职称

讲师

电子邮件

kunwang@shu.edu.cn

办公室

计409室

研究方向

时空数据挖掘，数据流适应学习

个人简介

王锟，现任上海大学计算机工程与科学学院讲师，硕士生导师。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、数据流概念漂移检测、自适应学习算法。近年来陆续在IEEE TKDE、IEEE TCYB、Neurocomputing等期刊和AJCAI，ISKE，AAAI等会议上发表学术论文。曾担任多个IEEE 人工智能领域汇刊以及IJCNN，AAAI，ICLR，ICML，NeurlPS，AISTATS 等国际会议审稿人，FLINS-ISKE会议PC。

教育背景

2019-2024, 悉尼科技大学, 软件工程专业, 博士

2017-2023, 上海大学, 管理科学与工程专业, 博士

2014-2017, 安徽理工大学, 管理科学与工程专业, 硕士

2010-2014, 安徽理工大学, 英语专业（辅修）, 学士

2010-2014, 安徽理工大学, 电子商务专业, 学士

主要工作经历

2023-2025, 悉尼科技大学，博士后

科研项目

2023-2025，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

代表性论文或专著

[1] 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. （SCI，影响因子：10.4，CCF-A，中科院一区Top）

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

[3] 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. （SCI，影响因子：6.7，中科院一区）

[4] 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. （SCI，影响因子：9.4，CCF-B，中科院一区Top）

[5] Kun Wang, Li Xiong, Anjin Liu, Guangquan Zhang, Jie Lu. A self-adaptive ensemble for user interest drift learning[J]. Neurocomputing, 2024, 577, 127308. （SCI，影响因子：5.5，中科院二区）

[6] 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. （SCI，影响因子：2.8，中科院二区）

[7] 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.

[8] 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.

[9] 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. （SCI，影响因子：9.4，CCF-B，中科院一区Top）

[10] 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.

[11] 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.

[12] 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. （SCI，影响因子：5.5，中科院二区）

[13] 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.

[14] 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.

[15] 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.

[16] 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.

[17] 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.