返回主页 | 加入收藏 | 后台登录

研究方向

当前位置: 首页 > 研究方向 >

(一)大数据及其应用

发表人:
信息来源:智能信息处理重点实验室
发布日期:2017/12/05 16:13:35

在现有研究基础上,重点研究对大数据的处理优化与安全问题,并着重将所研究成果应用于产业化。该方向主要研究:大数据与信息安全、模式识别与视觉信息处理、多目标进化优化。

1.大数据与信息安全

主要研究实验室其它研究方向所产生的大数据处理技术,以及数据在通信存储等的安全保障,在基础理论与范式上力求有所突破,在轻量级密码上进行创新,在应用上能产业化,主要围绕如下问题进行研究:

①大数据的智能处理技术,重点研究在智能计算中产生的大数据实时处理技术,包括大数据结构化分析、文本分析、Web分析技术等。②面向智慧城市的大数据可视化技术,重点研究大数据的轻量化安全传输,面向决策的数据可视化决策原型系统,以及基于智慧云的大数据图像处理与可视技术。③自主知识产权的新型轻量化密码算法,大数据以及云同态加密安全技术是不同于传统加密技术,重点研究拥有自主知识产权的新型加密算法,要求能提供密文检索,同时由于智慧城市中对大数据处理需要的实时性,研究具有轻量化的高效新型密码算法。

2.模式识别与视觉信息处理

模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。

重点突破①模式分类和机器学习基础理论与方法,高效模式识别算法、图形图像处理算法;②智能数据挖掘技术、高维数据处理技术以及物联网应用技术,并为开发高效智能应用系统提供关键技术;③对模式识别分类器学习与自适应算法、基于图的机器学习、深度学习,在云计算技术和大数据技术中的智能优化理论与方法的研究等。④高鲁棒性的快速计算方法,特别是从图像中可靠、快速三维重构算法、快速地提取三维形状信息的方法等。

3.多目标进化优化

多目标进化优化算法特别适合于解决非线性复杂优化问题,而在如今大数据时代,存在大量高度非线性复杂优化问题用确定性算法难以解决,而进化算法是解决这类问题的有效方法。此外,在处理庞大的数据集中,许多优化问题都是多个目标的,并且其问题是与时间相关的。如动态数据调度问题,考虑时间间隔上各个运行状态之间的约束,即时间带来的约束,这些约束称为动态约束,面对一个复杂动态变化的系统,静态优化方法具有明显的局限性。

重点突破主要研究大数据的优化模型,及其优化算法:①动态多目标优化基准测试问题和算法性能指标的研究;②进化动态多目标优化算法的设计;③多目标算法研究,动态多目标优化研究;④高维多目标进化优化方法研究;⑤偏好多目标进化优化方法的研究。