个人简介
刘晔，博士，现担任华南理工大学未来技术学院副教授，博导。研究方向为多模态整合理论与算法，图机器学习理论与算法，多组学/空间组学数据分析。在国际权威期刊及重要会议（包括IEEE TNNLS、IEEE TKDE, AAAI, PR, IEEE/ACM TCBB，SIAM SISC等）发表论文20余篇，其中第一作者或通讯作者论文15篇。主持国家级省部级等项目4项，参与国家级省部级等项目3项。担任中国人工智能协会生物信息学与人工生命专业委员会通讯委员、中国计算机学会生物信息学Bio-3News专委会委员。此外，还担任IEEE TNNLS,TKDD,AAAI,IJCAI等多个顶级期刊与顶级会议担任的审稿人。
教育背景
2016-2019, 香港浸会大学数学系，博士，导师：Michael Ng（吴国宝）
2012-2016, 北京交通大学计算机学院，本科
工作经历
2021.08-至今，华南理工大学，副教授
2020.09-2021.06，香港大学计算机系，博士后，导师：Reynold Cheng
2019.11-2020.08，香港大学数学系，研究员，导师：Michael Ng（吴国宝）
2019.10，香港浸会大学数学系，博士后，导师：台雪城
研究方向
·多模态机器学习理论与应用：跨模态对齐与融合、跨模态数据生成、多模态鲁棒学习。
·图机器学习理论与应用：图自监督学习及可解释性分析、时空图表示学习、大规模异构图表示学习。
·生物信息学：空间组学数据分析、时空组学数据的细胞动态建模、数字细胞。
欢迎对加入课题组感兴趣的同学邮件联系：yliu03@scut.edu.cn
所授课程
《Python语言程序设计》、《工程导论》
承担项目
1.国家自然科学基金青年科学基金项目， 2024.01.01-2026.12.31，主持。
2.广州市科技计划项目， 2023.04．01-2025.03.31，主持。
3.教育部产学研创新基金，2024.12.01-2025.12.31,主持
4.企业委托开发项目，2023.10-2027.10，主持。
5.广东省重点研发计划项目，2026-2028，参与。
6.国家重点研发计划“主动健康和人口老龄化科技应对”课题，2022-2025，参与。
7.广东省数字孪生人重点实验室，2021-2024，参与。
8.中央高校优秀青年研究团队，2023-2025，参与。
标志性成果
[1] Ye Liu, Hongshan Pu, Junjun Pan, Michael K. Ng, Hongmin Cai*. Anchor-based Multi-view Subspace Clustering with Anchor-wise and Class-wise Alignments. IEEE Transactions on Neural Networks and Learning Systems, 2025. doi: 10.1109/TNNLS.2025.3589264.
[2] Ye Liu, Chaoxiong Lin, Yuchen Mou, Huaiguang Jiang, Hongmin Cai*. QSTGNN: Quaternion Spatio-Temporal Graph Neural Networks, in IEEE Transactions on Knowledge and Data Engineering, vol. 37, no. 8, pp. 4776-4790, Aug. 2025, doi: 10.1109/TKDE.2025.3571983
[3] Zihan Ji; Xuetao Tian; Ye Liu*. AFFAKT: A Hierarchical Optimal Transport based Method for Affective Facial Knowledge Transfer in Video Deception Detection. Proceedings of the AAAI Conference on Artificial Intelligence (2025), 39(2), 1336-1344. Oral paper.
[4] Ye Liu*; Xuelei Lin; Yejia Chen; Reynold Cheng. Multi-order graph clustering with adaptive node-level weight learning. Pattern Recognition, 2024, 156: 110843.
[5] Ye Liu; Michael K. Ng*; Stephen Wu. Multi-Domain Networks Association for Biological Data Using Block Signed Graph Clustering, IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020, 17(2): 435-448.
