登陆  
最新更新时间:2017/11/6 13:35:14
刘启亮
个人简介

特聘副研究员,升华猎英学者

联系方式

电子邮箱: qiliang.liu@csu.edu.cn

教育背景

2008年,中南大学,学士

2011年,中南大学,硕士,导师:邓敏 教授

2014年,香港理工大学,博士,导师:李志林 教授

工作履历

2014.10-至今,中南大学升华猎英学者

2014.07-至今,中南大学地理信息系

学术兼职

[3] 20th Pacific Asia Conference on Information Systems (PACIS 2016), GIS专题副主编 (Associate Editor)

[2] 2017 IEEE The 2nd International Conference on Big Data Analysis (ICBDA 2017), 专业委员会委员 (Technical Committee Member)

[1] 国内外期刊审稿人

Internatioanl Journal of Geographical Information Science

Computers&Geoscience

Cartography and Geographic Informaion Science

Pattern Recognition Letters

《测绘学报》

主要研究方向

时空数据挖掘

时空统计

地学尺度建模

主持科研项目

[8] 视觉认知驱动的时空聚集模式多尺度挖掘模型与方法,湖南省自然科学基金(青年基金),湖南省科技厅,2017年-2019年

[7] 多源多尺度地理空间数据融合标准,湖南省国土资源厅,2016年-2018年

[6] 地理国情监测数据挖掘模型与方法研究,湖南省财政厅,2016年-2018年

[5] 尺度驱动的时空集聚模式挖掘模型与方法,国家自然科学基金(青年基金), 2017年-2019年

[4] 地理国情大数据多尺度挖掘理论与方法,中南升华猎英计划海外高层次人才引进项目,2014年-2018年

[3] 环境监测数据挖掘模型与方法研究,湖南省财政厅,2015年-2016年

[2] 尺度驱动的时空级联模式挖掘模型与方法,资源环境国家重点实验室开放课题,2015-2017年

[1] 地图空间结构模式挖掘模型与方法,数字制图国家测绘局重点实验室开放课题, 2015年-2016年

获奖情况

[4] 城乡规划业务全周期智能化管理平台建设与应用,教育部高等学校科学研究优秀成果奖,科学进步二等奖,2015,排名第五

[3] 地理空间数据挖掘的理论、方法及应用,中国测绘科技进步二等奖,2014年,排名第二

[2] 多源多尺度空间数据不一致性探测处理的理论与方法,中国地理信息科技进步一等奖,2013年,排名第四

[1] 地理空间关系建模的理论与方法,教育部高等学校科学研究优秀成果奖,自然科学二等奖,2013年,排名第三

代表性专著

[3] 邓敏,樊子德,刘启亮,2016,空间分析实验教程,北京:测绘出版社

[2] 邓敏,刘启亮,吴静,2015,空间分析,北京:测绘出版社

[1] 邓敏,刘启亮,李光强,黄健柏,2011,空间聚类分析及应用,北京:科学出版社

代表性论文(*通讯作者)

主要英文期刊论文

[23] Cai, J N., Liu, Q L*.,Deng, M., Tang, J B., He, M. 2017. Adaptive detection of statistically significant regional spatial co-location patterns . Computers, Environment and Urban Systems, 10.1016/j.compenvurbsys.2017.10.003.

[22] Li, Z L., Liu, Q L*.,Tang, J B., Deng, M. 2017. An adaptive method for clustering of spatio-temporal events . Transactions in GIS, DOI:10.1111/tgis.12312.

[21] Deng, M., Yang, W T., Liu, Q L*., Jin, R., Xu, F., Zhang, Y.F. 2017. Heterogeneous Space–Time Artificial Neural Networks for Space–Time Series Prediction . Transactions in GIS, DOI:10.1111/tgis.12302

[20] Deng, M., Cai, J N.,Liu, Q L*., He, Z J., Tang, J B. 2017. Multi-level method for discovery of regional spatial co-location patterns. International Journal of Geographical Information Science, 31(9): 1846-1870.

[19] Deng, M., Yang, W T.,Liu, Q L.2017. Geographically weighted extreme learning machine-a method for space-time prediction. Geographical Analysis, DOI: 10.1111/gean.12127.

[18] Deng, M., Tang, J B., Liu, Q L*., Wu, F. 2017. Recognizing building groups for generalization: a comparative study. Cartography and Geographic Information Science, DOI: 10.1080/15230406.2017.1302821

[17] Deng, M., Yang, W T., Liu, Q L., Zhang, Y F. 2017. A divide-and-conquer method for space–time series prediction. Journal of Geographical Systems, DOI:10.1007/s10109-016-0241-y.

[16] Deng, M., He, Z J., Liu, Q L*., Cai, J N., Tang, J B. 2017. Multi-scale appraoch to mining significant spatial co-location patterns . Transactions in GIS, 21: 1023-1039.

[15] Shi, Y., Deng, M., Yang, X X., Liu, Q L. 2016. Adaptive detection of spatial point outliers using multi-level constrained Delaunay triangulation. Computers, Environment and Urban Systems,56: 164-183

[14] Shi, Y., Deng, M., Yang, X X., Liu, Q L. 2016. A framework for discovering evolving domain related spatio-temporal patterns in Twitter. ISPRS International Journal of Geo-information, 5(193), DOI: doi:10.3390/ijgi5100193.

[13] Deng, M., Fan, Z D., Liu, Q L*., Gong, J Y. 2016. A hybrid method for interpolating missing data in heterogeneous spatio-temporal datasets. ISPRS International Journal of Geo-Information, 5,13; DOI: 10.3390/ijgi5020013.

[12] Shi, Y., Deng, M., Yang, X X., Liu, Q L., 2015. A spatial anomaly points and regions detection method using multi-constrained graphs and local densities. Transaction in GIS, DOI: 10.1111/tgis.12208

[11] Ma, L B., Deng, M., Liu, Q L. 2015. Modeling spatio temporal topological relationships between moving object trajectories along road networks based on region connection calculus. Cartography and Geographic Information Science, DOI: http://dx.doi.org/10.1080

[10] Liu, Q L., Li, Z L., Deng, M. 2015. Modeling the effect of scale on clustering of spatial points. Computers, Environment and Urban Systems, 52:81-92.

[9] Liu, Q L., Tang, J B., Deng, M., Shi, Y. 2015. An iterative detection and removal method for detecting spatial clusters of different densities, Transaction in GIS, 19(1):82-106.

[8] Liu, Q L., Deng, M., Bi, J T., Yang, W T. 2014. A novel method for discovering spatio-temporal clusters of different sizes, shapes, and densities in the presence of noise, International Journal of Digital Earth, 7(2): 138-157.

[7] Liu, Q L., Deng, M., Shi, Y. 2013. Adaptive spatial clustering in presence of obstacles and facilitators, Computers & Geosciences, 56: 104-118.

[6] Deng, M., Liu, Q L*., Wang, J Q. 2013. A general method of spatio-temporal clustering analysis, Science China Information Sciences, 56: 1-14.

[5] Liu, Q L., Deng, M., Wang, J Q., Shi Y. 2012. A density-based spatial clustering algorithm considering both spatial proximity and attribute similarity, Computers & Geosciences, 46: 296-309.

[4] Deng M., Liu, Q.L*., Cheng T. 2011. An adaptive spatial clustering algorithm based on Delaunay triangulation, Computers, Environment and Urban Systems, 35, 320-332.

[3] Liu, Q L., Deng, M., Wang, J Q., et al. 2011. Spatio-temporal outliers detection within a space-time framework. Journal of Remote Sensing, 15(2): 457-465.

[2] Deng, M., Liu, Q L*., Li, G Q. 2010. Spatial outlier detection method based on spatial clustering. Journal of Remote Sensing, 14(5): 944-950.

[1] Deng, M., Liu, Q L*., Li, G Q. 2010. A field -theory based spatial clustering method. Journal of Remote Sensing, 14(4): 694-702.

主要中文期刊论文

[10] 李志林, 刘启亮*, 唐建波. 2017. 尺度驱动的空间聚类理论. 测绘学报, 46(10): 1534-1548

[9] 何占军, 刘启亮*, 邓敏, 蔡建南. 2016. 显著空间同位模式的多尺度挖掘方法. 测绘学报, 45(11):1335-1341.

[8] 李志林, 刘启亮, 高培超. 2016. 地图信息论:从狭义到广义的发展回顾. 测绘学报, 45(7):757-767.

[7] 唐建波, 刘启亮*, 邓敏等. 2016. 空间层次聚类显著性判别的重排检验方法. 测绘学报, 45(2):233- 240.

[6] 蔡建南, 刘启亮*, 邓敏等. 2016. 多层次空间同位模式自适应挖掘方法. 测绘学报, 45(4):475- 485.

[5] 邓敏,刘启亮*, 王佳璆等.2012. 时空聚类分析的普适性方法. 中国科学(信息科学), 42(1):111- 124.

[4] 刘启亮, 邓敏, 石岩, 彭东亮. 2011. 一种基于多约束的空间聚类方法. 测绘学报, 40(4):509- 516.

[3] 刘启亮, 邓敏, 王佳璆等. 2011. 时空一体化框架下的时空异常探测. 遥感学报, 15(3):466- 474.

[2] 邓敏, 刘启亮*, 李光强. 2010. 采用聚类技术探测空间异常. 遥感学报, 14(5):951- 958.

[1] 邓敏, 刘启亮*, 李光强, 程涛. 2010. 基于场论的空间聚类算法. 遥感学报, 14(4):703- 709.

------------------------------------------------------------------------------------------------------------------

招生方向:地理空间数据挖掘、时空统计

招生专业:地理信息科学、测绘工程、遥感科学与技术、统计学及其他相关专业

研究生培养:

重视理论分析和实际应用能力的提高,尤其是应用数学和GIS工具分析和解决地学问题的能力;

培养具有扎实地学基础和坚实地理信息空间分析技术的基础研究型人才;

与英国伦敦大学学院、美国弗吉尼亚理工大学、香港理工大学等研究单位保持长期合作关系,为学生提供国内外学术交流的平台,拓宽国际视野。

指导研究生:

2016级:刘文凯、程霞

2017级:吴智慧、郑晓琳、李盈辉