学术信息网 西电导航 关于 使用说明 搜索 系统首页 登录 控制面板 收藏 公茂果的留言板
研究课题

通过分析、模拟人脑的认知机理和自然系统的智能行为和机制,构造相应的学习与优化模型,借助先进的计算工具实现高效的计算智能方法,并用于解决实际工程问题,一直是人工智能研究的重要途径。美国普林斯顿高等研究院、卡耐基梅隆大学等机构的研究人员2011年发表在《Science》的论文指出,从生物启发的角度可以建立简单、高效的算法。IBM的研究人员发表在《Science》的论文认为,通过模拟生物可以建立非常高效的计算机算法。

特别是近年来网络、遥感、医疗、生物等大数据的处理给计算机科学带来了很多挑战。一些陆续在主流刊物发表的研究成果表明,以深度神经网络和演化计算为代表的计算智能方法可以为大数据处理提供有效的途径。

利用计算智能方法高效求解大数据分析中的学习与优化问题是OMEGA的主要研究目标。OMEGA团队从建立鲁棒的计算智能模型入手,进一步提出了高效的大规模优化和多目标优化方法,并用于网络大数据分析中的关键问题

近年来,随着雷达、红外、光电等各种传感器的综合使用,遥感数据的规模、维度和复杂性都快速增长。在遥感数据中,包含空间和时间信息的空时影像数据是主要的数据类型。空时影像数据的海量、高维、非结构化特点给遥感知识的提取与应用带来了挑战。特别是多种传感器获得的空时影像具有不同的结构和特点。如合成孔径雷达(SAR)影像中存在固有的相干斑、光学影像中含有大量的云雾遮挡、高光谱影像中存在混合像元现象等。这些不同的特点使得多源空时影像的联合解译存在更大的难度。人们花费巨大代价通过多种星载/机载传感器获取的海量空时影像如何有效利用既是提高遥感综合应用能力的关键问题,也给信息科学领域带来了难题与挑战。多时相、多源空时影像联合解译的困难,与用户对遥感知识的迫切需求之间形成了突出矛盾。其瓶颈之一是如何高效求解空时影像联合解译中的学习与优化问题。如何借鉴人脑的认知机理,发展面向海量、多时相、多源空时影像解译的计算智能模型与算法,为空时影像的联合解译与综合应用提供高效方法,是OMEGA团队当前研究的主要科学问题

在国家高层次人才特殊支持计划、国家重点研发计划、国家自然科学基金、陕西省重点研究计划等项目的支持下,OMEGA团队目前主要进行以下课题的研究:

  • 计算智能基础理论与方法(进化优化与学习、深度神经网络学习、模糊推理与决策)
  • 基于计算智能的网络大数据分析(网络结构分析、隐私保护与取证)
  • 基于计算智能的雷达与遥感影像深度解译(特征学习、配准、变化检测与分析)
  • 数据挖掘与图像理解中的其它关键问题