合肥工业大学

    1、基于普适个性化计算模式的复杂系统：

    围绕需求驱动的信息系统自动聚合、个性化信息的挖掘与分析、面向聚合系统的用户兴趣与行为建模、复杂系统安全研究等四个科学问题，构建普适个性化信息处理体系，动态优化地组织多种信息资源，为用户提供个性化和普适化的信息服务。

    2、大数据处理与增量计算：
    大数据是企业和国家的重要战略资源，使传统的机器学习与数据挖掘同时面临数据处理“量”和“质”的问题。大数据的特征包括：异构、自治的多源信息，复杂、演化的多元关系，稠密与稀疏共存，冗余与缺失并在，显式与隐式均有，大量显式与丰富隐式，动态演进与静态关联，量大与可用矛盾。面向这些大数据特征，开展大数据处理、增量计算以及误差分析的理论框架、模型和方法。

    3、普适个性化推荐理论与方法：
    普适个性化推荐是提高现代信息服务质量的核心和关键。针对已有推荐理论和方法在推荐多样性与精确性方面面临的两难困境，在社交网络群体影响力及交互作用、用户行为模式的挖掘和利用、灵活模式匹配与挖掘、基于迁移学习的多维数据交叉利用研究的基础上，面向不同的推荐场景，开展异构网络上的推荐、基于社交网络的推荐、移动社会化网络中的推荐、基于情境感知的普适个性化推荐研究。

    4、复杂系统脆弱性分析：
   推荐系统在电子商务领域有重大的经济利益驱动，推荐算法需要保持对欺诈行为和恶意攻击的鲁棒性，复杂系统需要对脆弱性进行分析。在动态环境下进行复杂系统因果关系发现，围绕复杂系统脆弱性分析模型、脆弱性发现方法及演化机制等科学问题开展研究，探索复杂系统脆弱性产生和变化的内在机理、对复杂系统脆弱性的风险和危害的有效发现和预测。

  

受资助的课题

[1] 国家973课题“社交网络群体影响力及交互作用”（2013CB329604)，2013-2017；
[2] 国家自然科学基金-海外及港澳学者合作研究基金“带有通配符和长度约束的模式匹配和挖掘”（60828005，61229301），2009-2010，2013-2016；
[3] 科技部973前期研究课题“普适个性化信息处理基础理论和方法研究”（2009CB326203），2009-2011；
[4] 国家自然科学基金“基于协同训练策略的不完全标记数据流分类问题研究”(61273292) ，2013-2016；
[5] 国家自然科学基金“动态环境下复杂系统因果关系发现与稳健性推理的研究 ”（61070131），2011-2013；
[6] 国家自然科学基金青年基金“未标记数据流中的迁移学习关键问题研究“（61305063），2014-2016；
[7] 国家自然科学基金青年基金“面向时空路网疏散的群体行为态势挖掘与演化研究“（2013M541822），2014-2016；
[8] 国家自然科学基金青年基金“恶劣天气条件下图像复原算法研究”（60705015），2008-2010；
[9] 科技部新药创制重大专项“中药新药发现、新药设计和信息平台”子课题，2008-2009；
[10] 中国博士后科学基金面上项目 “动态多模大数据的稀疏感知理论和方法”，2013-2014.
[11] 中国博士后科学基金“基于带有通配符序列模式的文本表示关键问题研究”（2013M541822）；
[12] 教育部博士点专项科研基金“一种新型概率图模型－对象概率模型研究与实现”（20050359012），2009-2011；
[13] [美国]国家科学基金（NSF)“Pattern Matching with Wildcards and Length Constraints”（CCF-0514819），2005-2008。