刘启亮 - 中南大学 - 地球科学与信息物理学院

个人简介

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主持科研项目 [10] 多元流协同的城市空间规划“人-地”耦合模式挖掘，中南大学创新驱动计划，中南大学，2018年-2020年 [9] 时空泛在信息位置聚合与内容服务，国家重点研发计划子课题，科技部，2017年-2021年 [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

研究领域

时空数据挖掘时空统计地学尺度建模

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

主要英文期刊论文 [26] Liu, Q L., Liu, W K., Tang, J B., Deng, M., Liu, Y L., 2019. Two-stage permutation tests for determining homogeneity within spatial cluster. International Journal of Geographical Information Science, Accepted. [25] Liu,Q L., Liu, W K., Tang, J B., Deng, M., Liu, Y L., 2019. Permutation-test-based clustering method for detection of dynamic patterns in spatio-temporal datasets. Computers, Environment and Urban Systems, Accepted. [24] Cai, J N.,Deng, M., Liu, Q L*.,et al., 2018. Nonparametric Significance Test for Discovery of Network-Constrained Spatial Co-location Patterns.Geographical Analysis, Accepted. [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 [11] 刘文凯, 刘启亮*, 蔡建南. 2018. 自然邻域支持下的空间同位模式挖掘方法. 测绘学报, 录用待刊 [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.

学术兼职

[4] 2019 IEEE The 4nd International Conference on Big Data Analysis (ICBDA 2019), 专业委员会委员 (Technical Committee Member) [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 Knowledge-based Systems Applied Soft Computing Computers, Environment and Urban Systems Computers&Geoscience Cartography and Geographic Informaion Science Transactions in GIS Pattern Recognition Letters IEEE Access PlosOne 《测绘学报》