自2003年始从事无线传感网络与大数据的研究和开发，目前主要研究方向为：物联网、大数据、深度学习。近年来，主持完成国家自然科学基金2项，省部级重点基金、重点科技支撑项目项8项，国防项目2项，横向课题多项；在《Neurocomputing》、《软件学报》、《计算机学报》、《计算机研究与发展》、《电子学报》、《通信学报》、等发表论文100余篇，其中SCI、EI收录80余篇，出版书籍2部；获江西省科技进步奖1项、江西省高等学校科技成果奖1项；申请发明专利15项，已授权8项，登记软件著作权11项。

部分科研项目：

                 [1]      国家自然科学基金地区项目，61962037，基于深度学习的无线传感器网络链路质量评估方法研究，2020/01–2023/12，主持

                 [2]      国家自然科学基金地区项目，61363015，基于支持向量机的无线传感器网络链路质量预测方法研究，2014/01–2017/12，主持

                 [3]      江西自然科学基金项目，20202BABL202039，基于深度森林的无线传感器网络链路质量评估方法研究，2020/01–2022/12，主持

                 [4]      江西自然科学基金项目，20171BAB202009，无线传感器网络链路质量预测关键技术研究，2017/01–2018/12，主持

                 [5]      国家自然科学基金地区项目，62362052，基于多视角约束的异质网络关键节点评估方法研究，2024.1.1—2027.12.31，第2

                 [6]      国家自然科学基金地区项目，62062050，基于图神经网络的机会网络节点重要度评估方法研究，2021/01–2024/12，第2

                 [7]      国家自然科学基金地区项目，61762065，基于深度信念网的便携设备交换网络链路预测方法研究，2018/01–2021/12，第2

                 [8]      国家自然科学基金地区项目，61262020，机会传感网络连通性监视方法研究， 2012/01–2016/12，第2

2013年―至今，江西省人民政府信息化智库专家

1996年―至今，中国计算机学会会员

近年来，本人第1作者或所指导研究生发表的主要论文、授权的专利：

u 英文论文：

                 [1]      Linlan Liu, Weide Huang（研究生）, Jian Shu and Hongjian Zhao. Knowledge graph relation prediction based on graph transformation[J]. Applied Intelligence, 2025, 55, 241. （SCI Ⅱ）

                 [2]      Yao Liang（研究生）, Jian Shu, Linlan Liu. Attributed network community detection based on graph contrastive learning and multi-objective evolutionary algorithm [J].Neurocomputing, 2025,636,130029:1-17. (SCI Ⅱ)

                 [3]      Jian Shu, Yiling Zou（研究生）, Hui Cui, Linlan Liu. Node importance evaluation in heterogeneous network based on attention mechanism and graph contrastive learning [J].Neurocomputing, 2025,626,129555:1-14. (SCI Ⅱ )

                 [4]      Jian Shu, Yao Liang（研究生） , Wanli Ma, and Linlan Liu. Key Nodes Evaluation Method Based on Combination Weighting VIKOR in Social Networks[J]. IEEE Transactions on Computational Social Systems, 2024,11(4),5404-5418..（SCI Ⅱ）

                 [5]      Pengtao Wang（研究生）, Jian Shu and Linlan Liu. Heterogeneous network link prediction based on network schema and cross-neighborhood attention[J]. Journal of King Saud University-Computer and Information Sciences, 2024, 36(7): 102154. （SCI Ⅱ）

                 [6]      Linlan, Liu, Yi Feng（研究生）, Shengrong, Gao, Jian Shu. Link quality estimation based on over-sampling and weighted random forest[J]. Computer Science and Information Systems, 2022, 19, (1):25-45. （SCI Ⅳ）

                 [7]      Linlan Liu, Mingxiao Niu（研究生）, Chao Zhang, Jian Shu. Light Gradient Boosting Machine-Based Link Quality Prediction for Wireless Sensor Networks[J]. Wireless Communications and Mobile Computing, 2022, 8278087. （SCI Ⅳ）

                 [8]      Linlan Liu, Hui Lv（研究生）, Jiangbo Xu. A Link Quality Estimation Method Based on Improved Weighted Extreme Learning Machine[J]. IEEE ACCESS, 2021, 9(1):11378-11392. （SCI Ⅲ）

                 [9]      Linlan Liu, Wei Wang（研究生）, Guirong Jiang, and Jiang Zhang. Identifying Key Node in Multi-region Opportunistic Sensor Network based on Improved TOPSIS[J]. Computer Science and Information Systems,, 2021, 18(3): 1041-1056. （SCI Ⅳ）

             [10]      Ziliang Liao（研究生）, Linlan Liu , Yubin Chen. A novel link prediction method for opportunistic networks based on random walk and a deep belief network[J]. IEEE ACCESS, 2020, 7(1): 16236-16247. （SCI Ⅱ）

             [11]      Yi Feng（研究生）, Linlan Liu and Jian Shu. A link quality prediction method for wireless sensor networks based on XGBoost [J]. IEEE ACCESS, 2019, 7(1):155229-155241. （SCI Ⅱ）

             [12]      Xionghui Luo（研究生）, Linlan Liu, Jian Shu, Manar Al-Kali. Link Quality Estimation Method for Wireless Sensor Networks Based on Stacked Autoencoder[J]. IEEE ACCESS, 2019,7(1):21572-2158. （SCI Ⅱ）

             [13]      Chenhao Jia（研究生）, Linlan Liu, Xiaole Gu, and Manlan Liu. A Novel Link Quality Prediction Algorithm for Wireless Sensor Networks[J]. Computer Science and Information Systems, 2017, 14(3): 719–734. （SCI Ⅳ）

u 中文论文：

                                 [1]      刘琳岚，崔辉（研究生），高浩轩，舒坚，江宇楠. 基于节点嵌入的机会网络节点重要度评估[J]. 北京邮电大学学报，2025，48(1)：52-58. （信息通信领域T1）（EI源刊）

                 [2]      刘琳岚,唐家威（研究生）,朱文俊.基于特征相似性的机会网络链路预测[J].工程科学与技术,2025,57(2):12–21. （EI源刊）

                 [3]      刘琳岚，冯振兴（研究生），舒坚. 基于时序图卷积的动态网络链路预测[J]. 计算机研究与发展，2024，61(2)：518-528. （CCF A）

                 [4]      刘琳岚，谭镇阳（研究生），舒坚. 基于图神经网络的机会网络节点重要度评估方法[J]. 计算机研究与发展，2022，59(4)，834-851. （CCF A）

                 [5]      刘琳岚，肖庭忠（研究生），舒坚，牛明晓. 基于门控循环单元的链路质量预测[J].工程科学与技术，2022，54(6)：51-58. （EI源刊）

                 [6]      刘琳岚，肖庭忠（研究生），夏扬，舒坚. 基于超限快速决策树的链路质量评估[J]. 北京邮电大学学报，2021，44(3)：125-130. （信息通信领域T1）（EI源刊）

                 [7]      舒坚，王启宁（研究生），刘琳岚. 基于深度图嵌入的无人机自组网链路预测[J]. 通信学报，2021，42(7)：137-149. （信息通信领域T1，CCF T1）

                 [8]      刘琳岚，高声荣（研究生），舒坚. 基于随机森林的链路质量预测[J]. 通信学报，2019，40(4)，202-211. （信息通信领域T1，CCF T1）

                 [9]      舒坚，刘满兰（研究生），尚亚青，陈宇斌，刘琳岚. 基于高斯过程回归的链路质量预测模型[J].通信学报，2018，39(7)：148-156. （信息通信领域T1，CCF T1）

             [10]      舒 坚，张学佩（研究生），刘琳岚，杨志勇. 基于深度卷积神经网络的多节点间链路预测方法[J].电子学报，2018，46(12)：2970-2977. （CCF A）

             [11]      刘琳岚，张江（研究生），舒坚，郭凯，孟令冲. 基于多属性决策的机会传感器网络关键节点预测[J].计算机研究与发展，2017，54(9)：2021-2031. （CCF A）

u 授权专利：

                 [1]      施剑（研究生），刘琳岚，舒坚，一种基于异质图神经网络聚类的社交网络好友推荐方法，专利号：202411376289.7，授权日期：2025.03.04

                 [2]      严佳欣（研究生），刘琳岚，舒坚，一种基于双视角融合异质图神经网络的跨域商品推荐方法，专利号：202411405375.6，授权日期：2024.12.20

                 [3]      胡余强（研究生），刘琳岚，一种采用注意力机制的循环神经嵌入表示方法，专利号：202110998520.6，授权日期：2023.6.23

                 [4]      李佳浩（研究生），刘琳岚，一种采用图注意力网络与融合邻域的拓扑预测方法，专利号：202110859990.4，授权日期：2023.05.23

                 [5]      冯振兴（研究生），刘琳岚，一种基于高通滤波器和改进RNN的机会网络链路预测方法，专利号：202111016066.6，授权日期：2023.05.09

                 [6]      范杰彬（研究生），刘琳岚，结合BiLSTM和时间模式注意力的链路质量预测方法，专利号：202211186686.9，授权日期：2022.12.20

                 [7]      牛明晓（研究生），刘琳岚，一种采用叠层宽度学习的链路质量评估方法，专利号：202110874737.6，授权日期：2022.05.31

                 [8]      宋修洋（研究生），刘琳岚，一种采用知识图谱嵌入和时间卷积网络的社交网络链路预测方法，专利号：202010752425.3，授权日期：2022.03.01

                 [9]      张超（研究生），刘琳岚，舒坚，一种采用卷积长短期记忆的在线链路质量预测方法，专利号：201910913353.3，授权日期：2022.02.01

             [10]      谭镇阳（研究生），刘琳岚，舒坚，一种基于排序学习的机会网络关键节点预测方法，专利号：201910913352.9，授权日期：2021.12.21

             [11]      廖子粮（研究生），刘琳岚，舒坚，一种采用基于随机游走和深度信念网络的机会网络链路预测方法，专利号：201811160815.0，授权日期：2021.7.16