澳门大学计算机学系PhD博士招生中！（导师Prof. FONG）

今天我们将带大家深入解析今天我们将带大家深入解析澳门大学 计算机学系的博士生导师Prof.FONG，通过这样的“方法论”，让大家学会如何从了解一个导师开始，到后期更好地撰写套磁邮件及其他文书。

研究领域解析和深入探讨

教授是澳门大学科学技术学院计算机与信息科学系的副教授，同时也是该学院数据分析与协作计算研究小组的创始成员之一。教授于1993年在澳大利亚拉筹伯大学获得计算机系统工程一级荣誉学士学位，并于1998年获得计算机科学博士学位。在加入学术界之前，教授曾在澳大利亚和亚洲担任多种管理和技术职位，包括系统工程师、IT顾问、综合网络专家和电子商务总监。

教授的研究领域主要集中在数据挖掘、数据分析、生物信息学和人工智能医学应用方面。通过对其研究成果的分析，可以看出教授的研究工作主要围绕以下几个核心方向展开：

1. 数据挖掘教授致力于发展创新算法和方法，特别是在大数据和数据流挖掘方面。他的研究涉及利用生物启发式算法优化数据挖掘过程，如蚁群算法、遗传算法和粒子群优化等自然启发式方法。这些算法在处理复杂、动态的数据环境中表现出色，能够更有效地从大规模数据中提取有价值的模式和知识。
2. 人工智能医学应用教授的研究工作尤为显著。他近期的研究项目包括开发一个综合AI系统用于早期胃癌检测，该系统采用了One Class Twin Cross Learning (OCT-X)的创新方法。此外，教授还致力于将深度学习技术应用于医学图像分析，如皮肤癌检测、骨科放射影像分类和胃部出血诊断等领域。
3. 环境监测与预测教授最近的研究成果包括设计了一个动态全局-局部时空图框架，用于多城市PM2.5长期预测，该框架引入了多站点iTransformer模块来捕捉长期时间依赖性，以及双线性时空注意力模块来自适应构建动态时空图。这项研究显示了教授在将人工智能技术应用于环境科学领域的创新能力。此外，教授还开展了有关生成式AI与搜索引擎信息内容的比较研究，探讨了不同平台信息的相似性、可信度和价值评估方法，采用嵌入向量的余弦相似度计算等技术来量化信息之间的关系。这反映了教授对当前热门技术发展趋势的敏锐洞察力和前瞻性研究视角。

精读教授所发表的文章

1."Enhanced Cutaneous Melanoma Segmentation in Dermoscopic Images Using a Dual U-Net Framework with Multi-Path Convolution Block Attention Module and SE-Res-Conv"

论文提出了一种双U-Net网络框架用于皮肤黑色素瘤分割。该研究引入了多路径卷积块注意力模块(MCBAM)和挤压-激励(SE)残差连接机制，在ISIC-2017和ISIC-2018两个知名皮肤数据集上显著提高了分割性能。研究结果表明，该模型在IoU值和Dice系数方面均取得了显著提升，证明了该方法在医学图像分割任务中的有效性。

2."A Dynamic Global–Local Spatiotemporal Graph Framework for Multi-City PM2.5 Long-Term Forecasting"

研究提出了一种用于PM2.5长期预测的新型动态全局-局部时空图框架。该研究通过多站点iTransformer模块捕捉长期时间依赖性，利用双线性时空注意力模块自适应构建动态时空图，并设计了图增强时空模块来捕捉局部时空依赖关系。实验结果表明，该模型在三个真实世界的空气质量数据集上取得了显著的改进，在各项评估指标上均优于广泛采用的基准方法。

3."Measuring Similarity, Credibility and Value of Information Content of Google and Generative AI Platforms"

研究该研究旨在比较谷歌搜索引擎与生成式AI平台信息内容的相似性、可信度和价值。尽管目前尚未找到该研究的完整发表版本，但这表明教授正在积极探索前沿的AI技术及其在信息检索和评估领域的应用。

4."Finding an Accurate Early Forecasting Model from Small Dataset: A Case of 2019-nCoV Novel Coronavirus Outbreak"

研究提出了一种从小数据集中构建准确预测模型的方法。该研究结合了数据增强、模型选择面板和个体预测模型参数微调三种数据挖掘技术，并应用于武汉新冠病毒爆发的预测中。研究结果表明，基于多项式神经网络的校正反馈(PNN+cf)算法能够在小样本情况下实现相对较低的预测误差。

教授的学术地位

教授在数据挖掘、人工智能和医学应用领域拥有举足轻重的学术地位和广泛的影响力。这一点可以从多个方面得到验证：

首先，根据LinkedIn上的个人资料，教授已发表超过500篇经同行评审的国际会议和期刊论文，主要集中在电子商务技术和数据挖掘领域。这一数量级的学术产出在计算机科学领域是相当可观的，表明教授在其研究领域持续保持高产和活跃。

其次，从Google Scholar的引用数据来看，教授的研究成果被引用超过15,547次，这一数字充分说明了其研究工作受到学术界广泛关注和认可。高引用率是衡量学者影响力的重要指标之一，表明教授的研究成果对该领域的发展产生了实质性影响。

教授活跃于国际学术舞台，经常受邀在重要的国际会议和研讨会上发表主题演讲，如2017年IEEE国际大数据分析会议、2016年信息科学与应用iCatse会议等。这些邀请反映了学术界对教授专业知识的高度认可。

在学术服务方面，教授担任多个重要期刊的编委和客座编辑，包括Elsevier的Journal of Network and Computer Applications（SCI索引）、IEEE IT Professional Magazine（SCIE索引）等。此外，他还担任IEEE计算智能学会商业智能与知识管理工作组的副主席，以及国际神经网络学会(INNS)区域分会的协调员。这些学术服务职务表明教授在学术界享有很高的声誉和影响力。

从研究方向的前沿性来看，教授的研究紧跟人工智能和数据科学的最新发展趋势。例如，他在生成式AI、时空图神经网络和医学图像分析等领域的最新研究，都处于当前研究热点的前沿。这种前瞻性的研究视角使教授能够在快速发展的技术领域保持领先地位。

在教育和人才培养方面，作为澳门大学的副教授，教授积极参与教学和研究生指导工作，为培养数据科学和人工智能领域的新一代人才做出贡献。

值得注意的是，教授的研究不仅限于理论创新，还注重解决实际问题，特别是在医疗诊断、环境监测和疫情预测等社会关切的领域。这种理论与实践相结合的研究风格，使其研究成果具有更广泛的社会影响力。

综合来看，教授在数据挖掘和人工智能应用领域已经建立了坚实的学术地位，其研究成果对学术界和产业界都产生了重要影响。他不仅是一位多产的研究者，还是一位活跃的学术服务者和教育者，为推动该领域的发展做出了全方位的贡献。

有话说

通过对教授研究工作的深入分析，我们可以提炼出几个关键的创新思路和未来研究方向：

1. 多模态数据融合与医学决策支持：教授在医学图像分析领域的研究表明，融合多种数据源和特征可以显著提高诊断准确性。例如，将皮肤病变的皮肤镜图像与临床元数据（如患者年龄、性别和病变位置）结合，通过特征级融合提高黑色素瘤检测的性能。这种多模态数据融合的思路可以扩展到更多医学领域，如结合基因组学数据、临床记录和医学影像，构建更全面的疾病预测和诊断模型。未来研究可以探索如何优化不同模态数据的权重分配，以及如何处理模态间的异质性和缺失数据问题。
2. 时空图神经网络的创新应用：教授在环境数据预测方面的研究展示了时空图神经网络的强大潜力。通过设计动态全局-局部时空图框架，结合多站点iTransformer和双线性时空注意力机制，实现了更准确的PM2.5长期预测。这种方法可以扩展到更多时空数据分析场景，如交通流量预测、疾病传播模拟、城市人口流动分析等。未来研究可以探索如何更有效地捕捉多尺度时空依赖关系，以及如何将物理知识融入图神经网络模型中，提高预测的可解释性和准确性。
3. 生成式AI的可信度评估：教授关于生成式AI平台信息内容的比较研究，触及了当前人工智能发展的关键问题——如何评估和保证AI生成内容的质量和可信度。通过计算嵌入向量的余弦相似度等方法来量化信息之间的关系，为评估AI生成内容提供了技术路径。未来研究可以深入探索更多维度的评估指标，如事实准确性、逻辑一致性、信息完整性等，并开发自动化工具来检测和纠正AI生成内容中的错误或偏见。
4. 小样本学习与数据高效算法：教授在疫情预测研究中提出的从小数据集构建准确预测模型的方法，对于许多实际应用场景具有重要意义。在许多领域，特别是医疗健康和突发事件预测中，往往面临数据稀缺的挑战。未来研究可以进一步探索如何结合迁移学习、元学习和数据增强技术，开发更高效的小样本学习算法，以及如何评估和提高这些算法在不同领域的泛化能力。
5. 医学图像分割的创新架构：教授提出的双U-Net网络框架，结合多路径卷积块注意力模块和挤压-激励残差连接，为医学图像分割提供了新的思路。这种创新的网络架构设计可以进一步优化和扩展，如探索更高效的注意力机制、多尺度特征融合策略，以及如何将领域知识融入网络设计中。未来研究可以探索如何减少模型的计算复杂度，使其更适合移动设备和边缘计算环境，从而促进医疗AI技术的普及应用。

博士背景

Aurelia ，美国TOP10院校计算机科学与认知科学双博士生，研究聚焦算法博弈论不确定性及其在人工智能中的应用。她的跨学科研究融合了计算机科学、语言学和心理学知识，在国际顶级期刊《Journal of Artificial Intelligence Research》和《Cognitive Science》上发表多篇论文。Aurelia 荣获ACM SIGAI博士论文奖，擅长相关方向的PhD申请指导。