浙江工业大学计算机学院沈国江、郑建炜报告

2016年04月20日 19:53 孔祥杰 点击:[] 网络工程系

时间:4月22日星期五9点30

地点:综合楼五楼第一会议室

报告人:沈国江(教授、博导、浙江工业大学计算机、软件学院副院长)

        郑建炜(副教授,浙江工业大学智能系统研究所副所长)


欢迎各位师生参加交流!


报告简介:

1. 数据驱动的城市交通信号控制关键技术及应用


【摘要】大规模交通数据的获取、有效分析,以及信息传输与处理技术的发展,为交通信号控制技术的突破提供了支撑工具。针对目前城市交叉口运行现状和信号控制手段,提出了依托大数据的信号控制方法。尤其是针对城市过饱和交通的排队蔓延、溢出和死锁等问题,提出基于排队长度的城市交通信号数据驱动控制方法。同时介绍浙江工业大学计算机学院和智能系统研究所的总体科研工作,重点介绍智能交通研究团队在研究生培养、研究方向凝练,产学研合作等方面的工作。最后介绍团队在智能交通领域的标志性成果及其推广应用情况。


沈国江 博士、教授、博导

中国自动化学会综合智能交通专业委员会委员

浙江省智能交通创新团队专家组专家

浙江工业大学计算机学院副院长

博士毕业于浙江大学控制科学与技术学院,现为浙江工业大学计算机学院教师,从事智能控制技术、智能交通系统和大数据处理技术研究。主持国家自然科学基金项目2项,863计划项目1项,中央高校基本科研业务费专项项目1项,以及其他省部级项目5项。发表论文SCI/EI期刊论文30多篇,获得专利10多项。研究成果“城市交通干线双向绿波带智能协调控制技术”和“具有公交优先的路网协调控制技术”在国内多个城市进行了推广应用,取得了重大的社会经济效益。



2. 基于自适应权值学习的迭代重约束组稀疏分类算法


【摘要】噪声干扰下的图像分类问题是大数据时代一个极具挑战性的课题。基于稀疏表示的分类方法是该领域的前沿方法之一,其主要特点是利用数据的先验结构对误差和系数建模,具有极大的灵活性和天然的鉴别性;然而,在实际非受控环境下,其性能往往因噪声类型的不同而有很大差别。提出特征自学习的鲁棒非凸非光滑稀疏表示分类框架:兼顾样本间空间分布结构和特征本身的差异性结构,使算法兼具保局性和抗噪性;将特征权值引入目标代价函数,针对混合噪声自适应选取误差度量算子;探讨各种非凸非光滑函数,将其作为表示系数的先验约束,提升算法的稀疏性和鲁棒性;提出迭代重约束梯度法进行模型优化,混合求解特征权值和表示系数,具有快速收敛性且能广泛地应用于各类凸或非凸优化问题。该研究能广泛地应用于视频目标跟踪、有遮挡的人脸识别、超光谱图像分类等热点领域。


郑建炜 博士、副教授、硕导

浙江工业大学智能系统研究所副所长

博士毕业于浙江工业大学信息学院,2010年留校任计算机学院专职教师,从事数据分析、机器学习算法研究。在研国家自然科学基金项目1项,主持浙江省自然科学基金项目2项,其中1项结题(成绩优秀),1项在研。第一作者发表SCI/EI期刊论文约20篇,获得国家发明专利10多项,实用新型专利1项,软件著作权11项。

上一条:(转)2016年春季学期第五期“名师面对面”活动(面向教师) 下一条:数据科学与数字信息服务科研团队海天学者学术讲座

关闭