科研方向

1 . 复杂网络分析与挖掘

       复杂网络分析与挖掘具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。复杂网络的复杂性主要表现在:结构复杂、网络进化、连接多样性、动力学复杂性、节点多样性以及多重复杂性相融合几个方面。

       由于实物具有普遍的联系,真实世界中到处存在着网络数据,例如:电力网络、交通网络、社会网络、生物蛋白质相互作用网络、物联网等等。因此,网络数据挖掘的理论与技术研究与全社会方方面面都息息相关,具有非常广阔的应用前景,已成为国家重大科技发张规划中一个重要的组成部分。近年来,在国际上复杂网络的相关研究方兴未艾,掀起了不小的研究热潮,在国内也受到了越来越多的关注。

       本研究所将复杂网络数据挖掘作为一个重要的研究领域已经开展了近十年的研究工作。在所长林友芳教授的领导和积极推动下,已经取得了不少相关的成果,特别是在民航旅客行为数据挖掘方面开展了许多开创性的工作,并得到了业内专家的认可与好评。

       主要研究方向:

       复杂网络中的社团结构发现
       复杂网络中的的影响力分析
       复杂网络中的节点、关系分类
       复杂网络中的链接预测
       复杂网络中的统计分析与建模
       复杂网络中的人类行为分析
       社会信息网络中的数据挖掘
       交通网络数据分析与建模

2.智能技术与系统

       组合优化是工程技术、科学研究等诸多领域中经常遇到的问题,如生产计划要求在满足工艺流程和需求约束的前提下,尽量降低人力、设备、材料等成本,使得总利润最高;项目计划要求在各种流程约束和有限的资源约束的前提下,安排出计划方案,最优化求解目标,如时间最短、效益最高等;交通系统的优化中要求减少旅行时间和拥堵、增大客流量;座位分配中要求最大地满足各人的个性需求等。

       随着科学技术的发展,计算机技术、数学理论、运筹管理等领域的交叉会越来越深入,最优化理论和技术必将在社会的诸多方面起着越来越大的作用。针对绝大多数组合优化问题的NP-完全特性,我们专注于通过对各种现代优化算法和技术的深入研究,配合对应用问题特征的深入理解,设计高效的求解方法和应用系统。目前的应用行业主要是民航等交通领域和某行业的资源约束项目计划领域。

        主要研究方向:

        交通系统仿真运行控制
        现代优化理论与算法
        调度理论与应用
        智能系统行业应用

3.时间序列分析与挖掘

       真实世界中的复杂系统(如人体系统、交通系统、大气系统、社会和金融系统等)是由相互影响的内在机制控制着,表现出复杂的多组成成分、多层次结构和突现性等特点,这使得理解和刻画复杂系统变得困难。那么如何来刻画复杂系统呢?一个重要的研究角度是分析复杂系统的输出时间序列。本研究方向以时间序列分析为基础,同时结合计算机技术、统计物理学、信息论、混沌分形、信号分析技术等多个学科理论与方法,旨在通过研究时间序列来揭示复杂系统的动态演变并预测其未来行为,是一个多学科交叉研究的前沿课题。该研究目前已经广泛应用到各个领域:如生物医学、交通系统、股票市场、语言、水文等。

       该研究方向不仅致力于理论上的研究,更加关注其在实际数据的应用分析,着重于医学健康和交通领域时间序列的分析与特征提取。在医疗健康领域,致力于探索生理信号的统计特征与内在生理机理之间的联系,对健康和疾病状态进行判别,与美国哈佛大学有着良好的合作关系;在交通领域,致力于对研究交通状态的统计特征,从而预测其未来状态。

        主要研究方向:

        医学健康数据分析
        交通时间序列分析
        时间序列方法的理论研究