正规的外围买球平台有哪些

学术讲座

首页 > 通知动态  > 学术讲座
2020年12月2日学术报告3则(商烁教授、陈力思教授 电子科技大学;王皓教授 南京信息工程大学)
2020/11/30 10:14:40 人评论

报告题目1面向千万以上数据量级的并行轨迹相似性连接

报告时间:2020122日(周14:30

报告地点:正规的外围买球平台B403会议室

报告人:商烁

报告人单位:电子科技大学

报告人简介: 

商烁,电子科技大学教授、博士生导师,国家青年特聘专家、四川省特聘专家、北京市科技新星、北京市优秀人才。曾任阿联酋人工智能研究院资深科学家、数据挖掘研究主任。中国计算机学会数据库专委会委员,中国地理信息产业协会理论与方法委员会委员,教育部-中移动联合实验室评审专家组成员。本科毕业于北京大学,博士毕业于澳大利亚昆士兰大学。研究方向包括大数据、人工智能、智能时空计算、智能舆情分析、社会计算等。在相关领域发表论文80余篇,含 CCF A 类论文40余篇,ESI高被引/热点论文2篇,所发表SCI论文影响因子之和大于100SCI引用1000余次,谷歌学术引用2000余次,单篇最高引用300余次。获WISE 2017唯一最佳论文奖。担任7个国际SCI期刊主管客座编委,长期担任CCF A类会议SIGMODVLDBICDEKDDAAAIIJCAI程序委员会委员,长期担任CCF A类期刊ACM TODSACM TOISVLDB Journal, IEEE TKDE的特邀评审专家。主持国家自然科学基金重点项目1项(智能舆情分析)、重点项目课题2项(大图数据管理、内存系统结构)

报告摘要 

The matching of similar pairs of objects, called similarity join, is fundamental functionality in data management. We consider the case of trajectory similarity join (TS-Join), where the objects are trajectories of vehicles moving in road networks. Thus, given two sets of trajectories and a threshold θ, the TS-Join returns all pairs of trajectories from the two sets with similarity above θ. This join targets applications such as trajectory near-duplicate detection, data cleaning, ridesharing recommendation, and traffic congestion prediction.

With these applications in mind, we provide a purposeful definition of similarity. To enable efficient TS-Join processing on large sets of trajectories, we develop search space pruning techniques and take into account the parallel processing capabilities of modern processors. Specifically, we present a two-phase divide- and-conquer algorithm. For each trajectory, the algorithm first finds similar trajectories. Then it merges the results to achieve a final result. The algorithm exploits an upper bound on the spatiotemporal similarity and a heuristic scheduling strategy for search space pruning. The algorithm’s per-trajectory searches are independent of each other and can be performed in parallel, and the merging has constant cost. An empirical study with real data offers insight in the performance of the algorithm and demonstrates that is capable of outperforming a well-designed baseline algorithm by an order of magnitude.

 

报告题目2时空大数据流的实时查询与分析

报告时间:2020122日(周15:30

报告地点:正规的外围买球平台B403会议室

报告人:陈力思

报告人单位:电子科技大学

报告人简介: 

陈力思,电子科技大学教授、博导,国家青年特聘专家。本科毕业于哈尔滨工业大学,博士毕业于新加坡南洋理工大学。曾任香港浸会大学Assistant Professor,澳大利亚伍伦贡大学Lecturer,阿联酋人工智能研究院Senior Scientist。研究方向包括大数据管理与分析、城市及社会计算。发表CCF A类论文30余篇,Google Scholar引用1500余次。

报告摘要 

随着社交网络应用的飞速发展和可穿戴智能移动设备的普及,时空数据的体量在近年快速增长。其中,时空文本数据和时空轨迹数据是时空数据中最普遍、应用最广泛的两种数据类型。如何有效的存储、索引、分析这两类数据是数据分析和数据挖掘领域的重要问题,其结果可应用于行程规划、交通流量预测、区域舆论分析、突发事件监测等方面,进而优化交通资源配置、加深用户对时空数据的语义理解。该报告首先介绍时空文本数据和时空轨迹数据的定义和研究现状,随后介绍基于发布-订阅模型的时空文本大数据流的实时分析算法、时空轨迹大数据搜索与拼接算法、基于时空轨迹数据的路径规划。

 

报告题目3基于逐对偏好比较的众包top-k查询处理

报告时间:2020122日(周16:30

报告地点:正规的外围买球平台B403会议室

报告人:王皓

报告人单位:南京信息工程大学

报告人简介: 

王皓,南京信息工程大学教授。本科硕士毕业于南京大学,博士毕业于香港大学。曾任阿联酋人工智能研究院Scientist和人工智能授课团讲师。研究方向包括大数据、强化学习、社会计算等。发表论文40余篇,含CCF A类论文10余篇,Google Scholar引用500余次。

报告摘要 

众包作为一种新型计算模式,能够有效利用人类智能来处理对机器而言富挑战的计算任务,其基本思想是将复杂问题分解为一系列简单的“任务”,由具备一定常识或技能的人群来加以解决,花费一定的经济代价。报告着重讨论基于逐对比较的众包top-k查询处理,以求在确保两两比较结果具备较高置信度的前提下最小化经济代价。报告将介绍众包top-k查询处理的研究现状,并介绍一种新颖的查询处理框架SPR及其扩展版本SPR+,在不同的应用场景中对众包top-k查询进行有效处理。报告将展现SPRSPR+在多个实验数据集上的性能。

 

邀请人:彭智勇 教授、 杜博 教授


 

 


copyright © 2008-2018 www.beetle-password.com All Rights Reserved.