近期，我院智能信息处理与信息系统研究所教师朱耀麟教授课题组撰写的多篇论文在J BIG DATA (Journal of Big Data)、J NAT FIBERS（Journal of Natural Fibers）和J ENG FIBER FABR (Journal of Engineered Fibers and Fabrics)等高水平学术期刊上发表。具体列表如下:

1.Zhu, Y., Liu, R., Hu, G.et al. Accurate identification of cashmere and wool fibers based on enhanced ShuffleNetV2 and transfer learning. Journal of Big Data. 10, 152 (2023). DOI: 10.1186/s40537-023-00830-4 (SCI一区，计算机科学领域高水平期刊).

2. Zhu Y, Wang X, Gu M, et al. Application of Unsupervised Feature Selection in Cashmere and Wool Fiber Recognition[J]. Journal of Natural Fibers, 2024, 21(1): 2311306. DOI: 10.1080/15440478.2024.2311306 (SCI一区，纺织领域高水平期刊).

3.Zhu Y, Zhao L, Chen X, Li Y, Wang J. Identification of cashmere and wool based on LBP and GLCM texture feature selection.Journal of Engineered Fibers and Fabrics.2023;18. DOI: 10.1177/15589250221146548 (SCI二区，纺织领域高水平期刊).

论文1提出了一种基于LBP和GLCM纹理特征选择的羊绒和羊毛纤维识别方法。使用灰度共生矩阵理论提取羊绒和羊毛纤维的纹理特征参数，借助卡方检验算法分析特征并进行有效选择，分析了特征对样本的重要性，以获得有效描述纤维之间差异的特征参数，并在不同纤维混纺比下评估了所提出的方法，该方法可以稳定有效的完成纤维识别任务。

论文2提出了一种基于改进ShuffleNetV2和迁移学习的羊绒羊毛纤维识别方法。使用改进的ShuffleNetV2网络对经数据增强后的纤维图像进行分类，使用深度可分离空洞卷积增大感受野，提取纤维图像的深层特征信息。使用改进的EMish激活函数，有效减少了神经元坏死现象的发生。使用改进的ShuffleNetV2网络实现对纤维特征进行识别分类，为实现羊绒羊毛纤维的高效识别奠定了的基础。

论文3提出了一种基于k-均值聚类的无监督特征选择方法，旨在提高羊绒和羊毛纤维识别的准确性。不同于传统的有监督特征选择方法，该方法不依赖于特征与类标签间的关系，也不需要标记数据进行识别和特征选择。通过使用基于聚类分析的距离和相似度作为特征选择的核心，该方法能够尽可能保留样本数据的原始信息，适用于无监督数据，克服了类别标签无法获取或获取成本昂贵的困难。

该系列论文针对纺织领域羊绒羊毛纤维识别等热点问题展开研究，成果的发表代表着课题组在羊绒羊毛纤维识别研究上的突破，有望成为新的学科增长点。该系列成果得到陕西省自然科学基金、西安市科技局、榆林市科技局和榆林市“科学家+工程师”项目资助。

人物链接:

朱耀麟个人简介

朱耀麟，1977年生，男，教授，硕士生导师。上海大学通信与信息系统专业博士，西北工业大学电子科学与技术博士后，德国罗伊特林根大学访问学者。陕西省高校科协联合会第二届理事会理事、中国纺织工程学会高级会员、陕西纺织工程学会纺织信息化委员会主任，榆林市“秦创原”科学家+工程师队伍任首席科学家。现为西安工程大学院士办主任，历任研究生院院长、学科办主任、科技处处长。多年来一直专注于图像处理和纺织材料交叉领域的基础理论与工程技术研究，承担多项省部级、厅局级及企业横向项目的研究。2019年西安市科学技术三等奖1项，2018年获得陕西省科学技术三等奖1项，2016年度陕西高等学校科学技术二等奖1项，获得授权发明专利10余项，在国内外学术刊物上发表高水平论文50余篇，其中SCI检索10余篇，EI检索10余篇，ISTP检索2篇，在科学出版社出版专著1部，培养研究生50余人。