数理与统计学院-王国强导师介绍
王国强
教授
硕士生导师
男
数理与统计学院
统计学 ,应用统计
应用统计,数理统计,金融统计,金融统计与风险管理,大数据分析与机器学习,生物统计与数智医疗
guoq_wang@hotmail.com
教育经历
2009.07 毕业于上海大学运筹学与控制论专业获理学博士学位
2005.06 毕业于上海大学运筹学与控制论专业获理学硕士学位
2002.06 毕业于山东师范大学数学与应用数学获理学学士学位
工作经历
2014.12-至今 上海工程技术大学数理与统计学院，教授
2018.08-2018.09 荷兰代尔夫特理工大学（DelftUniversityofTechnology）电气工程、数学与计算机科学学院，访问学者
2012.07-2013.06 澳大利亚科廷大学（CurtinUniversity）数学与统计系，访问学者
2010.03-2013.03 上海师范大学数学博士后流动站，博士后
2005.07-2013.12 上海工程技术大学，助教、讲师、副教授
展开更多
科研项目
代表性科研项目
1. 主持，国家自然科学基金面上项目“高维数据统计推断中协方差矩阵估计的优化模型与算法研究”（编号：11971302），2020.01～2023.12.
2. 主持，国家自然科学基金面上项目“非线性锥规划的内点算法及在最优控制中的应用”（编号：11471211），2015.01～2018.12.
3. 主持，国家自然科学基金青年科学基金“对称锥互补问题的内点算法及在传感器网络定位中的应用研究”（编号：11001169），2011.01～2013.12.
4. 参与【2/9】国家自然科学基金面上项目“模型与数据双驱动可学习的稀疏优化模型与算法及其应用研究”（编号：12171307），2022.01～2025.12.
5. 参与【2/6】国家自然科学基金青年科学基金“大规模结构矩阵的预处理方法与理论及其在压缩感知中的应用”（编号：11801362），2019.01～2021.12.
6. 主持，上海市自然科学基金项目“非线性半定规划的内点算法及在压缩感知中的应用”（编号：14ZR1418900），2014.07～2017.06.
7. 主持，中国博士后科学基金特别资助项目“基于核函数的不可行内点算法及其应用研究”（编号：2012T50427），2012.01～2013.06.
8. 主持，全国统计科学研究一般项目“基于数据同化的组合动态传播率模型及在COVID-19疫情预测中的应用研究”（编号：2020LY067），2020.07～2022.02.
9. 参与（2/20，校方负责人），浦东新区科技发展基金产学研专项资金（人工智能）项目“自然语言处理技术在融资融券业务中的应用”（编号：PKX2020-R02；资助金额：163万元），2020.09～2021.08.
展开更多
研究成果
代表性论著
专著
王国强，白延琴，对称锥互补问题的内点算法：理论分析与算法实现，哈尔滨工业大学出版社，2014.【专著】
发明专利
1. 王国强，罗康洋，张怡，谢晓金，施兴森，李金，姚兵，李梦颖，一种基于SVM-RFE的客户风险特征筛选方法及其应用，发明专利，专利号：ZL202011015886.9，已授权
2.王国强. 一种基于韵律特征的并行语音合成方法及装置、介质、设备. 发明专利，专利号：ZL 2022 1 0327585.2，已授权.
3. 王国强, 袁欣, 施兴森. 一种基于复合相似度的金融关联账户识别方法和设备. 发明专利，申请/专利号：CN202210968574.2，已公开.
4. 王国强, 刘奕彤, 代智勇, 殷志祥, 刘思宇. 基于特征筛选和自适应参数聚类的工业设备故障预测方法. 发明专利，申请/专利号：CN202311752024.8，已公开.
5. 王国强, 程慕爽, 刘奕彤，殷志祥. 一种基于改进Stacking框架的乳腺癌诊断方法，发明专利，申请/专利号：CN202410193555.6，已公开.
代表性科研论文（60+）
24. Z.S. Sun, X.R. Gao, K.Y. Luo, Y.Q. Bai, J.Y. Tao, and G.Q. Wang*. Enhancing high-dimensional dynamic conditional angular correlation model based on GARCH family models: Comparative performance analysis for portfolio optimization. Finance Res. Lett., 75:106808, 2025. 【SCI收录&TOP期刊】
23. 李倩，王国强，高雪瑞，白延琴*. 基于Eligible正则项的稀疏优化模型与算法及其应用. 中国科学：数学, 55(2):1-22, 2025. 【北大核心&CSCD收录】
22. H.Z. Luo, Y.M. Xu, H.X. Wu, and G.Q. Wang. A new branch-and-cut algorithm for linear sum-of-ratios problem based on SLO method and LO relaxation. Comput. Optim. Appl., 90(1): 257-301, 2025. 【SCI&EI收录】
21. J. Tao, L.C. Kong, Z.H. Su, and G.Q. Wang. On the independence of linear and quadratic forms in matrix normal distribution and Wishart distribution. REVSTAT - Statistical Journal, 2024. 【SCI源刊，已录用】
20. Y.T. Zhou, Y.L. Wan, Y.T. Liu, and G.Q Wang*. A comprehensive review of non-radial graph models in data envelopment analysis and applications in economy management. Pacific Journal of Optimization, 2024. 【SCI源刊，已录用】
19. X.N. Chi, G.Q. Wang, and G. Lesaja. Kernel-based full-Newton step feasible interior-point algorithm for $P_*(\kappa)$-weighted linear complementarity problem. J. Optim. Theory Appl., 202(1): 108-132, 2024. 【SCI收录】
18. Q. Li, W. Zhang, Y.Q. Bai, and G.Q. Wang. A non-convex piecewise quadratic approximation of $l_0$ regularization: theory and accelerated algorithm. J. Global Optim., 86(2): 323-353, 2023. 【SCI收录】
17. Z.Y. Dai, J.J. Yi, L. Yan, Q.W. Xu, L. Hu, J.H. Li, and G.Q. Wang. PFEMed: Few-shot medical image classification using prior guided feature enhancement. Pattern Recognition, 134: 109108 (29 pages), 2023. 【SCI收录】
16. Q. Li, W. Zhang, G.Q. Wang, and Y.Q. Bai. Non-convex regularization and accelerated gradient algorithm for sparse portfolio selection. Optimization Methods and Software, 38(2): 434-456, 2023. 【SCI收录】
15. J. Tao, G.Q. Wang, and L.C. Kong. The Araki-Lieb-Thirring inequality and the Golden-Thompson inequality in Euclidean Jordan algebras. Linear and Multilinear Algebra, 70(19): 4228-4243, 2022. 【SCI收录】
13. X.N. Chi, G.Q. Wang*. A full-Newton step infeasible interior-point method for the special weighted linear complementarity problem. J. Optim. Theory Appl., 190(1):108-129, 2021. 【SCI收录】
14. M. Xu(指导研究生), J.B. Jin, G.Q. Wang, A. Segers, T. Deng, and H.X. Lin. Machine learning based bias correction for numerical chemical transport models. Atmospheric Environment, 248:118022 (10 pp), 2021. 【SCI收录】
13. G.Q. Wang*, L.C. Kong, J.Y. Tao, G. Lesaja. Improved complexity analysis of full Nesterov-Todd step feasible interior-point method for symmetric optimization. J. Optim. Theory Appl., 166(2): 588-604, 2015. 【SCI收录】
12. G.Q. Wang*, X.J. Fan, D.T. Zhu and D.Z. Wang. New complexity analysis of a full-Newton step feasible interior-point algorithm for $P_*(\kappa)$-LCP. Optim. Lett., 9(6):1105-1119, 2015. 【SCI收录】
11. G.Q. Wang*, Y.Q. Bai, X.Y. Gao and D.Z. Wang. Improved complexity analysis of full Nesterov-Todd step interior-point methods for semidefinite optimization. J. Optim. Theory Appl., 165(1): 242-262, 2015. 【SCI收录】
9. G.Q. Wang*, C.J. Yu and K.L. Teo. A full-Newton step feasible interior-point algorithm for P*(k)-linear complementarity problem. J. Global Optim., 59(1): 81-99, 2014. 【SCI收录】
8. G.Q. Wang* and G. Lesaja. Full Nesterov-Todd step feasible interior-point method for the Cartesian P*(k)-SCLCP. Optim. Methods Softw., 28(3): 600-618, 2013. 【SCI收录】
7. G.Q. Wang*, Z.H. Zhang and D.T. Zhu. On extending primal-dual interior-point method for linear optimization to convex quadratic symmetric cone optimization. Numer. Funct. Anal. Optim., 34 (5): 576-603, 2013. 【SCI收录】
6. G.Q. Wang* and Y.Q. Bai. A new full Nesterov-Todd step primal-dual path-following interior-point algorithm for symmetric optimization. J. Optim. Theory Appl., 154(3): 966–985, 2012. 【SCI收录】
5. G.Q. Wang* and Y.Q. Bai. A class of polynomial interior-point algorithms for the Cartesian P-matrix linear complementarity problem over symmetric cones. J. Optim. Theory Appl., 152(3): 739-772, 2012. 【SCI收录】
4. G.Q. Wang*. A new polynomial interior-point algorithm for the monotone linear complementarity problem over symmetric cones with full NT-steps. Asia-Pac. J. Oper. Res., 29(2): 1250015 (20pp), 2012. 【SCI收录】
19. G.Q. Wang* and D.T. Zhu. A unified kernel function approach to primal-dual interior-point algorithms for convex quadratic SDO. Numer. Algorithms, 57(4): 537-558, 2011. 【SCI收录】
3. Y.Q. Bai, G. Lesaja*, C. Roos, G.Q. Wang and M. Ghami. A class of large-update and small-update primal-dual interior-point algorithm for linear optimization. J. Optim. Theory Appl., 138(3): 341-359, 2008. 【SCI收录】
2. Y.Q. Bai and G.Q. Wang. Primal-dual interior-point algorithms for second-order cone optimization based on a new parametric kernel function. Acta Mathematica Sinica, English Series, 23(11): 2027-2042, 2007. 【SCI收录】
1. G.Q. Wang, Y.Q. Bai*, and C. Roos. Primal-dual interior-point algorithms for semidefinite optimization based on a simple kernel function. J.Math. Model. Algor., 4(4): 409-433, 2005.
代表性科研成果
1. 2020.12 视频跟踪全景智能感知云平台关键技术及应用，上海市人民政府，上海市科学技术进步奖，三等奖，2020，排名第三
2. 2011.01 对称锥规划的原始-对偶内点算法，上海市研究生优秀成果（学位论文）暨上海市优秀博士学位论文
代表性教学成果
1. 2021.09 新工科背景下数学创新能力的“四协同”培养模式的探索与实践，上海工程技术大学教学成果一等奖，排名第二
2. 2018.07 基于OBE教育理念的工科数学五位一体人才培养模式的探索与实践，上海工程技术大学教学成果二等奖，排名第二
3. 2014.07 以数学建模为平台,推进教学改革,培养高素质人才，上海工程技术大学教学成果三等奖，排名第二
展开更多
学校介绍
上海工程技术大学是一所工程技术、经济管理、艺术设计等多学科互相渗透、协调发展的全日制普通高等学校。我校现有机械工程学院、电子电气工程学院、管理学院、化学化工学院、材料工程学院、汽车工程学院、艺术设计学院、航空运输学院、服装学院、基础教学学院、社会科学教学部、体育教学部等15个院、部；上海市汽车工程实训中心、计算中心、工程实训中心、艺术设计展示中心、服装设计展示中心5个设备先进的教学实训基地；能源与环境工程研究所、激光工业技术研究所、经济研究所、化工研究所、劳动关系研究中心5个科研机构。学校坚持依托产业办学，产学研紧密结合，主动为上海经济建设发展服务的办学方向，致力于培养具有创新精神和实践能力的高素质、综合型人才，形成了具有发展潜力的办学特色。
经过二十五年不懈努力，学校的科研、教学成果显著，办学规模逐步扩大，办学水平不断提高，教学质量稳步上升。我校的载用工具运用工程学科、服装设计与工程学科、公共艺术学科是上海市第四期重点培育学科，我校的学科建设力度不断加大，办学层次不断提高。
随着学校整体实力不断加强，与国外高等院校的交流日益发展，我校开展了与澳大利亚、日本、德国、加拿大等著名大学进行学者互访、学术交流和合作教育等活动。先后与法国、美国、韩国等著名大学开展合作办学，现有中法合作服装设计与工程专业、中美合作机械设计制造及其自动化（汽车工程）专业、中美合作交通运输（汽车运用技术）专业、中韩合作艺术设计（多媒体设计）专业。
根据市委、市府统一部署，学校将整体迁入松江大学园区，2003级学生全部进入松江大学园区。
目前学校正面临新的发展机遇，全校教职工必将在市委、市政府的领导下和社会各界的关心支持下，团结一致、振奋精神、开拓进取、乘胜前进，为把上海工程技术大学建设成为一所具有时代特色、多学科的现代化大学而不懈努力！
展开更多