一、导师简介
Long Chen现任澳门大学科技学院副教授，学术产出涵盖257篇Web of Science收录论文与218篇Scopus论文，总引用量逾5780次，H-index达38。研究方向横跨机器学习、智能控制、医学图像分析、高光谱遥感与生物材料应用，形成理论方法研究与工程实践并重的跨学科特征。
二、近期文章和项目解析
2.1 人机协同智能系统方向
Long Chen团队2025年在Neurocomputing期刊发表"TemPrompt: Multi-task prompt learning for temporal relation extraction in RAG-based crowdsourcing systems"，针对检索增强生成架构中的时序关系提取任务提出多任务提示学习框架。该方法在众包场景下通过共享提示参数实现任务间知识迁移，降低标注成本。
同期，IEEE Transactions on Systems, Man, and Cybernetics: Systems刊载"DIG: Improved DINO for Graffiti Detection"，将自监督视觉基础模型DINO改进用于城市涂鸦检测。研究通过调整Transformer架构的注意力机制与预训练策略，提升对不规则形状与遮挡目标的识别能力，展现基础模型在垂直场景的适配潜力。
2.2 生物医学工程应用
Biomaterials（IF:12.9）2025年发表的"In vivo spatiotemporal acquisition of metabolic vibrational signatures for unraveling gastric ulcer genesis"采用代谢振动信号时空采集技术解析胃溃疡发生机制。Long Chen与澳门大学医学院团队合作，结合拉曼光谱成像与时空模式分析，实现溃疡早期病理特征的活体无损监测。
伤口愈合适用性研究形成系列成果。Computers in Biology and Medicine（2025）刊载的"Interpretable deep learning method to predict wound healing progress based on collagen fibers in wound tissue"利用胶原纤维显微结构图像，构建可解释卷积网络预测愈合进程。该方法摒弃黑盒预测，通过注意力可视化揭示纤维排列密度与愈合速度的量化关系。配套成果"Accurate and Interpretable Wound Healing Progress Detection Based on a Task-related Knowledge Refinement Learning Method"引入任务相关知识细化机制，将临床先验嵌入损失函数设计，提升模型在少样本条件下的泛化性能。
2.3 分布式智能控制系统
IEEE Transactions on Cybernetics 2025年连续发表两篇互联系统控制成果。"Observer-Based Decentralized Adaptive Control of Interconnected Nonlinear Systems With Output/Input Triggering"提出基于观测器的分散自适应控制，解决传感器与执行器触发机制不同步导致的稳定性问题。算法采用邻接子系统信息交换替代全局状态依赖，降低通信负载。"Output-Based Decentralized Adaptive Event-Triggered Control of Interconnected Systems with Sensor/Actuator Failures"进一步引入故障容错机制，应对执行器卡死与传感器偏差失效场景，通过自适应律重构控制增益保证H∞性能。
IEEE Transactions on Neural Networks and Learning Systems刊载的"Scale-Driven Tensor Representation-Based Multiview Clustering"提出尺度驱动张量表示，将多视角数据编码为三阶张量，利用Tucker分解挖掘视角间高阶相关性，避免传统方法的两阶段处理造成的信息损失。
2.4 遥感图像智能解译
IEEE Transactions on Geoscience and Remote Sensing 2025年发表的"Spatially Enhanced Refined Classifier for Cross-Scene Hyperspectral Image Classification"针对跨场景高光谱分类中标注缺失与类别分布偏移（CDS）难题，设计空间增强精细分类器。该模型构建粗分类器与细分类器双模块，细分类器通过记忆模块融合全局空间-光谱信息并生成伪标签，粗分类器据此迭代优化。类分布匹配策略显式对齐源域与目标域的类别统计量，在不增加可训练参数前提下超越现有无监督域适应方法。代码已开源至GitHub社区。
Pattern Recognition（2025）的"Exploring Latent Transferability of feature components"则系统评估特征成分的潜在可迁移性，提出基于子空间投影的可迁移性度量指标，为域适应中的特征选择提供理论依据。
三、未来研究预测
3.1 多模态基础模型与医学应用深度融合
当前DIG与伤口愈合适用性研究展现视觉基础模型改造趋势。未来工作可能构建医学多模态基础模型，整合病理图像、基因组学数据与临床文本，实现跨模态预训练。胃溃疡研究中的时空振动信号分析可扩展至肿瘤微环境异质性表征，结合Transformer的时空注意力机制解析细胞间相互作用动态。
3.2 事件驱动智能控制架构优化
互联系统事件触发控制成果表明，Long Chen团队聚焦于降低通信频率与提升容错能力的平衡。下一步可能研究异构子系统间的异步通信协议，引入联邦学习框架实现分布式参数更新，避免单点故障。工业物联网场景下，该架构可应用于智能电网的分布式协同调节与自动驾驶车队的编队控制。
3.3 高光谱遥感与地理空间智能
跨场景高光谱分类研究揭示对域偏移问题的持续投入。未来方向或包括：其一，结合物理模型与数据驱动方法，构建辐射传输启用的生成对抗网络，模拟不同大气条件下的图像退化过程，增强模型鲁棒性；其二，研发时序高光谱卫星数据的无监督变化检测算法，支持城市扩张监测与农业长势评估；其三，探索多任务学习框架，同时执行分类、解混与目标检测，提升标注效率。
3.4 可解释AI方法论体系化
伤口愈合适用性研究中的可解释性探索可能系统化为通用框架。下一步或提出领域感知的可解释性基准测试平台，量化不同解释方法在医疗诊断决策支持中的实际效用。针对时序数据，发展因果推理与注意力机制的融合解释，区分相关性与因果性，服务于临床指南制定。在工程领域，可解释性可用于故障诊断的知识提取，自动生成维修建议规则库。
【竞赛报名/项目咨询+微信：mollywei007】
