移动与社会计算研究小组
移动与社会计算研究小组


移动与社会计算研究小组隶属于北京航空航天大学计算机学院。 研究小组把计算机技术与社会学、数学、物理学、通信技术和生物学相结合,进行跨学科研究。研究小组的主要研究方向是移动计算、社会与信息网络分析、复杂网络、机器学习、图像处理、数据挖掘、压缩感知等,重点关注深度学习用于各个领域(如医疗诊断、智能电网、交通网络、金融投资、图像识别、航空管理等),以及复杂网络、移动手持设备与社会与信息网络相交叉的研究领域(网络社区结构发现及其演化、信息和行为的网络传播模型)等。

(一)移动计算:

研究小组具有丰富的手机项目研发经验。 研究小组开发的"基于智能手机的移动流媒体系统",获得"Nokia 2005年智能移动应用挑战杯"金奖。 2003年起开展基于Symbian平台的手机软件的研发,2008年起开展基于iOS平台的手机软件研发, 2009年开展基于Android平台的手机软件研发。在移动计算领域,重点研究方向为:移动自组网、传感器网络、物联网、室内定位技术、基于无线网络的视频压缩与可靠性传输技术、基于压缩感知的通信及图像处理技术、跌倒检测技术等 。

(二)社会计算:

主要研究社会网络社区发现、网络演化、信息和行为传播、保持社区结构的采样算法等。在社区发现方面,研究小组对经典社区发现算法进行分析并提出新的算法。在网络演化方面,研究小组主要关注网络中节点行为的评估、连通分量的结构演化规律,提出网络演化模型。在信息和行为传播方面。分析网络中信息和行为传播范围、影响力等,并进一步提出信息及行为传播模型。研究小组结合需求,还研究了主题式爬虫、情感分析和多文档文摘技术,实现领域分析报告的自动生成。结合社会网络,研究了推荐系统的托攻击防护技术。此外,研究小组还结合复杂网络对小麦病理研究开展了生物信息学方面的研究工作。

(三)机器学习:

基于机器学习尤其是深度学习技术,结合具体的应用需求展开研究。结合医学需求,研究基于卷积神经网络与异构特征学习的骨龄自动评测技术、基于异构特征融合的深度恶性肺结节智能诊断方法和眼部疾病检测。为了进行目标识别,结合对抗网络,基于迁移学习和生成对抗网络进行图像的超分辨率重建。结合交通领域需求,利用3D卷积神经网络进行交通标志识别。在隐私保护方面,基于对抗样本技术,对图像隐私部分进行加密处理。在金融领域,结合机器学习方法进行纸币的新旧分级算法研究,并用于清分机,还将深度学习技术用于股票指数分析和股票推荐。在航空管理方面,预测飞机重着陆和提供飞行安全保障等研究。此外,在智能电网领域利用深度学习技术进行电量使用率的预测。