张佳，暨南大学信息科学技术学院讲师，硕士生导师。于2020年6月获厦门大学人工智能系博士学位。博士毕业后，加入暨南大学信息学院从事教学科研工作。研究方向为机器学习和数据挖掘。主持国家自然科学基金1项、广东省面上项目1项，广州市科技计划项目1项，并参与了多项国家级课题研究，包括：国家重点研发计划子课题，国家自然科学基金联合基金重点项目，国家自然科学基金面上项目等。在人工智能国际权威期刊：TCYB、TNNLS、ESWA、PR；脑科学国际权威期刊：TNSRE、JNE；及国际顶会：IJCAI等发表学术论文40余篇，其中SCI收录30余篇。据Google Scholar统计，论文被引用次数超1000次，第一作者单篇最高引用超150次。

2021-03至现在：暨南大学

2019-05至2019-07：香港城市大学, 计算机科学系, 访问学者（合作导师：Kay Chen Tan）

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人机交互、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硕士研究生和保研本科生可与我邮件（jiazhang@jnu.edu.cn）联系。

[1] J. Zhang, H. Wu, M. Jiang, J. Liu, S. Li, Y. Tang, J. Long. Group-preserving label-specific feature selection for multi-label learning. Expert Systems with Applications, 2023, 213: 118861.

[2] J. Zhang, Y. Lin, M. Jiang, S. Li, Y. Tang, J. Long, J. Weng, K. C. Tan. Fast multi-label feature selection via global relevance and redundancy optimization. IEEE Transactions on Neural Networks and Learning Systems (Early Access), 2022.

[3] D. Liu, J. Zhang, H. Wu, S. Liu, J. Long. Multi-source transfer learning for EEG classification based on domain adversarial neural network. IEEE Transactions on Neural Systems and Rehabilitation Engineering (Early Access), 2022.

[4] S. Liu, J. Zhang, A. Wang, H. Wu, Q. Zhao, J. Long. Subject adaptation convolutional neural network for EEG-based motor imagery classification. Journal of Neural Engineering, IOP Publishing, 2022.

[5] A. Tan, J. Liang, W.-Z. Wu, J. Zhang. Semi-supervised partial multi-label classification via consistency learning. Pattern Recognition, Elsevier BV, 2022, 131: 108839.

[6] J. Zhang, S. Li, M. Jiang, K. C. Tan. Learning from weakly labeled data based on manifold regularized sparse model. IEEE Transactions on Cybernetics, 2022, 52(5): 3841-3854.

[7] G. Du, J. Zhang, M. Jiang, J. Long, Y. Lin, S. Li, K. C. Tan. Graph-based class-imbalance learning with label enhancement. IEEE Transactions on Neural Networks and Learning Systems (Early Access), 2021.

[8] Z.-A. Huang, J. Zhang, Z. Zhu, E. Q. Wu, K. C. Tan. Identification of autistic risk candidate genes and toxic chemicals via multi-label learning. IEEE Transactions on Neural Networks and Learning Systems, 2021, 32(9): 3971-3984.

[9] J. Zhang, Y. Lin, M. Jiang, S. Li, Y. Tang, K. C. Tan. Multi-label feature selection via global relevance and redundancy optimization. In Proceedings of the 29th International Joint Conference on Artificial Intelligence, Yokohama, Japan, 2020, pp. 2512–2518.

[10] J. Zhang, Z. Luo, C. Li, C. Zhou, S. Li. Manifold regularized discriminative feature selection for multi-label learning. Pattern Recognition, 2019, 95: 136-150.

[1] 国家自然科学基金青年科学基金项目（62106084）.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.2022.01-2024.12.主持

[2] 广东省自然科学基金面上项目（2022A1515010468）.融合多模态数据的弱监督多标记分类学习关键技术研究.2022.01-2024.12.主持

[3] 广州市科技计划项目（202201010498）.组稀疏约束的大规模多标记分类学习方法与应用研究.2022.04-2024.03.主持

[4] 中央高校基本科研业务费青年基金项目（21621026）.超高维标记分类学习关键技术研究.2021.01-2022.12. 主持

[5] 国家重点研发计划子课题（2018YFC0831402）.案件驱动的跨时空域通用检察业务协同及数据供应链建模方法.2018.07-2021.06.参与

[6] 国家自然科学基金促进海峡两岸科技合作联合基金重点项目（U1705286）.以健康状态为核心的中医人工智能诊疗系统研究.2018.01-2021.12.参与

[7] 国家自然科学基金面上项目（61672272）.基于粒计算的多模态多标记数据分类建模研究.2017.01-2020.12.参与

[8] 福建省2011中医健康管理协同创新中心项目（2016）.基于深度学习理论的中医健康大数据分析方法与应用.2016.01-2019.12.参与

[1] 授权发明专利（ZL202210445525.0）.一种利用机器学习寻找退行性膝骨关节炎显著性特征方法. 2023.06. 

[2] 授权发明专利（ZL201810878380.7）. 用于中医健康状态分析的四诊表征信息融合方法. 2021.07. 

[1] 人工智能原理（本科课程），秋季学期，2021，2022

[2] 软件系统分析（本科课程），秋季学期，2022

[3] 软件系统分析实验（本科课程），秋季学期，2022

[4] 计算机文化（本科课程，英语授课），秋季学期，2021

现为IEEE会员 (2023-)，CCF专业会员，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IEEE Transactions on Knowledge and Data Engineering; ACM Transactions on Knowledge Discovery from Data; IEEE Transactions on Evolutionary Computation; IEEE Transactions on Cybernetics; IEEE Transactions on Neural Networks and Learning Systems; IEEE Transactions on Emerging Topics in Computational Intelligence; Pattern Recognition; Information Sciences; Knowledge-Based Systems; Applied Intelligence; Knowledge and Information Systems; Artificial Intelligence Review; Information Fusion等20余个国际期刊的审稿人，担任AAAI、IJCNN等国际知名会议的的程序委员会委员。