教育背景：

博士：澳门大学，计算机科学系（全额奖学金）
硕士：西北工业大学，航空学院
学士：西北工业大学，教育实验学院（荣誉学院，本硕连读班）

工作履历：

2024.01-今：深圳大学机电与控制工程学院，助理教授

主持项目：

主持在研国家自然科学基金项目，广东省自然科学基金项目，广东省粤澳合作基金项目，深圳市高端人才科研启动项目，深圳大学青年人才启动项目等多项。

代表期刊论文 ：

[1] Zhaoyin Shi, Shuanghao Zhang, Zongze Wu, Long Chen, Weiping Ding, C. L. Philip Chen. SSFKM-CF: Semi-Supervised Fuzzy K-Means Clustering with Pairwise Constraints via Consistency Fusion[J]. IEEE/CAA Journal of Automatica Sinica, Early Access, doi: 10.1109/JAS.2026.126461, 2026. (IF = 18.3, 中科院1区Top, 第一作者)

[2] Changyuan Wang, Zhaoyin Shi*, Long Chen. Stage-Aware Robust Multimodal Prior Guidance for Diffusion-Based Image Super-Resolution[J]. Electronics, vol. 15, pp. 3059: 1-31, Jul. 2026. (IF = 2.9, JCR Q2, 中科院3区，通讯作者)

[3] Yingxu Wang, Zhaoyin Shi*, Long Chen, Jin Zhou, Xiaoyong Shen, Chuanbin Zhang, Weiping Ding, C. L. Philip Chen. Semi-Supervised Low-Rank Fuzzy Clustering for Hyperspectral Images[J]. IEEE Transactions on Fuzzy Systems, vol. 34, no. 7, pp. 2252-2265, Jul. 2026.  (IF = 11.9, 中科院1区Top, 通讯作者)

[4] Xin Liu, Zhaoyin Shi*, Shuanghao Zhang, Long Chen, Weiping Ding, Xiaopin Zhong, Zongze Wu, C. L. Philip Chen. CIBLS-PLS: A Class-Incremental Broad Learning System with Pseudo-Label-Guided Stacked Structure[J]. IEEE Transactions on Artificial Intelligence, vol. 7, no. 3, pp. 1745-1760, Mar. 2026. (通讯作者)

[5] Zhaoyin Shi, Yingjie Luo, Xin Liu, Long Chen, Weiping Ding, Xiaopin Zhong, Zongze Wu, C. L. Philip Chen. MGL-FBLS: Multi-Granularity Label-Driven Feature-Enhanced Broad Learning System for Semi-Supervised Classification[J]. IEEE Transactions on Emerging Topics in Computational Intelligence, vol. 10, no. 3, pp. 2245-2259, Jun. 2026.  (IF = 6.5, 中科院2区, 第一作者)

[6] Shuanghao Zhang, Zhengtong Yang, Zhaoyin Shi*. DLPLSR: Dual Label Propagation-Driven Least Squares Regression with Feature Selection for Semi-Supervised Learning[J]. Mathematics, vol. 13, pp. 2290: 1-23, Jul. 2025. (IF = 2.2, JCRQ1, 中科院3区, 通讯作者)

[7] Zhaoyin Shi, Long Chen, Weiping Ding, Xiaopin Zhong, Zongze Wu, Guang-yong Chen, Chuanbin Zhang, Yingxu Wang, C. L. Philip Chen. IFKMHC: Implicit Fuzzy K-Means Model for High-Dimensional Data Clustering[J]. IEEE Transactions on Cybernetics, vol. 54, no. 12, pp. 7955-7968, Dec. 2024.  (IF = 10.5, 中科院1区Top, 第一作者)

[8] Zhaoyin Shi, Long Chen, Weiping Ding, Chuanbin Zhang, Yingxu Wang. Parameter-Free Robust Ensemble Framework of Fuzzy Clustering[J]. IEEE Transactions on Fuzzy Systems, vol. 31, no. 12, pp. 4205-4219, Dec. 2023.  (IF = 11.9, 中科院1区Top, 第一作者)

[9] Zhaoyin Shi, Long Chen, Guang-yong Chen, Kai Zhao, C. L. Philip Chen. Manifold Enhanced 2-D Fuzzy Subspace Clustering for Image Data[J]. IEEE Transactions on Systems, Man and Cybernetics: Systems, vol. 53, no. 2, 741-752, Feb. 2023.  (IF = 8.7, 中科院1区Top, 第一作者)

[10] Zhaoyin Shi, Long Chen, Junwei Duan, Guang-yong Chen, Kai Zhao. Robust and Fuzzy Ensemble Framework via Spectral Learning for Random Projection-based Fuzzy-C-Means Clustering[J]. Engineering Applications of Artificial Intelligence, vol. 17, Part A, pp. 105541: 1-13, Jan. 2023.  (IF = 8.0, 中科院1区Top, 第一作者)

[11] Zhaoyin Shi, Zhenzhou Lu, Xiaobo Zhang, Luyi Li. A novel adaptive support vector machine method for reliability analysis[J]. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, vol. 235, no. 5, 896-908, Mar. 2021.  (IF = 1.8, JCRQ2, 中科院4区, 第一作者)

[12] Zhaoyin Shi, Zhenzhou Lu, Luyi Li, Yanping Wang. Cross-entropy importance sampling method based on adaptive Kriging model[J]. Acta Aeronautica et Astronautica Sinica (航空学报), vol. 41, no. 1, pp. 223123: 1-12, Jan. 2020.  (EI, Journal paper, 第一作者)

[13] Zhaoyin Shi, Zhenzhou Lu, Luyi Li, Yanping Wang. An Efficient ASVR-MCS Method For Estimating Failure Probability[J]. Journal of Mechanical Engineering (机械工程学报), vol. 55, no. 24, 260-268, Dec. 2019.  (EI, Journal paper, 第一作者)

代表会议论文：

Zhaoyin Shi, et al. MR image denoising by FGMM clustering of image patches[C]. Image and Graphics: 11th International Conference, ICIG 2021, Haikou, China, August 6–8, 2021, Proceedings, Part II 11. Springer International Publishing, 2021: 597-606. (CCF-C)

代表专利：

代表著作：

获得荣誉：

主要学术兼职：

Artificial Intelligence in Health 期刊青年编委。

IEEE TNNLS，IEEE TFS，IEEE TSMCS，IEEE TETCI，IEEE TITS，IEEE TAI，EAAI，NeurCom 等国际顶级期刊审稿人。

Electronics 期刊, Special Issue "Advanced Clustering and Data Mining: Deep Learning and Big Data Perspectives."客座编辑，欢迎大家投稿https://www.mdpi.com/journal/electronics/special_issues/FBM039QM17。

中国自动化协会“计算智能及其应用”专委会委员。

中国自动化协会，终身会员。


每年招收2~3名模式识别与智能系统方向硕士研究生，主要研究方向包括机器学习、模式识别、聚类分析、增量学习、多视图学习、工业智能检测等。欢迎具有一定数学、编程或人工智能基础，并愿意认真投入科研工作的同学联系。

课题组能够为同学们提供：

1. 全过程科研指导
从进入课题组开始，尽可能提供完整、具体的科研训练，包括研究方向选择、文献阅读、论文讲解、代码学习、Idea讨论、方法设计、实验实现、结果分析、论文写作、投稿以及返修等环节。

对于科研基础相对薄弱的同学，会从论文阅读、代码复现和基础实验开始逐步训练；对于科研能力较强、进展较快的同学，则会尽早支持其独立开展研究工作。

2. 明确而充分的发展选择
研究生阶段以完成培养要求和课题组科研任务为基本前提。在此基础上，尊重每位同学不同的发展规划。

希望继续深造的同学，可以持续参与科研项目、论文工作和学术交流；希望就业的同学，在完成阶段性科研任务后，可自由安排企业实习，并结合个人就业方向调整后续学习重点。

3. 升学与就业支持
对于具有较强科研兴趣和能力、计划继续攻读博士学位的同学，会积极帮助联系和推荐国内外优秀高校、科研院所及相关导师，并在科研成果、推荐信和研究方向选择等方面提供支持。

对于计划就业的同学，也会结合其研究方向、项目经历和个人能力，在算法、人工智能、软件研发及相关行业提供力所能及的就业推荐和职业发展建议。

4. 充足的计算与实验资源
课题组配备多台高性能计算工作站，目前平均约2名学生共享1台高性能工作站，可满足机器学习、深度学习、图像处理及相关算法实验的计算需求。

对于有特殊计算需求的科研任务，也会根据项目实际情况进一步配置相应的软硬件资源。

5. 充分的科研经费支持
课题组科研经费能够覆盖正常科研活动所需的计算、实验、论文及相关费用。

对于科研进展较好、有学术交流需求的同学，将积极支持参加国内外学术会议、学术交流、合作访问等活动，帮助大家拓展学术视野。

6. 相对开放但有要求的科研环境
不会要求同学长期“坐班”，也不会简单以每天在实验室待多长时间衡量科研投入，更关注阶段性任务是否完成、科研工作是否真正推进。

与此同时，自由建立在责任感的基础上。希望每位同学能够主动安排自己的学习和科研进度，按计划完成文献阅读、代码实现、实验分析和论文工作，并保持稳定、持续的科研投入。

希望你：
1. 真正对人工智能和模式识别感兴趣。 愿意主动学习新知识、动手写代码、阅读论文、讨论问题，也能够接受科研过程中反复实验、失败、修改甚至推倒重来的过程。

2. 具备良好的学习能力、执行力和责任心。 本科阶段是否已经发表论文并不是最重要的，也不要求入组时已经具备很强的科研能力。相比已有成果，我更看重学习能力、执行力、责任心以及持续投入的意愿。只要愿意认真学习、踏实做研究，课题组会尽可能提供充分的指导和资源支持。

3. 希望真正有所收获，而不仅仅是完成一个硕士学位。 希望加入课题组的同学，三年之后无论选择读博还是就业，都能够真正掌握一些东西：能够独立阅读和理解论文，能够主动发现和分析问题，能够独立实现一个完整的算法或项目，也能够清楚、准确地表达自己的工作。相比以最低投入完成学业、获得一个硕士学历，我更希望大家把研究生阶段作为提升专业能力、科研能力和解决问题能力的重要三年。

如果你认同这样的培养方式，也愿意为自己的研究生阶段投入时间和精力，欢迎联系并加入课题组。