两导师被指论文抄袭 调查:学生抄袭导师未尽监管责任

原标题：常州两导师被指论文抄袭，调查：学生抄袭后导师未尽监管责任

近日有网友向澎湃新闻（www.thepaper.cn）反映称，朱正伟、祝磊、饶鹏3人发表于中文核心期刊《计算机应用与软件》2019年第6期的《基于BS-HMM和巴式距离的手势识别技术研究》一文，涉嫌大面积抄袭。同时，《基于BS-HMM和巴式距离的手势识别技术研究》一文亦是国家自然科学基金项目（批准号：61772090）。

对此，国家自然科学基金委员会监督委员会办公室经调查核实，认为文章第二作者祝磊在论文撰写过程中抄袭剽窃了他人论文的公式和算法，在未经导师朱正伟（被署名第一作者）、共同导师饶鹏（被署为通讯作者）知情同意的情况下投稿发表，存在抄袭剽窃的问题。

针对此事朱正伟回复澎湃新闻称，正等待组织对其处理意见。

网友所称的被抄袭论文系作者 Sih-Huei Chen、 Ari Hernawan、Yuan-Shan Lee、Jia-Ching Wang，于2017年9月在北京召开的会议——IEEE International Conference on Image Processing上发表的Hand gesture recognition based on Bayesian sensing hidden Markov models and Bhattacharyya divergence（意为“基于BS-HMM和巴式距离的手势识别”）一文。

澎湃新闻比对上述两篇论文发现，朱正伟、祝磊、饶鹏3人署名的论文《基于BS-HMM和巴式距离的手势识别技术研究》一文涉嫌大面积抄袭Sih-Huei Chen等作者撰写的论文。Sih-Huei Chen等作者的论文发表比朱正伟等人发表的论文早近两年。

澎湃新闻注意到，朱正伟系常州大学信息科学与工程学院教授，饶鹏工作单位为常州光电技术研究所。

6月23日上午，朱正伟通过邮件回复澎湃新闻称，出了这件事情后国家基金委和学校非常重视，学校也正在积极配合基金委处理此事，“我们也正等待组织对我们的处理意见”。

朱正伟同时给澎湃新闻发来今年5月27日国家自然科学基金委员会监督委员会办公室发给常州大学《关于不端行为调查处理情况的告知函》。这份函件的附件——《对朱正伟等发表的论文涉嫌抄袭剽窃的调查与处理情况》写道，国家自然科学基金委员会监督委员会收到举报，反映朱正伟等发表的论文存在抄袭剽窃的问题。经调查核实，文章第二作者祝磊在论文撰写过程中抄袭剽窃了他人论文的公式和算法，并擅自标注了朱正伟的基金项目（批准号：61772090），在未经导师朱正伟（被署名第一作者）、共同导师饶鹏（被署为通讯作者）知情同意的情况下投稿发表，存在抄袭剽窃的问题。

上述处理情况写道，祝磊导师朱正伟没有对学生写作、发表论文起到应有的监管责任，还将该论文列入其基金项目（批准号：61772090）2019年度进展报告中。拟根据《科研诚信案件调查处理规则（试行）》第二条和三十三条和《国家自然科学基金条例》第三十五条第四项的规定做出处理。

朱正伟、祝磊、饶鹏3人署名的《基于BS-HMM和巴式距离的手势识别技术研究》一文具体涉嫌抄袭部分如下。

《基于BS-HMM和巴式距离的手势识别技术研究》一文摘要中写道，开发一个基于深度图像的手势识别系统，将巴氏距离（ Bhattacharyya distance） 引入到贝叶斯感知隐马尔科夫模型（ BS-HMM） 中，称为BDBS-HMM。使用深度摄像机Kinect捕获深度序列图，通过骨架信息对手部位置进行跟踪，识别手部区域，得到手部分割图； 从分割图像中提取4D曲面法线方向分布（ HON4D） 特征和方向梯度直方图（ HOG） 特征表示运动模式； 将每k个连续的特征向量组合成一个序列分布变换所有训练特征向量，使用分布序列来对BDBS-HMM进行训练。该系统在使用MSRGesture3D 数据库和自己建立的数据库的情况下，将BD-BS-HMM与标准HMM和BS-HMM进行比较，实验结果表明了该系统的优越性。

而Hand gesture recognition based on Bayesian sensing hidden Markov models and Bhattacharyya divergence一文的摘要写道：This work develops a system for recognizing common hand gestures.The main idea that underlies the developed system is the incorporation of Bhattacharyya divergence into Bayesian sensing hidden Markov models（BS-HMM ）。 The system consists of two stages。 First，a sequence of depth images is captured by Microsoft Kinect。 The hand region is identified from the depth images by tracking the position of the hand using information about the skeleton， yielding the segmented depth images。 A histogram of the oriented normal 4D（HON4D）and a histogram of oriented gradient（HOG）are then extracted from the segmented depth images to represent the motion patterns.Second，all training feature vectors are transformed by combining every k consecutive feature vectors into a sequence of distributions.The proposed Bhattacharyya divergence based BS-HMM（BDBS-HMM） is trained using the sequence of distributions。 The proposed system is compared to the standard HMM and the BS-HMM using MSRGesture3D database and our database。Experimental results indicated that the proposed method outperforms the baseline methods。

上述两段摘要内容基本一致。

此外，如下图所示，朱正伟、祝磊、饶鹏3人署名的论文《基于BS-HMM和巴式距离的手势识别技术研究》一文涉嫌大面积抄袭Sih-Huei Chen等作者撰写的论文。

{image=1}

{image=2}

责任编辑：杨杰