欢迎来到哈尔滨理工大学新闻网!
新闻网
理工要闻 当前位置: 首页 > 理工要闻 > 正文

我校计算机学院青年教师席亮副教授的科研成果在国际知名期刊IEEE Transactions on Evolutionary Computation上发表

作者:黄训华、邵明记责任编辑: 审核:来源:计算机科学与技术学院 日期时间:2021-05-24 16:09:51点击:

近日,我校计算机学院青年教师席亮副教授在IEEE Transactions on Evolutionary Computation上发表研究论文,题目为:Multi-source Neighborhood Immune Detector Adaptive Model for Anomaly Detection (第一作者,通讯作者,署名单位为哈尔滨理工大学,DOI: 10.1109/TEVC.2021.3058687, https://ieeexplore.ieee.org/document/9352964/)。IEEE Transactions on Evolutionary Computation(JCR一区Top期刊,中科院分区一区期刊,当前SCI影响因子为11.169,中国计算机学会推荐期刊人工智能方向B类期刊)主要刊登进化计算及其相关领域的高质量原创论文,包括自然启发算法、种群方法、选择和变异优化,以及基于以上方法结合的混合系统。这是我校教师首次在该期刊上发表科研成果。

人工免疫系统是人工智能和进化计算研究的重要分支之一,在许多应用领域有着广泛的应用。检测器集是核心知识集,应用效果主要取决于检测器的生成、进化和检测。目前,人工免疫的问题空间(形态空间)主要使用实值表示。但实值检测器存在生成收敛速度慢、非自域黑洞、检测器重叠冗余、维数灾难等问题。而且,异常检测是一种动态的自适应模型,需要随着检测环境的变化进行自适应进化。如果没有更好的自适应建模,以上问题会变得更糟。为此,席亮副教授提出了一种邻域形态空间的多源免疫检测器自适应模型,并将其应用于异常检测:基于随机、混沌映射和DNA遗传算法,提出多源邻域免疫检测器生成算法和邻域免疫异常检测算法,引入生物免疫自适应和反馈机制,建立多源邻域免疫检测器自适应模型,使检测器在更有针对性的搜索域中自适应进化,并实时地保持更好的问题空间分布,从而有效解决了动态环境下上述实值形态空间存在的各种问题,提高了整体的检测性能和稳定性。该研究成果重新定义了问题表示方法和动态建模方法,为提高相关人工智能及进化计算方法的实际应用效果提供了新思路。该工作得到了国家自然科学基金、黑龙江省自然科学基金等项目的支持。

席亮副教授自2012年博士毕业留校工作以来,一直从事人工智能及应用、网络与信息安全、机器学习等领域的研究工作,参与或主持国家级、省级科研项目多项,近三年相继在Neural Computing and Applications、Journal of Intelligent & Fuzzy Systems、计算机学报、软件学报、计算机研究与发展、电子学报、控制与决策等学校认定的国内外A类期刊上发表论文,另外授权发明专利2项,软件著作权多项。在2019年-2020年访学美国University of Texas at Dallas期间,席亮副教授克服疫情带来的种种困难坚持与美方开展科研合作,并在5G、CPS等多个研究领域有所建树,成果也投稿在相关顶级国际期刊中,目前在外审中。在从事自己的科研同时,席亮副教授兢兢业业培养研究生,其指导的毕业生都有学校认定的A类论文的发表,毕业后或就职于IT高新企业,或读博继续深造。每谈起此事,他都是喜悦之情溢于言表。凭借扎实的科研能力和良好的科研团队支撑,相信席亮副教授会取得更加优秀的成绩,为学校建设贡献自己的力量。

相关文章
    读取内容中,请等待...
热点