|
高云园，教授，博士，女，1980年生，浙江宁海人。2007年毕业于浙江大学控制理论与控制工程专业，获博士学位。2007年6月至今在杭州电子科技大学自动化学院工作。曾获得浙江省科学技术二等奖、三等奖、首批“杭电钱塘学者”A岗，浙江省优秀硕士毕业生指导教师和校优秀硕士论文指导教师。为本科生、研究生开设过多门课程，积极参与本科生、研究生教学改革和课程建设等工作，编写教材1部。 主要研究领域：机器学习与脑机接口、脑机混合智能、智能康复机器人、生物信息检测与处理。 主持国家自然科学基金项目3项，浙江省自然科学基金重点项目1项、面上2项；以主要成员参与国家863计划项目、国家自然科学基金项目、浙江省自然科学基金项目、浙江省科技厅项目等多项研究工作。第一作者和通讯作者在JBHI、TBE、TNSRE、中国生物医学工程学报等国内外重要期刊发表论文30多篇，以第一发明人授权国家发明专利十余项。 实验室长期与海内外知名高校研究所和企业保持良好的合作关系，注重研究生理论能力与实践能力的综合培养，毕业生大多前往华为、海康、大华、移动、高校、公务员等优秀企事业单位工作。团队项目经费充足，鼓励前沿创新研究，诚邀广大学子报考加入，共同追求卓越进步。 2002-09-01~2007-06-27 浙江大学，博士 1998-09-01~2002-06-30 浙江大学，本科 纵向科研
代表性科研项目 [1] 基于多模态信息主动康复的跨被试运动意图理解及分层评估研究，国家自然科学基金面上项目，2024.01-2027.12，主持. [2] 基于皮层-肌肉协同的上肢运动功能障碍评估研究，国家自然科学基金面上项目，2020.01-2023.12，主持. [3] 融合生物运动信息的上肢功能康复评价研究，国家自然科学基金青年项目，2013.01- 2015.12，主持. [4] 基于多模态情感脑机接口的跨域抑郁障碍细分和评估研究，浙江省自然科学基金重点项目，2025.01-2027.12，主持. [5] 基于多层神经肌肉特性的上肢运动功能障碍研究，浙江省自然科学基金项目，2018.01-2020.12，主持. [6] 基于多元运动特征的上肢运动功能评价方法研究，浙江省自然科学基金项目，2012.01- 2013.12，主持. [7] 基于人工智能的数字康复系统及关键技术研发，横向项目，2022.04.01-2023.12.31，主持 横向科研
论文
[1] Yunyuan Gao, Yici Liu, Ming Meng, et al. A novel multi-morphological representation approach for multi-source EEG signals, Neurocomputing, 2025, 617:129010. [2] Yunyuan Gao, Wang Xie, Zhizeng Luo, et al. Multi-domain feature analysis of MI-EEG signals using tensor train decomposition and projected gradient Non-negative Matrix Factorization[J]. Neurocomputing, 2025, 623:129410. [3] Yunyuan Gao, Zehao Zhu, Feng Fang, et al. EEG emotion recognition based on data-driven signal auto-segmentation and feature fusion, Journal of Affective Disorders, 2024, 361:356-366. [4] Yunyuan Gao, Yici Liu, Qingshan She, et al. Domain Adaptive Algorithm Based on Multi- Manifold Embedded Distributed Alignment for Brain-Computer Interfaces[J], IEEE Journal of Biomedical and Health Informatics, 2023, 27(1): 296-307. [5] Yunyuan Gao, Hongming Liu, Feng Fang, et al. Classification of Working Memory Loads via Assessing Broken Detailed Balance of EEG-fNIRS Neurovascular Coupling Measures[J], IEEE Transactions on Biomedical Engineering, 2023, 70(3): 877-887. [6] Yunyuan Gao, Mengting Li, Yun Peng, et al. Double Stage Transfer Learning for Brain- Computer Interfaces[J], IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2023, 31: 1128-1136. [7] Yunyuan Gao, Biao Jia, Michael Houston, et al. Hybrid EEG-fNIRS Brain Computer Interface Based on Common Spatial Pattern by Using EEG-Informed General Linear Model[J], IEEE Transactions on Instrumentation and Measurement, 2023, 72:4006110. [8] Yunyuan Gao, Congrui Zhang, Fang Feng, et al. Multi-domain feature analysis method of MI-EEG signal based on Sparse Regularity Tensor-Train decomposition[J]. Computers in Biology and Medicine, 2023, 158: 106887. [9] Yunyuan Gao, Congrui Zhang, Jincheng Huang, et al. EEG multi-domain feature transfer based on sparse regularized Tucker decomposition[J]. Cognitive Neurodynamics, 2023: 1-13. [10] 高云园, 高博, 罗志增, 等. 基于于脑电多特征融合的癫痫发作预测方法[J].控制与决策，12023, 38(01): 161-170. 著作
《智能检测技术与传感器》，西安电子科技大学出版社，2020.08 发明专利 [1] 一种基于多流形嵌入式分布对齐的领域自适应方法，ZL202110993172.3； [2] 一种针对脑电信号的自适应联合模型半监督学习分类方法, ZL202110949703.9； [3] 基于改进GhostNet的多分支行人重识别方法, ZL202011481203.9； [4] 基于有监督特征融合算法的癫痫脑电分类方法, ZL202110890952.5； [5] 基于深度学习实现图像分割和分类的骨龄评估方法, ZL201911194448.0； [6] 基于BNI的癫痫发作信号的检测方法, ZL202010154646.0； [7] 一种针对情绪唤醒度的动态脑网络分析方法, ZL202011312879.5； [8] 一种基于深度学习的电力塔架部件识别方法, ZL201811002575.1； [9] 一种结合非负矩阵分解和复杂网络的肌间耦合分析方法, ZL201811313078.3； [10] 基于变尺度符号化补偿传递熵的情绪诱导脑电信号分析方法, ZL202011015337.1； [11] 基于稀疏低秩张量分解的抑郁症脑电分析方法, ZL202110660709.4； [12] 基于符号化排列传递熵的癫痫脑电双向耦合分析方法, ZL202011015319.3； [13] 基于同步筛选的脑区间耦合分析方法, ZL201711063666.1; [14] 基于变尺度符号传递熵的多通道脑肌电耦合分析方法, ZL201710073405.1； [15] 基于生物运动信息的上肢肩肘腕关节运动功能评价方法, ZL201310022821.0. [1] 浙江省科技进步二等奖，脑-肌-机接口康复训练关键技术创新与应用，2023 [2] 浙江省科技进步三等奖，面向健康养老的人机共融智能监陪护系统关键技术及应用，2020. [3] “邱均平颜金莲研究生教育奖励基金”研究生教育优秀团队奖，2021. [4] 浙江省优秀硕士毕业生指导教师，2018. |