孔万增

孔万增，二级教授、博导，2008年博士毕业于浙江大学，脑机协同智能技术（科技部）国际联合研究中心副主任，全省脑机协同智能技术及应用重点实验室主任，校党委委员、组织部部长、统战部部长，入选2023、2024年度全球前2%顶尖科学家榜单，中国电子学会优秀科技工作者，中国计算机学会杰出会员（专业会员比例 3‰），省万人计划科技创新领军人才。近年来先后主持（完成）国家自然科学基金（青年、面上、联合重点）、国家重点研发计划国际科技创新合作重点专项、国家国际科技合作专项、JWKJW 173计划领域基金、浙江省重点研发计划等多项科研项目。同时在国际、国内重要的学术组织兼职，担任SCI期刊Cognitive Neurodynamics副主编、Journal of Neuroscience Methods编委，IEEE Senior Member，Technical Committee Member of IEEE Biomedical Signal Processing Society以及杭州市人工智能学会理事长。在人工智能与脑机交互研究领域顶级会议NeurIPS、ACL、IJCAI、ACM MM和权威期刊IEEE TPAMI、TNNLS、TNSRE、TAFFC、TCDS、TIM等发表高水平学术论文100余篇，出版英文专著1部（Springer 出版）谷歌学术引用5100余次，申请国家发明专利40余项，已授权近20项，研究成果获省部级科技奖项4项，同时荣获国家教学成果二等奖和浙江省研究生教育成果一等奖各1项。实验室与罗马大学、美国明尼苏达大学，日本理化研究所人工智能中心等著名高校与研究机构建立良好国际合作研究关系，每年接受多名国外研究生来访并资助多名研究生出国合作交流。

2003.09-2008.06   博士   浙江大学电气工程学院   控制理论与控制工程专业

1999.09-2003.06   学士   浙江大学电气工程学院   自动化专业

2016.05-至今         杭州电子科技大学   副院长、教授

2016.01-2018.08   杭州电子科技大学   教授

2012.11-2013.11   美国明尼苏达大学神经工程中心   访问副研究员

2010.10-2015.12   杭州电子科技大学   副教授

2008.07-2010.09   杭州电子科技大学   讲师

2018.01   面向智慧健康的脑机协同智能关键技术应用     浙江省科技进步三等奖   省部级

2018.10   基于脑机接口的主动式康复及效果评价系统     吴文俊人工智能技术发明奖   三等奖

2017.12   基于生物电技术的汽车驾驶安全监视预警系统     中国质量评价协会科技创新成果优胜奖   省部级

2017.05   嵌入式脑机交互的中风康复器械     浙江省挑战杯大赛三等奖   省部级

2015.11   机器人控制     第二届脑机接口比赛鼓励奖   省部级

2015.05   基于生物电技术的便携式疲劳驾驶预警仪     浙江省挑战杯大赛三等奖   省部级

2014.09   脑机接口与认知计算创新团队     中国侨界贡献奖   省部级

2013.05   基于BCI的肢体康复系统     浙江省挑战杯大赛二等奖   省部级

[1] 面向海量视频复杂目标识别的多脑脑机协同智能关键理论与技术, 国家自然科学基金企业创新联合重点基金项目，排名1/10，2021-2024，255万

[2] 张量表征的深度学习及在大脑运动功能康复中的应用 国家重点研发计划政府间国际合作重点专项，排名1/10，2019-2021，245万元

[3] 面向助老助残的可穿戴外骨骼机器人关键技术研究，浙江省重点研发计划项目，排名1/10，2018-2020，250万元

[4] 基于深度学习的声呐图像目标检测与识别，水声技术国防重点实验室开放基金, 排名1/6, 2016-2019, 10万

[5] 基于深度学习的水下目标主被动特征提取，装备预研船舶重工联合基金项目, 排名1/7, 2017-2018, 20万

[6] 任务无关脑纹识别的若干关键技术研究，国家自然科学基金，排名1/10，2017-2020，72万元

[7] 基于脑机接口的可穿戴疲劳驾驶预警系统研究，中国博士后科学基金，~2016

[8] 基于脑、肌电的中风康复及神经预测系统的合作研究，国家国际科技合作专项（科技部），排名1/11,90万，2014-2017

[9] 面向EEG信号构建脑功能网络的运动意识分类研究，国家自然科学基金，排名1/9,24万，2012-2014

[10] 基于生物电技术的汽车驾驶安全监视预警系统研究与开发，浙江省重大科技专项重点国际合作项目，排名1/11,243万，2011-2013

[1] Kong W, X Song, J Sun. Emotion recognition based on sparse representation of phase synchronization features[J]. Multimedia Tools and Applications 80 (14), 21203-21217，2021

[2] Y Peng, F Qin, Kong W, Y Ge, F Nie, A Cichocki . GFIL: A Unified Framework for the Importance Analysis of Features, Frequency Bands and Channels in EEG-based Emotion Recognition[J]. IEEE Transactions on Cognitive and Developmental System

[3] X Jin, J Tang, X Kong, Y Peng, J Cao, Q Zhao, Kong W. CTNN: A Convolutional Tensor-Train Neural Network for Multi-Task Brainprint Recognition[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering 29, 103-112

[4] Kong W, J Hong, M Jia, J Yao, W Cong, H Hu, H Zhang . YOLOv3-DPFIN: a dual-path feature fusion neural network for robust real-time sonar target detection[J]. IEEE Sensors Journal 20 (7), 3745-3756

[5] M Hou, J Tang, J Zhang, Kong W, Q Zhao. Deep multimodal multilinear fusion with high-order polynomial pooling[J] . Advances in Neural Information Processing Systems 32, 12136-12145，2019；

[6] Zeng H, Yang C, Dai G, F Qin,J Zhang and Wanzeng Kong. EEG classification of driver mental states by deep learning[J]. Cognitive Neurodynamics, 2018: 1-10.

[7] Peng Y, Kong W, Qin F,and Feiping Nie. Manifold Adaptive Kernelized Low-Rank Representation for Semisupervised Image Classification[J]. Complexity, 2018, 2018.

[8] Kong W, Guo S, Long Y,Peng Y,Zeng H,XY Zhang and J Zhang. Weighted extreme learning machine for P300 detection with application to brain computer interface[J]. Journal of Ambient Intelligence and Humanized Computing, 2018: 1-11.

[9] Zeng H, Dai G, Kong W, et al. A Novel Nonlinear Dynamic Method for Stroke Rehabilitation Effect Evaluation Using EEG[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2017, 25(12): 2488-2497.

[10] Kong W, Fan Q, Wang L, et al. Task-Free Brainprint Recognition Based on Degree of Brain Networks[C]//International Conference on Neural Information Processing. Springer, Cham, 2017: 709-717.

[11] 汪露雲, 孔万增, 张昕昱,等. 脑纹识别研究综述[J]. 中国生物医学工程学报, 2017, 36(5):602-607.

[12] Peng Y, Kong W, Yang B. Orthogonal extreme learning machine for image classification[J]. Neurocomputing, 2017, 266: 458-464.

[13] Kong W, Yu J, Cheng Y, et al. Automatic Detection Technology of Sonar Image Target Based on the Three-Dimensional Imaging[J]. Journal of Sensors, 2017, 2017.

[14] Kong W, Liu Y, Jiang B, et al. A New EEG Signal Processing Method Based on Low-Rank and Sparse Decomposition[C]//International Conference on Cognitive Systems and Signal Processing. Springer, Singapore, 2016: 556-564.

[15] Lei X, Wang L, Kong W, et al. Identification of eeg features in stroke patients based on common spatial pattern and sparse representation classification[C]//Neural Engineering (NER), 2017 8th International IEEE/EMBS Conference on. IEEE, 2017: 114-117.

[16] Kong W, Zhou Z, Jiang B, et al. Assessment of driving fatigue based on intra/inter-region phase synchronization[J]. Neurocomputing, 2017, 219: 474-482.

[17] Hu S, Jia X, Zhang J, Wanzeng Kong, Yu Cao. Shortcomings/limitations of blockwise granger causality and advances of blockwise new causality[J]. IEEE transactions on neural networks and learning systems, 2016, 27(12): 2588-2601.

[18] Hu S, Wang H, Zhang J, Wanzeng Kong,Yu Cao,Robert Kozma. Comparison analysis: granger causality and new causality and their applications to motor imagery[J]. IEEE transactions on neural networks and learning systems, 2016, 27(7): 1429-1444.

[19] Kong W, Lin W, Babiloni F, et al. Investigating driver fatigue versus alertness using the granger causality network[J]. Sensors, 2015, 15(8): 19181-19198.

[20] Kong W, Zhou L, Wang Y, et al. A system of driving fatigue detection based on machine vision and its application on smart device[J]. Journal of Sensors, 2015, 2015.

[21] 孔万增, 徐思佳, 戴国骏,等. 基于神经营销的广告数字评价研究综述[J]. 中国生物医学工程学报, 2014, 33(3):358-365.

[22] Hu S, Tian Q, Cao Y,J Zhang, Wanzeng Kong. Motor imagery classification based on joint regression model and spectral power[J]. Neural Computing and Applications, 2013, 23(7-8): 1931-1936.

[23] Kong W, Hu S, Zhang J, et al. Robust and smart spectral clustering from normalized cut[J]. Neural Computing and Applications, 2013, 23(5): 1503-1512.

[24] Kong W, Zhao X, Hu S, et al. Electronic evaluation for video commercials by impression index[J]. Cognitive neurodynamics, 2013, 7(6): 531-535.

[25] Kong W, Zhou Z, Hu S, et al. Automatic and direct identification of blink components from scalp EEG[J]. Sensors, 2013, 13(8): 10783-10801.

[1] 孔万增、刘燕、 蒋蓓、宋旭琳、戴国骏.一种基于低秩和稀疏矩阵分解的新型脑电信号处理方法 专利号：CN201510771113.6 授权日：2017-10

[2] 孔万增、林伟成、张建海、徐思佳、刘佳琳.一种基于脑电信号指标的投放前广告效果评价方法 专利号：CN201310139052.2 授权日：2017-02

[3] 孔万增、徐飞鹏、周凌霄、徐思佳、任银芝、戴国骏.一种基于相位同步的多类别运动想象脑电信号分类方法 专利号：CN201410185328.5 授权日：2017

[4] 孔万增、周凌霄、周慧敏、徐飞鹏、周展鹏.一种融合脑电和心电信号的疲劳驾驶检测方法 专利号：CN201410366036.1 授权日：2016-10

[5] 孔万增、戴国俊、陈士辉、张建海、高志刚、池剑锋.一种基于脑机接口的实时主动式系统控制方法 专利号：CN201310138896.5 授权日：2016-06

[6] 孔万增、徐思佳、沈伟强、周凌霄、徐飞鹏、周展鹏.一种基于脑电相位同步的疲劳检测方法 专利号：CN201410367212.3 授权日：2016-02

[7] 孔万增、周凌霄、徐思佳、徐飞鹏、孙志海.一种基于视频序列的车流量方波统计法 专利号：CN201410014861.5 授权日：2015-08

[8] 孔万增、徐思佳、周凌霄、徐飞鹏、任银芝.一种基于脑电相位同步的身份识别方法 专利号：CN201410018604.9 授权日：2015-17

[9] 孔万增、周凌霄、徐亚松、杜海韬.一种基于生物电技术的驾驶疲劳检测模拟系统 专利号：CN201420407813.8 授权日：2014-12

[10] 基于STM32的家庭健康Hub软件系统 专利号：2016SR371309 授权日：2016-12

[11] 基于树莓派的Eontiv脑电采集软件系统 专利号：2015SR157286 授权日：2015-08

[12] 多源生理信号融合的驾驶疲劳检测预警软件 专利号：2015SR161924 授权日：2015-08

[13] 脑电信号的微状态分析软件 专利号：2014SR201356 授权日：2014-12

[14] 意控网页浏览软件 专利号：2014SR135821 授权日：2014-09

[15] 基于智能手机的驾驶疲劳检测预警软件 专利号：2014SR100013 授权日：2014-07

[16] 基于机器视觉的疲劳驾驶检测软件 专利号：2013SR066523 授权日：2013-07

[17] 脑网络可视化的广告评价离线示例软件V1.0 专利号：2013SR043371 授权日：2013-05

kongwanzeng@hdu.edu.cn