内容

黄哲学特聘教授团队2018年在大数据研究方面取得重要进展

阅读数:265    发布:2018-09-13 11:27    

计算机与软件学院大数据技术与应用研究所于2013年由黄哲学特聘教授创建,研究所注重从大数据产业应用需求中提炼科学问题,力求基础理论和共性关键技术的原始创新。基础研究重点包括:面向大数据的新的抽样方法和计算框架、机器学习方法和算法、统计学习方法、相似性计算、近似计算等。共性关键技术创新重点包括:分布式并行算法、高效ETL处理、高效索引与查询、新型数据挖掘算法、可视分析与展现、未来网络与大数据、大数据典型应用等技术。大数据技术与应用研究所成立5年期间,在团队建设、人才培养、科学研究和社会服务等方面取得了快速发展,积累了大量的研究成果并成功应用示范,在同行中得到了广泛认同,产生了重要的影响力,多项成果应用于申请大数据系统计算国家工程实验室。在2018年1月至8月期间,黄哲学教授带领大数据研究团队已发表了10篇CCF A类/中科院1区论文。

针对基于分类问题的复杂性度量问题,团队首次讨论了不确定性与泛化能力的关系,其结论可广泛应用于弱监督学习与集成学习的模型构建与性能改进。成果已发表在IEEE Trans. Cybernetics上,该文章自发表至今已得到同行的多次关注。

在无监督学习方面,为了有效地处理大数据,团队从降低计算复杂度、考虑复杂类型数据入手,提出了一系列新的无监督学习算法。其中,针对传统的谱聚类算法在求解时需要进行特征向量分解导致计算复杂度高,以及执行2步互相独立的操作从而导致优化性能不能保证的问题,提出了一种新的不需要特征向量分解的迭代优化方法,可以实现对谱聚类算法在保证性能的同时进行快速的求解。该工作被KDD 2018接受为long representation (10.9%录用率)。

在智能优化算法理论研究方面,团队提出了多精英引导的组合差分进化算法。其中多精英引导准则能加速算法收敛并能有效防止算法陷入局部最优。而且一个辅助的转移机制能有效地避免停滞问题。智能优化算法的应用方面,团队将智能优化算法应用于移动边缘计算和社交网络,相关成果发表在人工智能和信息处理权威期刊Information Sciences。

针对物联网应用在移动边缘计算系统中的能耗及响应延时不平衡问题,提出了更加合理的数学模型和基于该问题的多目标优化算法,实现了一次性做出多个卸载决策的目标,使得决策执行者能够根据实际情况实时选择卸载决策,从而控制物联网的生命周期和物联网应用的响应延时变得更加智能,相关成果发表在物联网顶级期刊IEEE Internet of Things。

针对社交网络影响力最大化问题,提出基于度中心性的降序随机搜索启发式方法(DDS),并在DDS 算法的基础上提出一种新的进化算法DDSE,该进化算法把DDS 算法的思想作为一种搜索策略,使得它能够有效并高效地对解空间进行搜索,相关成果发表在计算机网络权威期刊Journal of Network and Computer Applications。

针对人类异构行为的计算机建模和信息的个性化精准推送问题,设计了基于角色的迁移排序算法,与主流推荐算法相比有较为显著的效果提升,相关成果发表在信息系统顶级期刊ACM Transactions on Information Systems。该论文是ACM TOIS自1983年创刊以来接收的第一篇以深大为第一作者和第一单位的学术论文。

课题组在今年前八个月在大数据相关研究方向发表的CCF A类论文和中科院1区论文如下:

  • [1]Xi-Zhao Wang, Ran Wang, Chen Xu. Discovering the Relationship Between Generalization and Uncertainty by Incorporating Complexity of Classification. IEEE Trans. Cybernetics, 2018, 48(2): 703-715. (IF: 8.803, 中科院1)

  • [2]Xiaojun Chen, Weijun Hong, Feiping Nie, Dan He, Min Yang and Joshua Zhexue Huang. Spectral Clustering of Large-scale Data by Directly Solving Normalized Cut.KDD 2018: 1206-1215. (CCF A).

  • [3]Xiaojun Chen, Yixiang Fang, Min Yang, Feiping Nie, Zhou Zhao and Joshua Zhexue Huang. PurTreeClust: A Clustering Algorithm for Customer Segmentation from Massive Customer Transaction Data. IEEE TKDE, 2018, 30(3): 559-572. (CCF A)

  • [4]Xiaojun Chen, Wenya Sun, Bo Wang, Zhihui Li, Xizhao Wang and Yunming Ye. Spectral Clustering of Customer Transaction Data With a Two-level Subspace Weighting Method. IEEE Transactions on Cybernetics, doi: 10.1109/TCYB.2018.2836804. (IF: 8.803, 中科院1)

  • [5]Xiaojun Chen, Guowen Yuan, Wenting Wang, Feiping Nie, Xiaojun Chang and Joshua Z. Huang. Local Adaptive Projection Framework for Feature Selection of Labeled and Unlabeled Data. IEEE TNNLS, doi: 10.1109/TNNLS.2018.2830186.(IF:7.982, 中科院1)

  • [6]Guowen Yuan, Xiaojun Chen*, Chen Wang, Feiping Nie and Liping Jing. Discriminative Supervised Feature Selection via Rescaled Least Squares Regression. AAAI 2018 (abstract, CCF A)

  • [7]Laizhong Cui, Genghui Li, Zexuan Zhu, Qiuzhen Lin, Ka-Chun Wong, Jianyong Chen, Nan Lu, Jian Lu. Adaptive multiple-elites-guided composite differential evolution algorithm with a shift mechanism. Inf. Sci. 2018, 422: 122-143. (IF: 4.305, 中科院1)

  • [8]Laizhong Cui, Huaixiong Hu, Shui Yu, Qiao Yan, Zhong Ming, Zhenkun Wen, Nan Lu. DDSE: A novel evolutionary algorithm based on degree-descending search strategy for influence maximization in social networks. J. Network and Computer Applications, 2018, 103: 119-130. (IF: 3.991, 中科院1)

  • [9]Laizhong Cui, Chong Xu, Shu Yang, Joshua Zhexue Huang, Jianqiang Li, Xizhao Wang, Zhong Ming, Nan Lu. Joint Optimization of Energy Consumption and Latency in Mobile Edge Computing for Internet of Things. IEEE Internet of Things Journal, accepted. (IF: 5.863, 中科院1)

  • [10]Weike Pan, Qiang Yang*, Wanling Cai, Yaofeng Chen, Qing Zhang, Xiaogang Peng* and Zhong Ming*. Transfer to Rank for Heterogeneous One-Class Collaborative Filtering. ACM Transactions on Information Systems (ACM TOIS), https://doi.org/10.1145/3243652. (CCF A)


深圳大学计算机与软件学院 2009-2016