姓名：徐伟华 性别：男
学历：博士 职称：教授
部门：人工智能系 邮箱：chxuwh@swu.edu.cn
导师类别：博士生导师 主页：www.weihuaxu.com
研究方向：不确定性人工智能、智能计算、粒计算、数据挖掘、知识发现、机器学习、认知计算、不确定性处理等。
徐伟华，1979年5月生，西安交通大学博士、博士后，2011年破格晋升教授，现任职于122cc太阳集成游戏，博士生导师，博士后合作导师，香港中文大学、澳门科技大学访问学者，重庆市中青年骨干教师，重庆市十佳科技青年提名奖获得者，兼任国际粗糙集学会高级会员、中国人工智能学会高级会员、中国人工智能学会知识工程与分布智能专委会副主任、中国人工智能学会粒计算与知识发现专委会秘书长、中国人工智能学会人工智能基础专委会常务委员、中国优选法与经济数学研究会智能决策与博弈分会常务理事、国际SCI期刊International Journal of Machine Learning and Cybernetics， Journal of Intelligent and Fuzzy Systems副主编。已在IEEE TCYB、IEEE TFS、IEEE TNNLS、IEEE TETCI、IEEE TBD、IEEE TAI、INF、INS、KBS、FSS等国内外高水平学术刊物上发表论文220余篇，SCI检索130余篇（次），Google Scholar引用5000余次，H指数41，8篇论文入选ESI高被引论文，科学出版社出版学术著作4部；先后主持了国家自然科学基金4项、省部级科技项目20余项，获河北省自然科学奖三等奖1项，多次担任（或共同担任）国际（内）学术会议程序主席、青年论坛主席，多次受邀担任国际（内）学术会议大会报告人，担任美国数学评论评论员，国家自然科学基金通讯评审专家，教育部自然科学奖评审专家，已在人工智能、数据挖掘、认知计算、粒计算、信息融合、不确定性决策、知识工程等相关研究领域取得一定研究成果，2022、2023年连续入选全球前2%顶尖科学家榜单。
一、 讲授课程
数学分析、常微分方程、概率论与数理统计、线性代数、离散数学、模糊数学、矩阵论、信息论、粗糙集理论与方法、信息系统与知识发现、不确定性分析、智能计算、粒计算基础、多属性决策等。
二、 学术兼职及社会服务
国际粗糙集学会高级会员、中国人工智能学会高级会员、中国人工智能学会知识工程与分布智能专委会副主任、中国人工智能学会粒计算与知识发现专委会秘书长、中国人工智能学会人工智能基础专委会常务委员、中国优选法与经济数学研究会智能决策与博弈分会常务理事、国际SCI期刊International Journal of Machine Learning and Cybernetics，Journal of Intelligent and Fuzzy Systems副主编、国家自然科学基金通讯评议专家、多次国际/国内会议组织委员会/分论坛主席、多个国际/国内期刊、会议审稿人。
三、 主要科研项目
1. 主持国家自然科学基金面上项目：多模态数据知识发现的多粒度计算机理与方法研究（62376229），2024年1月—2027年12月。
2. 主持重庆市自然科学基金创新发展联合基金（重庆市自然科学基金重点项目）：面向智能制造的复杂大数据多粒度智能决策建模与应用研究（2023NSCQ-LZX0081），2023年10月—2026年9月。
3. 主持并完成国家自然科学基金面上项目：面向复杂数据的多粒度知识发现建模与三支决策分析（61976245），2020年1月—2023年12月。
4. 主持并完成中央高校基本科研业务费专项重点项目：基于多粒度与三支决策的复杂数据分析与知识获取研究（XDJK2019B029），2019年3月—2021年12月。
5. 主持并完成国家自然科学基金面上项目：多源直觉模糊数据集知识发现的粒计算方法研究（61472463），2015年1月—2018年12月。
6. 主持并完成国家自然科学基金青年基金：直觉模糊近似空间和形式背景中的知识获取研究（61105041），2012年1月—2014年12月。
7. 主持并完成重庆市自然科学基金项目：模糊数据集中基于粒计算的双量化决策方法研究（cstc2015jcyjA40053），2015年3月—2018年6月。
四、 近期代表性论著
1. 徐伟华. 序信息系统与粗糙集，科学出版社，北京，2013.
2. 徐伟华，吴伟志，米据生. 基于包含度的粒计算应用与方法，科学出版社，北京，2015.
3. 徐伟华，李金海，张涛，魏玲. 形式概念分析理论与应用，科学出版社，北京，2016.
4. 陈德刚，徐伟华，李金海，胡清华. 粒计算基础教程，科学出版社，北京，2020.
5. Xu Weihua, Huang Man, Jiang Zongying, Qian Yuhua. Graph-Based Unsupervised Feature Selection for Interval-Valued Information System, IEEE Transactions on Neural Networks and Learning Systems. doi: 10.1109/ TNNLS. 2023. 3263684. (IF:14.255, JCR:Q1, 中科院1区，TOP期刊)
6. Guo Doudou, Xu Weihua*, Qian Yuhua, Ding Weiping. Fuzzy-granular Concept-cognitive Learning via Three-way Decision: Performance Evaluation on Dynamic Knowledge Discovery, IEEE Transactions on Fuzzy Systems. doi: 10.1109/TFUZZ.2023.3325952. (IF:12.253, JCR:Q1, 中科院1区，TOP期刊)
7. Guo Douou, Xu Weihua*，Qian Yuhua, Ding Weiping. M-FCCL: Memory-based concept-cognitive learning for dynamic fuzzy data classification and knowledge fusion, Information Fusion, 2023, 100,101962. (IF:18.6, JCR:Q1, 中科院1区，TOP期刊)
8. Xu Weihua, Guo Doudou, Mi Jusheng, et al. Two-way concept-cognitive learning via concept movement viewpoint, IEEE Transactions on Neural Networks and Learning Systems. 2023, 34(10): 6798-6812. (IF:14.255, JCR:Q1, 中科院1区，TOP期刊)
9. Sang Binbin, Xu Weihua*, Chen Hongmei, Li Tianrui. Active Antinoise Fuzzy Dominance Rough Feature Selection Using Adaptive K-Nearest Neighbors, IEEE Transactions on Fuzzy Systems. 2023, 31(11): 3944-3958. (IF:12.253, JCR:Q1, 中科院1区，TOP期刊)
10. Li Wentao，Zhou Haoxiang, Xu Weihua*, et al. Interval dominance-based feature selection for interval-valued ordered data, IEEE Transactions on Neural Networks and Learning Systems, 2023, 34(10): 6898–6912. (IF:14.255, JCR:Q1, 中科院1区，TOP期刊)
11. Xu Weihua, Guo Doudou, Qian Yuhua, et al. Two-way concept-cognitive learning method: a fuzzy-based progressive learning, IEEE Transactions on Fuzzy Systems. 2023, 31(6):1885-1899. (IF:12.253, JCR:Q1, 中科院1区，TOP期刊)
12. Xu Weihua, Li Wentao. Granular computing approach to two-way learning based on formal concept analysis in fuzzy datasets, IEEE Transactions on Cybernetics. 2016, 46(2): 366-379. (IF:19.118, JCR:Q1, 中科院1区，TOP期刊)
13. Xu Weihua, Yuan Kehua, Li Wentao，et al. An emerging fuzzy feature selection method using composite entropy-based uncertainty measure and data distribution, IEEE Transactions on Emerging Topics in Computational Intelligence, 2023，7(1): 76-88. ( IF:4.851, JCR:Q2, 中科院2区)
14. Xu Weihua, Pan Yanzhou, Chen Xiuwei, et al. A novel dynamic fusion approach using information entropy for interval-valued ordered datasets, IEEE Transactions on Big Data. 2023, 9(3): 845-859. (IF:4.271, JCR:Q1, 中科院2区)
15. Xu Weihua, Yuan Ziting, Liu Zheng. Feature selection for unbalanced distribution hybrid data based on k-nearest neighborhood rough set, IEEE Transactions on Artificial Intelligence. 2023, Doi: 10.1109/TAI.2023.3237203.
16. Xu Weihua*, Yang Yifei. Matrix-based feature selection approach using conditional entropy for ordered data set with time-evolving features. Knowledge-Based Systems, 2023, 110947. ( IF:8.139, JCR:Q1, 中科院1区，TOP期刊)
17. Guo Douou, Xu Weihua*. Fuzzy-based concept-cognitive learning: An investigation of novel approach to tumor diagnosis analysis, Information Sciences, 2023, 639,118998. (IF:8.233, JCR:Q1, 中科院1区，TOP期刊)
18. Xie Xiaoxian, Xu Weihua*, Li Jinjin, A novel concept-cognitive learning method: A perspective from competences. Knowledge-Based Systems, 2023, 110382. ( IF:8.139, JCR:Q1, 中科院1区，TOP期刊)
19. Pan Yanzhou, Xu Weihua*, Ran Qinwen. An incremental approach to feature selection using the weighted dominance-based neighborhood rough sets. International Journal of Machine Learning and Cybernetics. 2023,14：1217–1233. (IF:4.377, JCR:Q2)
20. Xu Weihua, Chen Yaoqi. Multi-attention concept-cognitive learning model: A perspective from conceptual clustering. Knowledge-Based Systems, 2022, 252(27): 109472. ( IF:8.139, JCR:Q1, 中科院1区，TOP期刊)
21. Xu Weihua, Guo Yanting, Generalized multigranulation double-quantitative decision-theoretic rough set, Knowledge-Based Systems, 2016,105: 190-205. ( IF:8.139, JCR:Q1, 中科院1区，TOP期刊)
22. Yuan Kehua, Xu Weihua*, Li Wentao, et al. An incremental learning mechanism for object classification based on progressive fuzzy three-way concept. Information Sciences, 2022, 584(1): 127-147. (IF:8.233, JCR:Q1, 中科院1区，TOP期刊)
23. Xu Weihua, Yu Jianhang, A novel approach to information fusion in multi-source datasets: A granular computing viewpoint, Information Sciences, 2017, 378: 410-423. (IF:8.233, JCR:Q1, 中科院1区，TOP期刊)
24. Li Wentao, Xu Weihua*, Double-quantitative decision-theoretic rough set, Information Sciences, 2015, 316: 54–67. (IF:8.233, JCR:Q1, 中科院1区，TOP期刊)
25. Li Wentao, Xu Weihua*, Zhang Xiaoyan, et al. Updating approximations with dynamic objects based on local multigranulation rough sets in ordered information systems, Artificial Intelligence Review. 2022, 55(3): 1821-1855. (IF:9.588, JCR:Q1, 中科院2区)
26. Kong Qingzhao, Zhang Xiawei, Xu Weihua*, et al. Attribute reducts of multi-granulation information system, Artificial Intelligence Review. 2020, 53(2): 1353-1371. (IF:9.588, JCR:Q1, 中科院2区)
27. Xu Weihua, Yuan Kehua, Li Wentao. Dynamic updating approximations of local generalized multigranulation neighborhood rough set. Applied Intelligence, 2022, 52(8): 9148-9173. (IF:5.019, JCR:Q2, 中科院2区)
28. Kong Qingzhao, Zhang Xiawei, Xu Weihua*, et al, A novel granular computing model based on three-way decision, International Journal of Approximate Reasoning. 2022, 144: 92-112. (IF:4.452, JCR:Q2, 中科院2区)
29. Yang Lei, Xu Weihua*, Zhang Xiaoyan, et al, Multi-granulation method for information fusion in multi-source decision information system, International Journal of Approximate Reasoning. 2020, 122: 47-65. (IF:4.452, JCR:Q2, 中科院2区)
30. Long Binghan, Xu Weihua*, Zhang Xiaoyan, et al, The dynamic update method of attribute-induced three-way granular concept in formal contexts, International Journal of Approximate Reasoning. 2020, 126：228-248. (IF:4.452, JCR:Q2, 中科院2区)
31. Pan Yanzhou, Xu Weihua*, Ran Qinwen. An incremental approach to feature selection using the weighted dominance-based neighborhood rough sets. International Journal of Machine Learning and Cybernetics. 2022，Doi: 10.1007/ s13042-022-01695-4. (IF:4.377, JCR:Q2)
32. Chen Xiuwei, and Xu Weihua*. Double-quantitative multigranulation rough fuzzy set based on logical operations in multi-source decision systems. International Journal of Machine Learning and Cybernetics. 2022，13(4): 1021-1048. (IF:4.377, JCR:Q2)
33. Li Mengmeng, Chen Minghao, Xu Weihua*, Double-quantitative multi-granulation decision-theoretic rough fuzzy set model. International Journal of Machine Learning and Cybernetics. 2019, 10(11): 3225-3244. (IF:4.377, JCR:Q2)
34. Yu Jianhang, Xu Weihua*. Incremental knowledge discovering in interval-valued decision information system with the dynamic data, International Journal of Machine Learning and Cybernetics. 2017, 8(1): 849-864. (IF:4.377, JCR:Q2)
35. Kong Qingzhao, Xu Weihua*, Zhang Dongxiao. A comparative study of different granular structures induced from the information systems. Soft Computing, 2022, 26(1): 105-122. (IF:3.732, JCR:Q2)
36. Xu Weihua, Li Mengmeng, Wang Xizhao, Information fusion based on information entropy in fuzzy multi-source incomplete information system, International Journal of Fuzzy Systems. 2017, 19: 1200–1216. (IF:4.085, JCR:Q2)
37. 徐伟华，潘彦舟. 加权变精度直觉模糊序信息决策表的近似约简. 南京大学学报（自然科学）. 2023,59（1）：1-11.
38. 徐伟华，黄旭东，蔡可.基于粒计算的多源信息融合方法综述.数据采集与处理, 2023, 38(02):245-261.
39. 徐伟华, 孔子默, 陈曜琦. 含属性加权的模糊序信息系统的近似约简. 南京大学学报（自然科学版）, 2022，58(2)：255-263.
40. 徐伟华，李思琪. 可变精度邻域区间值决策表的属性约简. 西北大学学报（自然科学版）, 2022，52(5): 737-744.
41. 徐伟华, 杨蕾, 张晓燕. 模糊三支形式概念分析与概念认知学习.西北大学学报(自然科学版), 2020,50(4): 516-528.
42. 冉钦文, 徐伟华*. 优势关系下带属性权重模糊决策表的部分一致约简. 模糊系统与数学, 2021, 35(6): 28-35.
43. 林冰雁, 徐伟华*, 杨倩. 带偏好度量的直觉模糊序决策信息系统的部分一致约简, 计算机科学, 45(1), 2018: 148-152.
44. 史德容，徐伟华*. 区间值模糊决策序信息系统的分布约简.计算机科学与探索. 2017, 11(4): 652-658.
45. 胡猛, 徐伟华*,李蒙蒙，郭艳婷. 直觉模糊序信息系统下基于精度与程度逻辑运算的粗糙集.模糊系统与数学, 2017, 31(1): 155-164.
46. 桑彬彬，徐伟华*，直觉模糊序决策信息系统的分布约简.模糊系统与数学, 2017, 31(2):164-170.
五、 学生指导
积极引导学生在科研环境中参与研究性学习，激发学生科学精神，培养学生科研能力、创新能力、动手能力。指导4名研究生获“重庆市优秀硕士学位论文”，指导7名研究生获重庆市研究生创新基金项目，4名研究生获“重庆市优秀毕业研究生”，指导10余名研究生获“国家研究生奖学金”，指导10余名研究生（本科生）分别获校级“优秀毕业生”，指导10余名研究生（本科生）分别获国内外学术会议“最佳学生论文奖”，指导15名硕士研究生分别考入澳门科技大学、哈尔滨工业大学、同济大学、大连理工大学、北京师范大学、西南交通大学等攻读博士学位研究生，多次指导本科生研究生参加国家级大学生创新创业训练计划、中国互联网+大学生创新创业大赛、‘挑战杯’全国大学生课外学术科技作品竞赛、全国大学生数学建模竞赛等各类主流学科竞赛，并获奖励。
六、 招收学生
欢迎具有较好的科学探索精神、具有较强团结合作意识，思维活跃、能够吃苦耐劳，同时数学和计算机实验基础较好的本科生和研究生加入团队。
进入团队后围绕“先做人、后做事、再做学问”的理念重点从以下方面培养：
1. 查找专业文献、学术科研方法、论文写作技巧和项目成果答辩；
2. 发表高水平论文和申请国家发明专利；
3. 参与国家级、省部级等科研项目；
4. 申请国家级、市级和校级创新创业项目；
5. 参加各种主流学科科技竞赛；
6. 打造攻读硕士、博士继续深造计划和良好工作能力等职业生涯规划。