张佳，暨南大学信息科学技术学院教师，硕导。2020年6月获厦门大学人工智能系工学博士学位，毕业后加入暨南大学信息科学技术学院从事教学科研工作。主持国家自然科学基金和省部级项目（包括：广东省面上项目）多项，并参与了多项国家级/省部级重大课题研究。在人工智能与脑科学领域IEEE汇刊；及国际顶会：IJCAI和AAAI等发表学术论文60余篇，其中SCI收录50余篇，ESI高被引论文4篇。据 Google Scholar 统计，论文被引用次数超2300次，第一作者单篇最高引用407次。

联系邮箱：jiazhang@jnu.edu.cn

通讯地址: 广东省广州市天河区黄埔大道西601号暨南大学（石牌校区）南海楼615室

研究方向是机器学习和数据挖掘。研究侧重点是多标记学习、弱标记学习、特征选择、以及信息融合。本人也对机器学习在脑机接口、健康管理、以及生物信息学中的应用感兴趣。有志于未来从事相关研究的同学可与我邮件（jiazhang@jnu.edu.cn）联系。

[1] Li, Y., et al. Multi-label semantic decoding via hierarchical encoding and sparse representation fusion. Pattern Recognition, 2027, 182: 114789

[2] Du, G., et al. “Missing multi-label learning with TSK fuzzy system and adaptive graph.” IEEE Trans. Fuzzy Syst., in press.

[3] Zhang, J., et al. “EEG feature selection in emotion recognition using a fuzzy information-theoretic based optimization approach.” IEEE Trans. Fuzzy Syst., 2025, 33 (8): 2675-2688.

[4] Li, Y., et al. “Consistent and specific multi-view multi-label learning with correlation information.” Information Sciences, 2025, 687: 121395.

[5] Zhang, J., et al. “Toward cross-brain-computer interface: A prototype-supervised adversarial transfer learning approach with multiple sources.” IEEE Transactions on Instrumentation and Measurement, 2024, 73: 1-13.

[6] Zhang, J., et al. “Fast multilabel feature selection via global relevance and redundancy optimization.” IEEE Transactions on Neural Networks and Learning Systems, 2024, 35 (4): 5721-5734.

[7] Du, G., et al. “Semi-supervised imbalanced multi-label classification with label propagation.” Pattern Recognition, 2024, 150: 110358.

[8] Zhang, J., et al. “Group-preserving label-specific feature selection for multi-label learning.” Expert Systems with Applications, 2023, 213: 118861. 

[9] Zhang, J., et al. “Learning from weakly labeled data based on manifold regularized sparse model.” IEEE Transactions on Cybernetics, 2022, 52 (5): 3841-3854.

[10] Zhang, J., et al. “Multi-label feature selection via global relevance and redundancy optimization.” In IJCAI, Yokohama, Japan, 2020, pp. 2512–2518. 

[1] 国家自然科学基金青年科学基金项目: 基于超高维标记与特征数据的多标记分类建模关键技术研究 (2022-2024), 62106084, PI

[2] 广东省自然科学基金面上项目: 融合多模态数据的弱监督多标记分类学习关键技术研究 (2022-2024), 2022A1515010468, PI

[1] 人工智能原理（本科课程），秋季学期，2021，2022，2023，2024，2025，2026

[2] 软件系统分析（本科课程），秋季学期，2022，2023，2024，2025，2026

[3] 机器学习与深度学习（本科课程，人工智能应用微专业），秋季学期，2025，2026

[4] 人工智能导论（校级通识教育选修课，经济学院硕士课程），秋季学期，2025，2026

[5] 软件系统分析实验（本科课程），秋季学期，2022，2023，2024，2025，2026

[6] 计算机文化（本科课程，英语授课），秋季学期，2021

现为IEEE会员 (2023-)，IEEE Computational Intelligence Society会员 (2025-)；担任CCF人工智能与模式识别专委会委员，CCF协同计算专委会执委；担任国家自然科学基金评议专家，广州市科技局入库专家。

期刊审稿:

机器学习领域: IEEE Trans. Artif. Intell.; IEEE Trans. Cybern.; IEEE Trans. Emerg. Topics Comput. Intell.; IEEE Trans. Evol. Comput.; IEEE Trans. Fuzzy Syst.; IEEE Trans. Neural Netw. Learn. Syst.; IEEE Trans. Pattern Anal. Mach. Intell.; Mach. Learn.; Neural Netw.; Pattern Recognit.…

数据挖掘领域: ACM Trans. Knowl. Discov. Data; IEEE Trans. Big Data; IEEE Trans. Knowl. Data Eng.; Inform. Process. Manag.; Inf. Sci.; Knowl. Inf. Syst.…

脑机接口领域: IEEE J. Biomed. Health Inform.; IEEE Trans. Affective Comput.; IEEE Trans. Autom. Sci. Eng.; IEEE Trans. Biomed. Eng.; IEEE Trans. Cognit. Dev. Syst.; IEEE Trans. Hum.-Mach. Syst.; IEEE Trans. Neural Syst. Rehabil. Eng.; IEEE Trans. Syst. Man Cybern., Syst.; J. Neural Eng.…

其他领域: Front. Comput. Sci.; IEEE-CAA J. Automatica Sin.; IEEE Trans. Circuits Syst. Video Technol.; IEEE Trans. Image Process.; IEEE Trans. Multimedia; Sci. China Inf. Sci.…

会议审稿: NeurIPS; AAAI; IJCNN; ChineseCSCW…