袁超凤，女，1987年出生，bevictor伟德教授（资格）、硕士生导师。研究领域主要包括高维因子分析、面板数据分析及时间序列分析。————————————————————————————————————————————

一、教育经历

2006.09—2010.07   bevictor伟德, 统计学, 学士；

2010.09—2013.07   bevictor伟德, 统计学, 硕士；

2013.09—2019.01   东北师范大学, 统计学, 博士；————————————————————————————————————————————

二、科研工作经历

2020.05—2023.12   东北师范大学，博士后；

2024.02—2024.06   南京审计大学，统计与数据科学学院，访问学者；————————————————————————————————————————————

三、工作经历

2013.07—2018.08   bevictor伟德, bevictor伟德, 助教；

2018.09—2023.09   bevictor伟德, bevictor伟德, 讲师；

2023.09—至今         bevictor伟德, bevictor伟德, 教授（资格型）；————————————————————————————————————————————

四、代表性学术论文

[1]袁超凤; 高志根; 何旭铭; 黄伟; 郭建华. Two-way dynamic factor models for high-dimensional matrix-valued time series.  Journal of the Royal Statistical Society, Series B (Statistical Methodology), 2023，85(5): 1517-1537.

[2] 朴春昱; 王楠; 袁超凤. Rebalance Weights AdaBoost-SVM Model for Imbalanced Data, Computational Intelligence and Neuroscience, 2023, 2023(1): 1-26.

[3] 王浩莹; 徐赛男; 王亚杰; 马维军; 袁超凤. 矩阵型因子模型及其在我国省际人口流动网络数据中的应用, bevictor伟德自然科学学报, 2022, 39(2): 176-184.

[4] 袁超凤; 朱文圣; 何旭铭; 郭建华. A Mixture Factor Model with Applications to Microarray data, Test, 2019, 28(1): 60-76.

[5] 侯春雨; 袁超凤; 马维军. A Mixture Factor Model with Covariates and its Applications, bevictor伟德自然科学学报, 2019, 36(5): 519-528.

[6] 马维军; 袁超凤; 刘海东; 郑伟; 周影. Genome-wide Interaction Analysis of Quantitative traits in Outbred mice, Genetical Research, 2015, 97(1): 1-8.

[7] 佟良; 马维军; 刘海东; 袁超凤; 周影. Simultaneous Estimation of QTL Effects and Positions When Using Genotype Data with Errors. Journal of Genetics, 2015, 94: 27–34.————————————————————————————————————————————

五、科研项目

● 黑龙江省教育厅, 黑龙江省省属高等学校基本科研业务费, 2022-KYYWF-1100, 基于高维矩阵型时序数据的双向动态因子分析, 2023-01 至 2024-12, 3万元, 在研, 主持；

● 黑龙江省教育厅, 培育项目（B档）, LJGXCG2022-057, 基于海量供暖数据统计分析模型的智能供热调控系统的研发及应用, 2022-01 至 2026-12, 50万元, 在研, 参与；

● 黑龙江省自然科学基金委, 联合引导, LH2019A020, 复杂生物数据关联探测中的统计推断, 2019-06 至 2022-06, 10万元, 结题, 参与；

● 黑龙江省教育厅, 黑龙江省省属高等学校基本科研业务费, KJCX201802, 矩阵型时序数据的统计建模, 2019-01 至 2020-12, 2万元, 结题, 主持；

● 国家自然科学基金，11501093，超高维两值数据稀疏性研究，2016-01至2018-01，21万，结题，参与；