。主要从事混合计算智能方法在非线性系统建模与控制、复杂时间序列预测、软测量建模与过程控制等研究工作。以第一作者身份在《物理学报》、《化工学报》、《控制与决策》等国内外著名学术期刊上发表学术论文30余篇，其中SCI收录5篇，EI收录10余篇。已主持完成甘肃省自然科学基金、甘肃省高等学校基本科研业务费专项资金资助项目、甘肃省高等学校研究生导师项目，教育部重点实验室开放课题项目，兰州交通大学第二批“青蓝”工程人才资助项目等多项科研项目，主持国家自然科学基金项目一项，2013年、2016年获兰州交通大学“优秀研究生指导教师”荣誉称号，指导的一名学生获得2015年甘肃省优秀硕士学位论文。
《控制与决策》、《电工技术学报》、《控制工程》等期刊审稿人等。
研究方向
主要研究方向：混合计算智能与机器学习、非线性系统预测、辨识与控制
主要课程
1．讲授的主要课程
自动化导论（本科）
控制系统仿真（本科）
智能控制理论 （本科）
模式识别（研究生）
2．实践性教学
毕业设计[NextPage]
学术研究
主持的研究课题（含课题名称、来源、年限）
1）2015-2018年，国家自然科学基金项目”基于高斯过程的短期风电功率概率预测方法研究”（编号51467008），主持在研
2）2012-2014年，甘肃省高等学校基本科研业务费专项资金资助项目“非线性系统建模与控制中的混合计算智能方法研究”（编号620026），主持完成
3）2016-2017年，基于概率核学习方法的非线性系统辨识与控制研究，光电技术与智能控制教育部重点实验室开放基金项目，主持在研
4）基于软计算方法的非线性系统辨识与控制研究（0803RJZA023），2008～2010年，甘肃省自然科学基金项目，主持
5）多传感器信息融合理论中智能混合算法与应用研究（3ZS042-B25-026），2005－2006，甘肃省自然科学基金项目，主持
6）传感器信息融合理论与研究(K04114)，2004-2005，光电技术与智能控制教育部重点实验室开放基金项目，主持
7）2004年~2008年，兰州交通大学青蓝人才工程项目，主持[NextPage]
主要论文
发表论文(第一署名)
[1]李军，张观东. FVS-MSVM方法在机器人建模与辨识中的应用[J].振动与冲击，2018，37 (20): 67-74(EI)
[2]李军，赵畅. 基于核自适应滤波的无线传感网络定位算法研究[J].农业机械学报2018，49(4):259-266(EI)
[3]Li Jun, Wang Qiu-li. Short-term traffic flow online forecasting based on kernel adaptive filter[J]. Journal
of Measurement Science and Instrumentation，2018, 9(4):326-334(CSCD核心)
[4]李军, 常燕芝. 基于KPCA-KMPMR的短期风电功率概率预测[J].电力自动化设备, 2017, 37(2):22-28 (EI )
[5]李军，於阳. 基于稀疏编码的短期风电功率时间序列预测[J].电力系统保护与控制,2018,46(12):16-
23(CSCD核心)
[6]李军，卓泽赢基于EWT-MKL的风电功率短期预测[J].信息与控制, 2018，47 (4): 437-447(CSCD核心)
[7]李军, 陈颖KPCA-ESN方法在Wi-Fi室内定位中的应用[J].系统仿真学报, 2017, 29(12): 3042-3050
(CSCD核心)
[8]李军, 桑桦. 基于SCKF的递归神经网络方法在软测量建模中的应用[J].信息与控制, 2017,46(3): 342-
349(CSCD核心)
[9]李军, 李大超. 基于优化核极限学习机的风电功率时间序列预测[J].物理学报,2016,65(13):130501 (SCI/EI)
[10]李军、石青. 基于ELM的一类不确定性纯反馈非线性系统的Backstepping自适应控制[J].化工学报, 2016,67(7)：2934-2943 (EI)
[11]李军, 李大超. 基于CEEMDAN-FE-KELM方法的短期风电功率预测[J].信息与控制, 2016,45(2): 135-
141(CSCD核心)
[12]李军, 黄杰. 基于自组织映射神经网络和局部自回归模型的网络流量预测[J].信息与控制,2016,45(1):
120-128(CSCD核心)
[13]李军, 乃永强.基于ELM的一类MIMO仿射非线性系统的鲁棒自适应控制[J].控制与决策, 2015，30(9):
1559-1566(EI 20154501525829)
[14]李军,李青.基于CEEMDAN-排列熵和泄漏积分ESN的中期电力负荷预测研究[J].电机与控制学报,
2015,19(8): 2015,19(8):70-80 (EI:20154101350214)
[15]李军, 乃永强. 基于ELM的机器人自适应跟踪控制[J].电机与控制学报, 2015, 19(4)：106-116 (EI:
20152500946583)
[16] 乃永强,李军. 基于极限学习机的机械臂自适应神经控制[J].信息与控制, 2015, 44(3)：257-262
(CSCD核心)
[17]李军, 岳文琦.基于泄漏积分型回声状态网络的软测量动态建模方法及应用[J].化工学报, 2014, 65(10)：
4004-4014(EI：201444136196)
[18]李军. 基于贪心核特征提取方法的中期峰值负荷预测[J].控制与决策, 2014, 29(9): 1661-1666(EI：
201443121556)
[19] 李晓华,李军.基于ESN网络的连续搅拌反应釜(CSTR)辨识研究[J].信息与控制2014, 43(2):223-228.
[20] 王娇,李军. 最小最大概率回归机在短时交通流预测中的应用[J].公路交通科技,2014, 31(2):121-127.
[21]李军, 郭琳. 基于WKGV-KICA 的盲源信号分离算法[J].控制与决策, 2013, 28(7): 972-977 (EI：
20133216587735)
[22]李军, 张友鹏. 基于GP的混沌时间序列单步与多步预测[J].物理学报, 2011, 60(7):070513-1~10
(SCI: 800MZ)
[23]李军,赵峰.最小二乘小波支持向量机在非线性控制中的应用[J].电机与控制学报, 2009,13(4):620-625
(EI: 20093412260423)
[24]李军,董海鹰. 基于小波核偏最小二乘回归方法的混沌系统建模研究[J].物理学报,2008,57(8):4756-
4765(SCI: 339UK)
[25]李军, 赵峰.基于支持向量回归神经网络的时间序列预测[J].系统仿真学报, 2008,20(15): 4025-4030. (EI:
083511488287)
[26]Li Jun,Zhang You-Peng. Modelling of Dynamic Systems Using Generalized RBF Neural Networks
Based On Kalman Filter Mehtod[J].Advances in Neural Networks, 2007, LNCS 4491: 680-688
(EI：075210989107)
[27]Li Jun, Liu Jun-hua. Study on Nonlinear Inverse Modeling of Sensor based on Back-Propagation
Fuzzy Logical System[J].Academic Journal ofXiu2019anJiaotongUniversity, 2007,19 (1):14-17.
[28]Li Jun,Liu Jun-hua. Identification and Control of Dynamic Systems Based onLeast SquareWavelet
Support Vector Machines[J].Advances in Neural Networks, 2006, LNCS 3972: 934-942.
(SCI: BET84; EI: 062910011294)
[29]Li Jun,Liu Jun-hua. Identification of Dynamic Systems Using Support Vector Regression Neural
Networks[J].Journal ofSoutheastUniversity, 2006, 22(2):228-233(EI: 063610101364)
[30]Li Jun,Zhao Feng. Nonlinear Inverse Modeling of Sensor Characteristics Based on Compensatory
Neurofuzzy Systems[C]. 1st International Symposium on Systems and Control in Aerospace and
Astronautics: 284-288, 2006. (ISSCAA2006). (EI:064610244243; ISTP: BEJ06)
[31]Li Jun, Zhao Feng. Identification of Dynamical Systems Using Radial Basis Function Neural Networks
with Hybrid Learning Algorithm[C]. 1st International Symposium on Systems and Control in Aerospace
and Astronautics: 1115-1118, 2006. (ISSCAA2006) (EI:064610244417; ISTP: BEJ06)
[32]李军,刘君华.一种新型广义RBF神经网络在混沌时间序列预测中的研究[J].物理学报, 2005, 54(10): 4569-
4577 (SCI: 972GU; EI: 05459460311)
[33]李军,刘君华. 多传感器融合系统的可靠性模型研究[J].西安交通大学学报,2004, 38(8): 775-778 (EI:
04468459128)
