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。