头像
凌青华 副教授

计算机学院

通讯地址：江苏科技大学计算机学院

个人邮箱：19761664@qq.com

邮政编码：212003

办公地点：计算机学院505办公室

传真：

  • 个人简介

  • 科研团队

  • 获奖动态

  • 教学随笔

  • 教育经历

  • 课程教学

  • 论文著作

  • 科研论文

  • 科研横向项目

  • 科研纵向项目

  • 科研专利

  • 科研动物专利

  • 凌青华，博士，硕士生导师。现工作于江苏科技大学计算机学院，任计算机系副主任。硕士毕业于中国科学院合肥智能机械研究所模式识别与智能系统专业，博士毕业于江苏大学计算机应用技术专业。研究方向是智能信息处理和智能计算，主要包括机器学习、粒子群优化、随机神经网络等。近年来，以合作单位主持完成国家自然科学基金3项，省基金1项，在研国家自然科学基金1项，校博士科研启动基金1项，在国际知名期刊发表学术论文20余篇，授权国家发明专利2项。主要参与教改课题4项，大学生创新创业训练计划近10项。获校优秀共产党员，校优秀教师（2020年度,2023年度），本创优秀指导教师，江苏科技大学教学优秀奖（多次），校青年教师讲课比赛二等奖，指导多名本科生获校优秀毕业设计（论文）等。

    • 科研项目


      （1）国家自然科学基金面上项目，基于先验信息与多目标粒子群优化的高维小样本数据处理方法研究，2020.01-2023.12，合作单位主持，结题；

      （2）基于粒子群优化和随机神经网络的高维小样本数据处理方法研究，江苏科技大学科研启动基金，2020.01-2025.12，主持，在研；

      （3）江苏省普通高校学术学位研究生科研创新计划项目，1291170030，基于深度学习的医学图像自动识别研究，主持，已结题；

      （4）国家自然科学基金面上项目，61572241，基于先验约束和互补搜索的粒子群优化算法及其在高维小样本数据处理上的应用，2016.01-2019.12，64万元，合作单位主持，已结题；

      （5）国家自然科学基金面上项目，61271385、编码先验约束的高维小样本数据处理方法的研究、2013.01-2016.12，75万元，合作单位主持，已结题；

      （6）江苏省自然科学基金面上项目，BK2009197、编码先验知识的双重搜索算法及其在癌症诊断方面的研究、2009.07-2011.12，9万元，参与（3/10），已结题；

      （7）国家自然科学基金青年科学基金项目，60702056，基于粒子群优化和先验信息的约束学习算法研究，2008.01-2010.12，20万元，参与，已结题；

      （8）武器装备预研基金项目，51406020104CB0201，军事多自主体系统中基于IA网络计算的战斗协同，2004.01-2006.12，15万，参与，已结题。


    • 专利成果


      种带指示灯引导的监测单元及其实现方法，发明专利，201811501201.4，2020.10

      防止特定人员被困ATM机防护舱舱门电子系统及其实现方法，发明专利，201610243372.6，2018.03




    • 获奖动态

      1. 江苏科技大学优秀共产党员，江苏科技大学，2024年

      2. 江苏科技大学优秀教师，江苏科技大学，2023年

      3. 教师业绩考核优秀，江苏科技大学，2022-2023学年

      4. 江苏科技大学本科生创新创业训练计划“优秀指导教师”，2021年

      5. 教师业绩考核优秀，江苏科技大学，2021-2022学年

      6. 江苏科技大学优秀教师，江苏科技大学，2020年

      7. 教师业绩考核优秀，江苏科技大学，2019-2020学年

      8. 第十三届大学生“恩智浦”杯智能汽车竞赛赛区二等奖，教育部自动化类专业教学指导委员会，2018年

      9. 第十二届大学生“恩智浦”杯智能汽车竞赛赛区一等奖，教育部自动化类专业教学指导委员会，2017年

      10. 十四届青年教师讲课比赛，江苏科技大学，二等奖，2012年

      11. 第五届青年教师讲课比赛，江苏科技大学南徐学院，二等奖，2012年

      12.“计算机网络基础”教学质量奖，江苏科技大学南徐学院，一等奖，2011年

      13. 第二十届青年教师学术研讨会优秀论文，江苏科技大学计算机学院，2012年

      14.《数字逻辑与数字系统》优秀教学质量奖，江苏科技大学，2013年

    • 论文著作

      （1）Qinghua Ling, Wenkai Liu, Fei Han, et al. Feature selection using importance-based two-stage multi-modal multiobjective particle swarm optimization[J]. Cluster Computing, 2025, 28(2): 115.

      （2）Qinghua Ling, Zexu Li, Wenkai Liu, Jinlong Shi，FeiHan， Multi-objective particle swarm optimization based on particle contribution and mutual information for feature selection method[J].Supercomputing,2025, 81: 255.

      （3）Qinghua Ling, Kaimin Tan, Yuyan Wang, et al. Evolutionary extreme learning machine based on an improved MOPSO algorithm[J].Neural Computing and Applications, 2024, doi.org/10.1007/s00521-024-10578-4.

      （4）An Improved Multi-Objective Particle Swarm Optimization Algorithm Based on Angle Preference. Symmetry 2022, 14, 2619. https://doi.org/10.3390/sym14122619.

      （5）基于粒子群优化的深度随机神经网络，江苏科技大学学报（自然科学版），2020.01.

      （6）An efficient gene selection method for microarray data based on LASSO and BPSO，BMC Bioinformatics，2019.12.

      （7）An improved learning algorithm for random neural networks based on particle swarm optimization and input-to-output sensitivity，Cognitive Systems Research，2019.01.

      （8）一种改进的基于先验信息和微粒群算法的基因选择方法，江苏科技大学学报（自然科学版），2017.12.

      （9）An Improved Ensemble of Random VectorFunctional Link Networks Based on ParticleSwarm Optimization with DoubleOptimization Strategy，PLos One，2016.11.01，11（11）：e0165803.

      （10）Improving the Conditioning of Extreme Learning Machine by Using Particle Swarm Optimization，JDCTA:International Journal of Digital Content Technology and its Applications20122，2012.2.01，6（2）：85~93

      （11）A constrained approximation algorithm by encoding second-order derivative information into feedforward neural networks，5th International Conference on Intelligent Computing, ICIC 2009，ULSAN, Korean，2009.9.16-2009.9.19.

      （12）A survey on metaheuristic optimization for random single-hidden layer feedforward neural network，

      Neurocomputing，2019.03.

      （13）An improved hybrid self-inertia weight adaptive particle swarm optimization algorithm with local search，Engineering Optimization，2019.07.

      （14）An improved evolutionary extreme learning machine based on particle swarm optimization，Neurocomputing，2013.09.20，116：87~93.


  • 2013年－2019年，江苏大学，计算机应用技术，博士；

    2002年－2005年，中国科学院合肥智能机械研究所，工学硕士；

    1998年－2002年，南京师范大学，数学与计算机科学学院，理学学士。

  • 从事本科生一线教学近20年，主要授课课程有《数据结构》、《微机原理与接口技术》、《计算机网络》等。多次获学校教学业绩考核优秀奖。


    • 科研项目


      （1）国家自然科学基金面上项目，基于先验信息与多目标粒子群优化的高维小样本数据处理方法研究，2020.01-2023.12，合作单位主持，结题；

      （2）基于粒子群优化和随机神经网络的高维小样本数据处理方法研究，江苏科技大学科研启动基金，2020.01-2025.12，主持，在研；

      （3）江苏省普通高校学术学位研究生科研创新计划项目，1291170030，基于深度学习的医学图像自动识别研究，主持，已结题；

      （4）国家自然科学基金面上项目，61572241，基于先验约束和互补搜索的粒子群优化算法及其在高维小样本数据处理上的应用，2016.01-2019.12，64万元，合作单位主持，已结题；

      （5）国家自然科学基金面上项目，61271385、编码先验约束的高维小样本数据处理方法的研究、2013.01-2016.12，75万元，合作单位主持，已结题；

      （6）江苏省自然科学基金面上项目，BK2009197、编码先验知识的双重搜索算法及其在癌症诊断方面的研究、2009.07-2011.12，9万元，参与（3/10），已结题；

      （7）国家自然科学基金青年科学基金项目，60702056，基于粒子群优化和先验信息的约束学习算法研究，2008.01-2010.12，20万元，参与，已结题；

      （8）武器装备预研基金项目，51406020104CB0201，军事多自主体系统中基于IA网络计算的战斗协同，2004.01-2006.12，15万，参与，已结题。


    • 专利成果


      种带指示灯引导的监测单元及其实现方法，发明专利，201811501201.4，2020.10

      防止特定人员被困ATM机防护舱舱门电子系统及其实现方法，发明专利，201610243372.6，2018.03




    • 获奖动态

      1. 江苏科技大学优秀共产党员，江苏科技大学，2024年

      2. 江苏科技大学优秀教师，江苏科技大学，2023年

      3. 教师业绩考核优秀，江苏科技大学，2022-2023学年

      4. 江苏科技大学本科生创新创业训练计划“优秀指导教师”，2021年

      5. 教师业绩考核优秀，江苏科技大学，2021-2022学年

      6. 江苏科技大学优秀教师，江苏科技大学，2020年

      7. 教师业绩考核优秀，江苏科技大学，2019-2020学年

      8. 第十三届大学生“恩智浦”杯智能汽车竞赛赛区二等奖，教育部自动化类专业教学指导委员会，2018年

      9. 第十二届大学生“恩智浦”杯智能汽车竞赛赛区一等奖，教育部自动化类专业教学指导委员会，2017年

      10. 十四届青年教师讲课比赛，江苏科技大学，二等奖，2012年

      11. 第五届青年教师讲课比赛，江苏科技大学南徐学院，二等奖，2012年

      12.“计算机网络基础”教学质量奖，江苏科技大学南徐学院，一等奖，2011年

      13. 第二十届青年教师学术研讨会优秀论文，江苏科技大学计算机学院，2012年

      14.《数字逻辑与数字系统》优秀教学质量奖，江苏科技大学，2013年

    • 论文著作

      （1）Qinghua Ling, Wenkai Liu, Fei Han, et al. Feature selection using importance-based two-stage multi-modal multiobjective particle swarm optimization[J]. Cluster Computing, 2025, 28(2): 115.

      （2）Qinghua Ling, Zexu Li, Wenkai Liu, Jinlong Shi，FeiHan， Multi-objective particle swarm optimization based on particle contribution and mutual information for feature selection method[J].Supercomputing,2025, 81: 255.

      （3）Qinghua Ling, Kaimin Tan, Yuyan Wang, et al. Evolutionary extreme learning machine based on an improved MOPSO algorithm[J].Neural Computing and Applications, 2024, doi.org/10.1007/s00521-024-10578-4.

      （4）An Improved Multi-Objective Particle Swarm Optimization Algorithm Based on Angle Preference. Symmetry 2022, 14, 2619. https://doi.org/10.3390/sym14122619.

      （5）基于粒子群优化的深度随机神经网络，江苏科技大学学报（自然科学版），2020.01.

      （6）An efficient gene selection method for microarray data based on LASSO and BPSO，BMC Bioinformatics，2019.12.

      （7）An improved learning algorithm for random neural networks based on particle swarm optimization and input-to-output sensitivity，Cognitive Systems Research，2019.01.

      （8）一种改进的基于先验信息和微粒群算法的基因选择方法，江苏科技大学学报（自然科学版），2017.12.

      （9）An Improved Ensemble of Random VectorFunctional Link Networks Based on ParticleSwarm Optimization with DoubleOptimization Strategy，PLos One，2016.11.01，11（11）：e0165803.

      （10）Improving the Conditioning of Extreme Learning Machine by Using Particle Swarm Optimization，JDCTA:International Journal of Digital Content Technology and its Applications20122，2012.2.01，6（2）：85~93

      （11）A constrained approximation algorithm by encoding second-order derivative information into feedforward neural networks，5th International Conference on Intelligent Computing, ICIC 2009，ULSAN, Korean，2009.9.16-2009.9.19.

      （12）A survey on metaheuristic optimization for random single-hidden layer feedforward neural network，

      Neurocomputing，2019.03.

      （13）An improved hybrid self-inertia weight adaptive particle swarm optimization algorithm with local search，Engineering Optimization，2019.07.

      （14）An improved evolutionary extreme learning machine based on particle swarm optimization，Neurocomputing，2013.09.20，116：87~93.