盛敏, 女, 汉族, 安徽安庆人, 中共党员, 博士, 教授, 硕士生导师。2009年合肥工业大学获计算机应用技术专业博士学位。研究方向:模式识别与图像处理。主持和参与安徽省教育厅自然科学研究重点项目、安徽省重点实验室情感计算与先进智能机器开放课题、安徽省科技重大专项、国家自然科学基金等10余项，在国内外重要学术期刊及会议发表论文20余篇。

一、主讲课程

本科生课程：数值分析、数字图像处理、计算及图形学、计算机基础、高等数学、线性代数

硕士生课程：数值分析、机器学习、神经网络、算法设计与分析

二、教研项目

主持：安徽省教育厅省级线下课程，数值分析，2021xxkc106

三、学术研究课题

1. 安徽省科技重大专项“STEAM创新教育云机器人系统研发与示范”（18030901021），2018-2022，排名第二

2. 国家科技部“面向环境生态数据的云服务平台建设”，（2017A09116），2017-2018，排名第五

3. 安徽省教育厅自然科学研究项目（重点项目, KJ2017A354），室内移动机器人分层SLAM研究，2017-2018，排名第二

4. 安徽省重点实验室情感计算与先进智能机器开放课题（ACAIM160102）,面向多模态运动功能检测的人体运动行为识别与分析，2016-2017，主持

5. 国家自然科学基金（面上项目，11471093），多元（切触）有理插值的若干问题研究，2015-2018，排名第三

6. 安徽省教育厅自然科学研究项目（重点项目, KJ2014A142）， 基于彩色图像的四元数混合切触插值函数的构造方法，2014-2016，主持

四、代表性学术论文

[1]MinSheng,Jing Jiang, Benyue Su, Qingfeng Tang, Guangjun Wang. Short-time activity recognition with wearable sensors using convolutional neural network. Proceedings-VRCAI 2016: 15th ACM SIGGRAPH Conference on Virtual-Reality Continuum and Its Applications in Industry, Zhuhai, 2016, vol.1: 413-416.

[2] Benyue Su, Jie Wang, Shuangqing Liu,Min Sheng, kui Xiang. A CNN-based method for intent recognition using inertial measurement units and intelligent lower limb prosthesis. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2019, 27(5):1032-1042.

[3]盛敏, 刘双庆, 王婕,苏本跃. 基于GMM-HMM模型的智能下肢假肢运动意图识别. 仪器仪表学报, 2019, 40(05): 169-178.

[4]盛敏, 刘双庆, 王婕, 苏本跃. 基于改进模板匹配的智能下肢假肢运动意图实时识别. 控制与决策, 2020, 35(09): 2153-2161.

[5]Min Sheng, Wanjun Wang, Tingting Tong,Yuanyuan Yang, Huilin Chen, Benyue Su, Motionintent recognition inintelligent lower limb prosthesis using one-dimension aldual-tree complex wavelet transforms, Computational Intelligence and Neuroscience,vol. 2021, Article ID 5631730, 15 pages, 2021. https://doi.org/10.1155/2021/5631730.

[6]盛敏, 夏安琦, 王可林, 查红丽, 吴红霞, 苏本跃. 基于几何与物理特征融合的智能下肢假肢运动意图识别[J/OL]. 控制与决策:1-9 [2021-10-13]. https://doi.org/10.13195/j.kzyjc.2020. 1404.

[7]Min Sheng, Qingxuan He, Kangwei Wang, et al. A novel age-group classification method for Irrawaddy dolphins based on dorsal fin shape features. Ecological Informatics, 2022: 101634. https://doi.org/10.1016/j.ecoinf.2022.101634.