范敏，女，汉族，中共党员，博士，副教授，硕士研究生导师

Email：fmkmust@163.com

1997年，毕业于云南大学，数理统计专业，获得经济学学士学位

2004年，毕业于昆明理工大学，系统理论专业，获得理学硕士学位

2016年，毕业于昆明理工大学，管理科学与工程专业，获得管理学博士学位 

主要承担本科生概率论与数理统计、数学建模、最优化方法，研究生数据挖掘理论与应用等几门课程。

主要研究方向：

主要研究方向为粒计算、人工智能、概念认知学习、社会网络分析。近期在计算机与人工智能领域顶刊IEEE Transactions on Fuzzy Systems等期刊发表了20余篇学术论文。

承担科研项目及完成情况:

1.复杂网络概念认知学习的数学理论与方法研究，国家自然科学基金地区基金，项目编号12661100，经费26万，2027.01.01-2030.12.31，主持。

2.交互式概念认知学习系统及其应用研究，国家自然科学基金面上项目，项目编号12371460，经费63.8万，2024.01.01-2027.12.31，参与。

3.中国公共数据库数据质量控制的粒化方法研究，国家自然科学基金面上项目，项目编号61573173，经费76.2万，2016.01.01-2019.12.31，参与。

4.面向简化决策分析的概念格约简方法研究，国家自然科学基金青年项目，经费23万，2014-2016年，参与。

获奖情况：

曾获得伍达观先进教师奖和昆明理工大学红云园丁优秀教师奖。 曾获得数学建模竞赛全国一等奖1项，全国二等奖2项。市场调查大赛全国二等奖1项，全国三等奖2项。

代表性教材，论文和专著：

代表作：

[1] Fan M, Li H. Graph classification method based on fuzzy entropy causality in a network formal context[J]. IEEE Transactions on Fuzzy Systems, 2024, 32(9): 5018-5032.

[2]Fan M, Luo S, Li J H.Network rule extraction under the network formal context based on three-way decision[J]. Applied Intelligence,2023(53):5126–5145.

[3]马娜，范敏*，李金海. 复杂网络下的概念认知学习[J].南京大学学报(自然科学),2019,55(04):609-623.

[4]范敏,郭瑞欣,李金海.网络决策形式背景下基于因果力的邻域推荐算法[J].模式识别与人工智能,2022,35(11):977-988.

[5]范敏,陈瑞,李金海.基于网络形式背景的双层网络传染病模型[J].模式识别与人工智能,2025,38(02):143-163.

[6]范敏,赵闽蜀,李金海.基于相似度空间和模糊截集的推荐算法研究[J].南京理工大学学报,2025,49(03):339-351.

[7]范敏,秦琴,李金海.基于三支因果力的邻域推荐算法[J].山东大学学报(理学版),2024,59(05):12-22.

[8]范敏,张洁,李金海.基于弱概念相似度的组推荐方法[J].数据采集与处理,2023,38(02):439-450.DOI:10.16337/j.1004-9037.2023.02.018.

[9]范敏,任文秀,李金海.网络形式背景下的知识流动方法研究[J].模糊系统与数学,2023,37(01):58-74.

[10]范敏,罗杉,李金海.基于变精度可能算子的网络概念认知[J].山东大学学报(理学版),2022,57(08):1-12.

[11]刘文星,范敏,李金海.网络形式背景下的社区划分方法研究[J].计算机科学与探索,2021,15(08):1441-1449.

[12]Tang Yaqiang, Fan Min, Li Jinhai.An information fusion technology for triadic decision contexts. International Journal of Machine Learning and Cybernetics[J],2016(7):13–24.

[13]Hao Chen, Li Jinhai, Fan Min, Liu Wenqi.Optimal scale selection in dynamic multi-scale decision tables based on sequential three-way decisions.Information Sciences[J],2017(415):213–232.