研究室簡介
研究室緊扣大數據在城市智慧化過程中的重要支撐作用，結合智能技術挖掘大數據在智慧城市發展中的價值。重點研究知識圖譜與數據相結合的學習與表示技術算法；提出將結構化信息和數據結合的聯合模型，以刻畫知識圖譜內外實體的有效聯繫；基於深度建模自動填充知識圖譜中的缺失信息。研究室提出基於注意力膠囊網路的多標籤關係提取算法；探討城市大數據的多源獲取，提出多源數據的融合技術，利用遷移學習和聯邦學習對城市大數據進行挖掘和分析。
代表性成果
“智慧澳門”之深度知識圖譜平台
城市大資料與智慧感知系統 城市環境是高度異構以及環境干擾。因此，構新型的建物聯網並對城市分散、冗余，異構資料進行多媒體情景深度感知，資訊匯出與建立大規模知識（資料）關聯至為關鍵；進一步目標是建立深度知識圖譜平臺並為政府/企業提供具有快速全面資料和無歧視知識的智慧決策支援（或問答及回饋控制）系統方案。為此，計畫開展以下前瞻性的基礎科學、演算法機制與技術的研究： （1）建立智慧 ...
基於雲計算平台的安全、可驗證外包多媒體計算
隨著雲計算平台的普及，數據的加密往往在諸多數據處理之前進行，使加密域信號處理的研究受到越來越多的關注。首先從加密和壓縮兩方面同時入手，提出一種針對圖像數據的高安全性加密算法，以及配套的加密圖像壓縮算法。突破加密信號難以壓縮的瓶頸，取得與現有非加密域壓縮方法非常接近的壓縮效率。以構建實際系統的方式，論證了信息論中加密域和非加密域信號壓縮效率可做到近似一致的觀點；此外，針對很多應用 ...
時空屬性的社交媒體數據挖掘和分析
時空數據分析： 數據的時空屬性可以產生具有GPS功能的智能設備（如智能手機）或由用戶直接輸入到系統，存在大量噪音。這些噪音會嚴重影響數據分析結果的質量。為了解決這一問題，研究工作利用不同屬性對聚類結果互加強（增強）以消除噪聲的影響，從而提高了時空數據的聚類質量。另外，還根據數據的分佈特性（時空數據在空間上經常滿足高斯分佈），提出自動確定聚類個數的算法。社交媒體數據具有文本，時 ...