职称

讲师

电子邮件

kunwang@shu.edu.cn

办公室

计算机学院409室

研究方向

时空数据挖掘，生成式人工智能，数据流适应学习

个人简介

王锟，硕士生导师，上海大学计算机工程与科学学院讲师，入选上海市白玉兰浦江人才计划。于2023年和2024 年先后取得上海大学和悉尼科技大学博士学位，之后继续在悉尼科技大学，澳大利亚人工智能研究院进行博士后研究并于2025年出站，同年进入上海大学计算机工程与科学学院工作。研究方向聚焦在时空数据挖掘、生成式人工智能、数据流概念漂移适应学习相关的理论算法和交叉应用。近年来陆续在IEEE TKDE、IEEE TCYB、Neurocomputing、Physica A: Statistical Mechanics and its Applications等期刊和AJCAI、ISKE、KES、LISS、AAAI等会议上发表学术论文30余篇。曾担任 IEEE TNNLS、IEEE TFS、IEEE TCYB、IEEE IOT、IEEE SMC systems、KBS、Neurocomputing、Neural Networks等国际期刊审稿人，以及IJCNN、AAAI、ICLR、ICML、NeurlPS、AISTATS 等国际会议审稿人，担任AJCAI 2023、FLINS-ISKE 2024、ISKE 2025、FLINS-ISKE 2026、ICMR 2026会议PC。

个人主页：https://kunkun111.github.io

教育背景

2019-2024, 悉尼科技大学, 软件工程专业, 博士学位

2017-2023, 上海大学, 管理科学与工程专业, 博士学位

2014-2017, 安徽理工大学, 管理科学与工程专业, 硕士学位

2010-2014, 安徽理工大学, 英语专业（辅修）, 学士学位

2010-2014, 安徽理工大学, 电子商务专业, 学士学位

主要工作经历

2025-至今，上海大学，讲师

2023-2025, 悉尼科技大学，博士后

科研项目

2025-2027，上海市白玉兰人才计划浦江项目（A类）：基于时空多模态生成式预测的城市人流聚集风险识别研究（No. 25PJA308），主持

2019-2025，澳大利亚研究理事会桂冠项目（ARC Laureate Project）: Autonomous learning for decision making in complex situations（No. FL190100149），参与

2021-2023, 国家社会科学基金重大项目：基于新一代信息技术提高应对突发公共卫生事件能力研究

（No. 21ZDA105），参与

代表性论文或专著

代表性论文：

[1] Mengyuan Lu, Li Xiong, Kun Wang. Real-time trajectory tracking with conditional random field and Markov chain[C]. In FLINS-ISKE 2026, Accepted.

[2] Kun Wang, Jie Lu, Anjin Liu. Adaptive information fusion-based concept drift learning for evolving multiple data streams [J]. IEEE Transactions on Knowledge and Data Engineering, 2025, 37(12): 6863-6876.

[3] Kun Wang, Hang Yu. Adaptive diffusion learning for non-stationary data streams with concept drift [C]. In ISKE 2025, China, Nov.21-23, 2025.

[4] Rudan Xue, Li Xiong, Kun Wang. An evolutionary game approach for information sharing within medical consortium based on complex network [J]. Computers & Industrial Engineering, 2025, 203, 110963.

[5] Kun Wang, Jie Lu, Anjin Liu, Guangquan Zhang. TS-DM: A time segmentation-based data stream learning method for concept drift adaptation[J]. IEEE Transactions on Cybernetics, 2024, 54(10): 6000-6011.

[6] Kun Wang, Li Xiong, Anjin Liu, Guangquan Zhang, Jie Lu. A self-adaptive ensemble for user interest drift learning[J]. Neurocomputing, 2024, 577, 127308.

[7] Kun Wang, Li Xiong, Rudan Xue. Real-time data stream learning for emergency decision-making under uncertainty[J]. Physica A: Statistical Mechanics and its Applications, 2024, 633, 129429.

[8] Kun Wang, Jie Lu, Anjin Liu, Guangquan Zhang. An adaptive stacking method for multiple data streams learning under concept drift[C]. In FLINS-ISKE 2024, Spain, Jul.16-21, 2024.

[9] Bin Zhang, Jie Lu, Kun Wang, Guangquan Zhang, ML4MDS: A machine learning platform for multiple data stream[C]. In FLINS-ISKE 2024, Spain, Jul.16-21, 2024.

[10] Kun Wang, Jie Lu, Anjin Liu, Guangquan Zhang, Li Xiong. Evolving gradient boost: A pruning scheme based on loss improvement ratio for learning under concept drift[J]. IEEE Transactions on Cybernetics, 2023, 53(4): 2110-2123.

[11] Kun Wang, Jie Lu, Anjin Liu, Guangquan Zhang. TCR-M: A topic change recognition-based method for data stream learning[C]. In KES 2023, Greece, Sep.6-8, 2023.

[12] Kun Wang, Jie Lu, Anjin Liu, Guangquan Zhang. An augmented learning approach for multiple data streams under concept drift[C]. In AJCAI 2023, Brisbane, Australia, Nov.28-Dec.1, 2023.

[13] Kun Wang, Jie Lu, Anjin Liu, Yiliao Song, Guangquan Zhang, Li Xiong. Elastic gradient boosting decision tree with adaptive iterations for concept drift adaptation[J]. Neurocomputing, 2022, 491, 288-304.

[14] Kun Wang, Anjin Liu, Jie Lu, Guangquan Zhang, Li Xiong. An elastic gradient boosting decision tree for concept drift learning[C]. In AJCAI 2020, Canberra, Australia, Nov.29-30, 2020.

[15] Anjin Liu, Guangquan Zhang, Kun Wang, Jie Lu. Fast switch naive Bayes to avoid redundant update for concept drift learning[C]. In IJCNN 2020, Glasgow, United Kingdom, Jul.19-24, 2020.

[16] 熊励, 陆梦园, 王锟. 基于LDA-DLNB 模型的突发事件网络舆情识别与智库治理研究 [J]. 智库理论与实践, 2024, 9 (02): 1-12.

[17] 熊励, 王锟, 陈楠, 薛茹丹. 数据流学习驱动的突发事件风险信息预警体系研究 [J]. 情报理论与实践, 2023, 46(07): 140-149.

[18] 熊励, 王成文, 王锟. 基于事件本体的疫情知识库构建策略[J]. 图书情报工作, 2021, 65(14): 138-148.

[19] 熊励, 王锟, 许肇然. 互联网支撑上海全球城市竞争生态优势提升研究——基于世界城市网络模型[J]. 中国软科学, 2018, (09), 76-90.

[20] 熊励, 王锟, 钟美芝. 大数据可视化分析在支撑智库研究中的应用与创新 [J]. 智库理论与实践, 2018, 3 (04): 15-24.

专著：

熊励，王成文，王锟，颜卉. 互联网赋能全球城市[M]. 北京：清华大学出版社, 2019.