周好民教授于1991年在北京大学数学系基础数学专业本科毕业，1994年获北
京大学计算数学硕士学位，1996年获香港中文大学应用数学硕士学位，2000年于
加州大学洛杉矶分校（UCLA）获应用数学博士学位。毕业后在加州理工学院做博
士后研究三年，之后一直在佐治亚理工学院数学系工作，于2012年晋升为教授。
他的研究兴趣包括信号及图像处理，随机微分方程的数值解及应用。近年来的研
究方向集中在图上的最优传输理论及工程中的应用。 

    周好民教授（与其合作者一起）在多个领域做出贡献。在图像处理方面，他
设计了ENO-Wavelet变换，并严格证明了ENO-Wavelet可以对间断函数得到一致逼
近阶。实验表明ENO-Wavelet变换可以有效的减少小波在图像压缩过程中的Gibbs
震荡。他还提出了用全变差（TV）来控制及恢复小波系数的模型和算法。在随机
微分方程的数值解方面，他研究了利用Wiener-Chaos Expansion求解白噪声驱动
的Navier-Stokes方程和Helmholtz方程。在与工程系专家的合作中，他提出了基
于随机Helmholtz方程的不相干光源问题的数学模型及算法，其速度比解决同类
问题的传统算法快两个数量级。近年来，他与其团队成员针对图上的最优传输问
题做出了一系列基础理论的研究成果，包括精确的给出了在图上的最优传输距离
的定义，推导了图上的非线性Schrodinger方程和Fokker-Planck方程及指数收敛
到稳态解的性质。他把图上的最优传输理论成功的应用于工程控制算法及社交媒
体信息传播问题。 

    周好民教授的其他研究方向包括非线性信号分解和反问题的数值计算。他长
期担任多个国际期刊的编委，其中包括Inverse Problem & Imaging的执行主编。
他曾于2002年获得Honorable Mention of Householder Award，2007年获美国国
家科学基金委Career奖。