爱华网周志华，男，1973年11月生，2003年11月被聘任为教授南京大学计算机科学与技术系“长江学者奖励计划”特聘教授。现任南京大学计算机软件新技术国家重点实验室常务副主任、机器学习与数据挖掘研究所所长、人工智能教研室主任。主要从事人工智能、机器学习、数据挖掘、模式识别等领域的研究工作。
周志华_周志华 -简介
周志华
周志华，男，1973年11月生。分别于1996年6月、1998年6月和2000年12月于南京大学计算机科学与技术系获学士、硕士和博士学位。2001年1月起留校任教。2002年3月破格晋升副教授，2003年11月被聘任为教授，2004年4月获博士生导师资格。国际电气与电子工程师学会（IEEE）会士。
现任人工智能教研室主任、机器学习与数据挖掘(LAMDA)研究组负责人。南京航天航空大学兼职教授、澳大利亚Deakin大学名誉研究员、复旦大学智能信息处理重点实验室学术委员会委员。
近年来，周志华成为了国内计算机界一个超级明星。他不仅拥有了一串光辉的荣誉：百篇、霍英东、新世纪、微软青年教授、杰青、长江学者，还是众多期刊的编委。当我们大多数人还为软件学报之类的在苦恼时，他已经是把持软件学报的大佬了。实际上，以其在论文publication方面的业绩，不仅在国内首屈一指，在美国一流大学中也不多见。
周志华何以成为周志华，何以在学术界如此出色。这是我非常感兴趣和思考的问题。总结起来，周志华的成功是在正确的时机和正确的地点，持续不断地做了一件正确的事情。
由于研究成果在国际上产生了影响，周志华教授应邀担任KnowledgeandInformationSystems副编辑、ArtificialIntelligenceinMedicine编委、IJDWM编委，此外还担任ACMMultimediaSystems等3家国际刊物的客座编辑，20余家国际刊物（包括ArtificialIntelligence和8种IEEE汇刊）的审稿专家和一些国际学术基金会的特约评审专家，20余次担任国际学术会议的顾问或程序委员会委员。
周志华_周志华 -研究方向
目前主要从事人工智能、机器学习、数据挖掘、模式识别、信息检索、神经计算、进化计算等领域的研究工作。
周志华_周志华 -学术兼职
任科学通报副主编、中国科学编委、IEEETransactionsonKnowledgeandDataEngineering、ACMTransactionsonIntelligentSystemsandTechnology副编辑，以及ArtificialIntelligenceinMedicine(Elsevier)、IntelligentDataAnalysis(IOS)、JournalofComputerScienceandTechnology(Springer)、软件学报等多种国内外学术期刊的编委。
任国际学术会议PAKDD、PRICAI指导委员会成员，PAKDD'07、PRICAI'08、ACML'09程序委员会主席/共同主席，IEEEICDM'06、IEEEICDM'08、SIAMDM'09、ACMCIKM'09等多次会议的程序委员会副主席或领域主席，十余次国内学术会议主席，香港研究资助局、荷兰科学研究基金会等海外科学基金机构的评议专家。
现为中国计算机学会高级会员、人工智能与模式识别专业委员会副主任，中国人工智能学会常务理事、机器学习专业委员会主任，IEEE计算机学会南京分会主席。香港科技大学等校兼职教授，复旦大学智能信息处理重点实验室、浙江大学视觉感知重点实验室学术委员会委员。
周志华_周志华 -研究成果
周志华
机器学习所关注的一个根本问题是如何提高学习系统的泛化能力，而集成学习可以显著提高学习系统的泛化能力，因此它曾被权威学者Dietterich列为机器学习4大研究方向之首。周志华教授的研究组在集成学习领域进行了深入研究并取得了具有国际影响的成果：
1、由于利用多个学习器可以取得比单一学习器更好的性能，因此很多学者试图通过增加学习器的数目来提高泛化能力。周志华等人提出了选择性集成理论，证明了从一组学习器中选择部分学习器可以比用所有学习器构建集成学习系统更优越并设计出了有效的选择性集成算法。该研究结果于2001年在国际人工智能顶级会议IJCAI上发表，被评审专家认为“非常重要、非常新颖”；国际人工智能顶级刊物ArtificialIntelligence的编辑认为该工作非常出色并向他们发出了约稿邀请。著名学者Torras教授高度评价了选择性集成算法，她称：“该方法比以往著名的集成方法性能更好而且只用了较小的计算代价”。完整的研究结果发表在ArtificialIntelligence(2002)上并于2005年初被ISI列入2000～2004年间被引用最多的“Top1%”论文。
2、理想的学习方法不仅要有强的泛化能力，还要有好的可理解性。周志华等人提出了二次学习的思想，将集成学习用作预处理，设计出了泛化能力强、可理解性好的新型规则学习方法C4.5Rule-PANE，在IEEETrans.InformationTechnologyinBiomedicine（2003）上发表，引起了著名学者Sharkey的重视，她指导学生成功地实现并评估了周志华等人提出的C4.5Rule-PANE算法，在研究结论中给予了高度评价。此后，周志华等人又对二次学习进行了理论分析并设计出了新型决策树学习算法NeC4.5，在IEEETrans.KnowledgeandDataEngineering（2004）上发表。
3、Dietterich在1997年提出多示例学习这一新型机器学习框架时，同时提出了一个公开问题，即如何为常用的机器学习算法设计其多示例版本。目前很多常用算法都有了多示例版本，但其转化过程均是针对具体算法进行的，缺乏一般性的准则。周志华等人提出了监督学习算法向多示例学习算法转化的一般准则，还提出了基于集成学习的多示例问题求解方法并在基准测试上取得了国际上最好的结果。该项研究结果于2003年在著名的欧洲机器学习会议ECML上发表，评审专家称：“这是关于一个重要话题的写得很好的文章”、“其新思想和观点有助于机器学习界更好地理解多示例学习涉及的问题”、“该工作是创新的并且很可能被其他研究者进行跟随研究”。该工作刚发表半年就被著名学者Frank引用，Frank还特别指出周志华等人的工作与自己的研究工作的区别。
4、周志华等人在集成学习技术的应用研究方面也取得了成果。例如，他们利用集成学习技术进行肺癌细胞识别，通过提出一种二级集成结构和完全投票法，不仅显著降低了总误识率，还有效降低了假阴性率，有助于减少病人漏诊的可能性。该成果发表在著名国际刊物ArtificialIntelligenceinMedicine（2002）上，并引起了国际同行的关注。著名学者Graczynski称：“这篇文章的质量给我留下了非常深刻的印象。我发现它非常有趣、信息丰富，阅读这篇文章是一种享受”。
周志华_周志华 -贡献突出
周志华教授
该同志多年来全身心地扑在科研教学工作上，在国际前沿的研究领域取得了重要的、创新性的成就，得到了国内外同行专家的广泛认可和好评。他的杰出成就使得我省在人工智能和机器学习领域达到了国内领先、国际先进水平，为提高我省计算机科学研究在国内的影响，乃至提高中国计算机科学研究在国际上的影响都做出了积极的贡献。
近五年来共主持或参加科研项目15项，在国际刊物、会议和国内一级学报发表论文八十余篇，已被SCI、EI、ISTP等三大检索收录90余篇次，获四项国家发明专利。他于2003年获得国家杰出青年科学基金，是自1994年国家杰出青年科学基金启动以来最年轻的获奖者。他还获得全国优秀博士学位论文奖、江苏省优秀硕士学位论文奖、中创软件人才奖等重要奖项，并于2004年当选为江苏省十大杰出青年。
周志华教授主要从事机器学习、数据挖掘、信息检索、模式识别等领域的研究。在国际一流期刊和会议发表论文50余篇，获国家发明专利6项。发表的论文被来自美、英、德、法、俄、日等四十余个国家和地区的国际同行他引600余次，一些工作受到国际同行高度评价。引用者包括美国耶鲁大学、UIUC、橡树岭国家实验室、德国哥廷根大学、加拿大多伦多大学等著名研究机构的学者。值得一提的是，他2002年发表的一篇论文已被ISI列为2000-2004年间被引用最多的“top1％”论文。部分成果曾被《国家自然科学基金委员会2004年度报告》专门介绍；获得2005年教育部提名国家科学技术奖自然科学一等奖。
周志华_周志华 -所获荣誉
曾获中国IT十年杰出青年(2008)、国务院政府特殊津贴(2006)、江苏省333高层次人才培养工程首批中青年科技领军人才(2007)、中国青年科技奖(2006)、全国优秀博士学位论文奖(2003)、教育部提名国家科学技术奖自然科学一等奖(2005)、江苏省十大杰出青年(2004)、中创软件人才奖(2002)、微软青年教授奖(2006)、江苏省青年科技奖(2006)、霍英东青年教师基金(2004)、江苏省优秀科技工作者(2004)、微软学者奖(1999)、江苏省优秀硕士学位论文奖(2001)、教育部优秀青年教师资助计划(2003)、江苏省青蓝工程优秀青年骨干教师计划(2002)等。
周志华_周志华 -学术活动
2011年3月24日下午三点半，应计算机科学与技术学院邀请，国家杰出青年基金获得者南京大学博士生导师周志华教授在仙林校区S2楼109室做学术报告。报告题为《代价敏感学习》，报告会由计算机学院副院长杨明教授主持。
学术报道：国家杰出青年基金获得者南京大学博士生导师周志华教授来我校做学术报告
2011年3月24日下午三点半，应计算机科学与技术学院邀请，国家杰出青年基金获得者南京大学博士生导师周志华教授在仙林校区S2楼109室做学术报告。报告题为《代价敏感学习》，报告会由计算机学院副院长杨明教授主持，我校部分教师和研究生聆听了整场报告。
周教授的报告从机器学习的重要性谈起，通俗的介绍了代价敏感学习广泛的应用背景，介绍了错误归类代价这一课题的相关专业知识，侧重讲解了代价的另外两个考虑因素――时间代价和样本获取代价。
报告结束后，师生们就学术报告的内容，与周教授进行了充分的交流。周教授的报告高屋建瓴、鞭辟入里、深入浅出，活跃了学术气氛，开阔了师生的视野。学术报告会在热烈的掌声中圆满结束。
南京大学博士生导师周志华教授应邀来我校讲学
2010年10月11日下午3:30，教育部长江学者特聘教授、南京大学博士生导师周志华教授应我校邀请在学术报告厅为我校师生作了一场题为“机器学习及其在互联网搜索中的应用”的学术讲座。数信学院院长吴开腾、副院长牟廉明等数信学院20多名教师及300余名学生听取了此次讲座。讲座由数信学院院长吴开腾教授主持。
吴院长简单介绍了周志华教授的简历及其研究成果。他希望同学们认真聆听周教授的教诲，做好笔记，领悟周教授的深邃思想，感受大师风范。
讲座中，周教授向大家介绍了机器学习的内涵及其在计算机中怎样将数据变成模型。然后，他从网络安全、生物信息学、搜索引擎、自动汽车驾驶这四个方面向大家介绍了机器学习的用处。他认为当今社会机器学习备受关注，建议我校教师在以后教学中可开设类似课程。最后，他详细地为我校师生介绍了机器学习在互联网搜索引擎中的应用。周教授深刻分析了人类对图象和文本的反应时间，认为人类从图片上获取信息更为迅速。同时，他为大家演示了利用图片制作的搜索引擎，反映了机器学习对以后搜索引擎发展的重要性。在整个讲座中，周教授幽默的语言、深邃的思想、积极的热情赢得全体师生一阵阵热烈的掌声。
周志华_周志华 -关于接收学生的声明
周志华
如果您有兴趣到南京大学计算机科学与技术系攻读学位，并且愿意选择我作为您攻读学位期间的导师，与我一起从事研究工作，那么请耐心阅读以下注意事项：在和我联系之前，请先认真考虑以下问题：您是否对我目前的研究方向(可以参考我最近的论文以及我的研究组主页)感兴趣？研究工作可能是充满挫折的，如果没有高度的兴趣，可能会很痛苦。您对自己的未来如何打算？我所做的都是比较前沿的研究性课题，关注的并不是那些已经成熟得可以进入产业界（或马上可以进入产业界）的技术。基础性、前沿性的研究工作，对任何一个国家和社会都是不可或缺的，但任何一个国家和社会都不需要有大量的人从事这方面的工作。我指导的学生在毕业后到高校、研究所或大公司的研究机构任职可能比较合适。
因此，如果您期望将来从事产业方面的工作（例如到一般公司任职），在我指导下攻读学位的经历可能对您不会有多少帮助。您是否有较大的经济负担？由于我做的都是研究性而非工程课题，因此我所能提供的研究津贴是很有限的，可能您所有的收入只够维持您自己的基本生活。一边要为生计发愁，一边要全身心地投入研究工作，对常人来说基本上是不可能的。因此，如果您有较大的经济负担，进入我的研究组可能不是一个好的选择。由于精力和指导能力有限，我无法招收太多的学生。一般每年招收博士生1-2名、硕士生2-3名。因为每年跟我联系的学生远远超过我所能接受的数字，所以您可能要面临比较严峻的竞争（有传言说我只招收保送生，这绝对是谣传，我所认为有研究潜质的学生，未必一定能在目前的一般评价体系下有优异的表现）。
根据目前的情况，建议您至少提前一年与我联系。例如，如果您打算在2008年秋季入学，那么您大概应该在2008年5月（具体时间请见这里）开始申请。如果您准备申请硕博连读，则相对只申请硕士生而言，我可能要对您进行更深入一些的考查。一般来说，我建议您先申请硕士生，如果您在和我一起从事一段时间（一到两年）的研究工作后，仍然希望由我作为您攻读博士学位的导师，那么您可以再提交博士生的申请。在我指导下攻读博士学位通常意味着您希望以学术作为职业生涯，我建议您在对学术生涯以及和我一起从事研究工作的情况有一定了解之后，再做这样重大的决定。在我选择未来的硕士生时，优秀的本科成绩（特别是数学类课程的成绩）会有较好的影响。一般来说，您最好具有较好的数学基础、较好的编程能力（MATLAB、JAVA、C/C++）、较好的英文水平（能够不太困难地阅读专业文献）。但上述要求并不是绝对的，实际上，最重要的是我觉得您有很好的研究潜质（遗憾的是，我很难对此给出具体的描述）。在我选择未来的博士生时，研究背景和可塑性将有决定性的影响。
一般来说，您最好已经深入参与过研究工作、对领域有较清楚的认识、具有良好的发表记录、能够较流畅地撰写英文论文、能够较自如地做研究报告。但上述要求并不是绝对的，尤其是您以往的研究领域未必要与我相同，但无论如何，您最好对在我指导下可能从事的研究工作有较清楚的认识。选择过程通常如下进行：您通过Email传送给我：简历+研究动机说明，请在简历中清楚地写明您的个人情况、学习经历（申请硕士生需提供扫描的本科成绩单）、工作经历、科研经历、发表论文情况以及您认为有助于增进我对您的了解的其他情况；在研究动机说明中，请用一页A4纸的篇幅描述您的研究动机。（请注意：在通过Email发送您的简历和研究动机说明前，请先征得我的同意；您传送的最好是中文版PDF文件）如果您提供的材料使我产生了兴趣，我将会通过Email和您确定一个面谈时间（所有最终被接纳的学生都需要经历这一步）。
目前的面谈过程大概是这样：如果您是申请硕士生，那么在面谈前一周，我将发送给您一篇文献供阅读；面谈时，我们将先进行大约15分钟的交谈，以便进一步了解情况；然后，您将做30-40分钟的报告（请准备PowerPoint投影片），听众是我本人以及我的研究组目前的成员。前10分钟请介绍您自己的情况，后面的时间请就这篇文献做报告；报告后将有大约10-15分钟供您回答关于这篇文献的问题；此后将有大约10-15分钟供您回答其他问题。
如果您是申请博士生，那么面谈时，我们将先进行大约15分钟的交谈，以便进一步了解情况；您将做50-60分钟的报告（请准备PowerPoint投影片），听众是我本人以及我的研究组目前的成员。前10分钟请介绍您的个人情况，后面的时间请介绍您以往的研究工作（大约30分钟），以及您对今后研究的打算（大约10分钟）；此后将有大约20-40分钟供您回答各种问题。如果您在外地，也许可以在我参加学术会议时安排面谈，但最佳方式还是上面描述的那样。请注意，即使我在上述过程后表示乐意接纳您，您仍然需要通过正常的研究生入学考试获得南京大学计算机科学与技术系的博士生/硕士生入学资格（或获得保送资格）。
如果您认识我的亲友或同事，建议您不要通过他们与我联系，那样反倒会对您造成不好的影响。最好的方式是直接与我本人联系。您与我联系的最佳方式是Email，通常我会在2、3天内回复（出差时可能会耽搁一些时间）。另外，我不希望您在没有预约的情况下直接闯入我的办公室，因为这将使我难以进行研究工作。
