一、基本情况
黎隽男，男，汉族，1992出生，副教授、博士研究生学历、硕士生导师（太阳成集团tyc151cc、重庆三峡公司）。重庆工业职业技术大学工业数字测试、检测系统与AI决策应用技术推广中心带头人，重庆市巴渝青年学者，重庆科技专家库入库专家，重工英才青年人才，主要从事人工智能、机器学习、半监督分类、半监督小样本学习研究。主持国家自然科学基金青年项目、重庆市博士后特别资助项目、重庆市教委科学技术研究青年项目等纵向项目5项，承担解决企业实际问题的横向项目3项，参研国家自然科学基金面上项目、教育部人文社科青年项目、重庆市自然科学基金面上项目等8项，在国际知名中科院一/二区Top期刊如（Pattern Recognition）上发表SCI论文11篇，在国家一级出版社出版学术著作1部，主编教材1部，入选重庆市第五批高校黄大年式教师团队，担任国际顶级或重要科技的SCI期刊（如《Pattern Recognition》、《Neural Network、《Knowledge-Based Systems》、《Applied Soft Computing》、《Engineering Applications of Artificial Intelligence》等）的审稿人或加入其Editorial Board。拟承担人工智能、新一代信息技术研究方向电子信息硕士人才培养任务。
邮箱：jameslee@uestc.edu.cn
二、科研方向
人工智能、机器学习、半监督分类、半监督小样本学习。
三、科研成果
1、科研项目
（1）2024.1-2026.12，基于多局部核心和不均匀样本生成的自标记框架研究，国家自然科学基金青年项目（批准号：62306050），项目负责人，项目总经费30万，在研。
（2）2025.4-2027.4，基于多粒度局部核心的自标记框架研究，重庆市博士后特别资助（三等）项目（批准号：2024CQBSHTB3168），项目负责人，项目总经费5万，在研。
（3）2024.10-2027.9，基于快速局部多核心和噪声鲁棒过采样的类重叠半监督数据分类研究及应用，重庆市教委科学技术研究青年项目（批准号：KJQN202403206），项目负责人，项目总经费4万，在研。
（4）2025.7.1-2028.7.1，面向大数据的多粒度协同训练方法研究及在金融欺诈检测中的应用，重庆市教委科学技术研究青年项目，项目负责人，项目总经费4万，在研。
（5）2024.7-2027.12，基于局部核心的半监督过抽样方法及其在金融欺诈检测中的应用，重庆市工业职业技术公司博士基金（批准号：2024GZYBSZK1-02），项目负责人，项目总经费40万，在研。
（6）2020.1-2022.12，关于自标记式半监督分类方法的研究，重庆市靠研究生科研创新项目（批准号：CYB20063），项目负责人，项目总经费1万，结题。
（7）2022.1-2025.12，通信竞争感知的云工作流调度建模与优化，国家自然科学基金面上项目（批准号：62172065），参研，项目总经费55万，在研。
（8）2024.6-2027.12，新质生产力视域下农村金融赋能乡村产业高质量发展的机制创新研究，教育部人文社会科学研究青年基金项目（批准号：24YJC790018），参研，项目总经费8万，在研。
2、代表性论文
[1] Junnan Li, Zhou M, Zhu Q, Wu Q. A framework based on local cores and synthetic examples generation for self-labeled semi-supervised classification [J]. Pattern Recognition, 2023, 134: 109060. （2023中科院一区Top期刊；第一作者）
[2] Junnan Li, Fu S, Fu W, Wang L, Pan X. An efficient framework based on local multi-representatives and noise-robust synthetic example generation for self-labeled semi-supervised classification [J]. Neural Networks, 2025, 185: 107142. （2025年中科院二区Top期刊；第一作者）
[3] Junnan Li, Zhu Q, Wu Q, Fan Z. A novel oversampling technique for class-imbalanced learning based on SMOTE and natural neighbors [J]. Information Sciences, 2021, 565: 438-455. （2021年中科院一区Top期刊；第一作者）
[4] Junnan Li, Zhu Q, Wu Q, Cheng D. An effective framework based on local cores for self-labeled semi-supervised classification [J]. Knowledge-Based Systems, 2020, 197 (7): 105804. （2020年中科院一区Top期刊；第一作者）
[5] Junnan Li, Zhu Q, Wu Q, Zhang Z, Gong Y, He Z, Zhu F. SMOTE-NaN-DE: Addressing the noisy and borderline examples problem in imbalanced classification by natural neighbors and differential evolution [J]. Knowledge-Based Systems, 2021, 223 (8): 107056. （2021年中科院一区Top期刊；第一作者）
[6] Junnan Li, Wu Q. A self-training method based on density peaks and an extended parameter-free local noise filter for k nearest neighbor [J]. Knowledge-Based Systems, 2019, 184 (15): 104895. （2019年中科院一区Top期刊；第一作者）
[7] Junnan Li, Li T. A sample subspace optimization-based framework for addressing mislabeling in self-labeled semi-supervised classification [J]. Applied Soft Computing, 2023, 146: 110687. （2023年中科院一区Top期刊；第一作者）
[8] Junnan Li. Oversampling framework based on sample subspace optimization with accelerated binary particle swarm optimization for imbalanced classification [J]. Applied Soft Computing, 2024, 162: 111708. （2024年中科院一区Top期刊；第一作者）
[9] Junnan Li. A self-training method based on fast binary bare-bones particle swarm optimization for semi-supervised classification [J]. Engineering Applications of Artificial Intelligence, 2024, 136, 108546.（2024年大类中科院二区Top期刊；第一作者）
[10] Junnan Li, Lufeng Wang, Shun Fu, Wei Fu, Xin Pan. Self-labeled framework with semi-supervised ball k-means clustering-based synthetic example generation for semi-supervised classification in industrial applications [J]. Engineering Applications of Artificial Intelligence, 2025. （2025年中科院一区Top期刊；第一作者）
3、授权发明专利
（1）一种用于人工智能监测的计算机服务器柜，授权专利号: ZL 2024 2 0651133.4，2025.1.21，排名第1。
（2）一种基于人工智能的计算机环绕式显示屏，授权专利号: ZL 2024 2 0503448.4，2024.10.22，排名第1。
（3）一种基于近邻密度和半监督KNN的集成自训练方法，授权专利号CN201710386592.9，2017.05.26,排名第2。
4、获奖情况
无
5、其他（教材专著等其他）
(1)基于自然近邻的局部核心或不均匀样本生成分类框架研究，重庆大学出版社，2025年，排名第1
(2)软件开发高级应用(Spring+SpringMVC+MyBatis)，国家开放大学出版社，2024年，排名第3
