刘晓峰

职位：无

学历：博士研究生

学科：计算机科学与技术

研究领域或方向：人工智能，深度学习可解释性，脑网络

邮箱：liuxiaofeng03@tyut.edu.cn

职称：讲师

个人简介
主要课程
主要成果

刘晓峰，博士，讲师。主要从事人工智能、深度学习可解释性、脑网络分析等方面研究。目前已在《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Network Science and Engineering》、《IEEE Transactions on Network and Service Management》、《Expert Systems with Applications》等国际学术期刊上发表了多篇学术论文。
教育背景：
2013年9月-2017年7月中北大学本科
2017年9月-2020年6月中北大学硕士
2020年9月-2024年12月华北电力大学博士
工作经历：2025年4月-至今太原理工大学
无
[1] Liu Xiaofeng, Ma Yinglong, Chen Degang, Liu Ling. Towards Embedding Ambiguity-Sensitive Graph Neural Network Explainability[J]. IEEE Transactions on Fuzzy Systems, 2024, 32(12): 6951-6964. (中科院SCI一区Top)
[2] Liu Xiaofeng, Guo Chenqi, Zhao Mingjun, Ma Yinglong. GAXG: A Global and Self-adaptive Optimal Graph Topology Generation Framework for Explaining Graph Neural Networks[J]. IEEE Transactions on Network Science and Engineering, 2024, 11(6): 6007-6023. (中科院SCI一区)
[3] Ma Yinglong, Liu Xiaofeng, Zhao Lijiao, et al. Hybrid embedding-based text representation for hierarchical multi-label text classification[J]. Expert Systems with Applications, 2022, 187: 115905. (中科院SCI一区Top)
[4] Ma Yinglong, Liu Xiaofeng, Guo Chenqi, et al. KnowGNN: A Knowledge-Aware and Structure-Sensitive Model-Level Explainer for Graph Neural Networks[J]. Applied Intelligence, 2024. (中科院SCI三区)
[5] Guo Chenqi, Zhong Shiwei, Liu Xiaofeng, et al. Why does Knowledge Distillation Work? Rethink its Attention and Fidelity Mechanism [J]. Expert Systems with Applications, 2025, 262: 125579. (中科院SCI一区Top)
[6] Liu Huili, Ma Yinglong, Guo Chenqi, Liu Xiaofeng and Wang T. MOHFL: Multi-Level One-Shot Hierarchical Federated Learning With Enhanced Model Aggregation Over Non-IID Data[J]. IEEE Transactions on Network and Service Management, 2025. (中科院SCI二区)
科研项目：
[1] 面向控申信息的过滤、校核、分类与集中管控(2018YFC0830605)，国家重点研发计划课题，2018.07-2021.06，参与。
[2] 检察业务协同信息栅格的资源集成、服务动态发现和数据管理技术(2018YFC0831404)，国家重点研发计划课题，2018.08-2021.06，参与。
[3] 智能物联边缘代理技术研究(SGGR0000WLJS2001366)，全球能源互联研究院项目，2020.12-2021.06，参与。