• 实验室承办武汉大学博士生学术论坛

2016-11-11 08:30:00

             武汉大学博士生学术论坛

   为更好地促进湖北地区计算机学科领域的创新和发展,以及各院校之间的学习和交流,中国计算机学会武汉分部将于2016年11月11日至2016年11月13日在武汉大学举行首届计算机创新论坛,此次创新论坛由CCF武汉分部主席彭智勇教授领导的TOTEM实验室承办。会议期间分部邀请计算机领域的知名专家和学者进行学术报告,并指导博士研究生开展学术研究。同时本届创新论坛邀请湖北地区各高校计算机领域研究工作突出的博士研究生参会,汇报研究工作和研究成果。会议期间评定一等奖2人,二等奖5人,并授予中国计算机学会武汉分部优秀博士生称号。

会议时间:11月11日-11月13日

会议地点:11月12日武汉大学计算机学院B403

大会对象:所有CCF会员免费参加,本次活动不收注册费,非CCF会员可现场入会参加。

CCF武汉分部将赠送一年CCF学生会员资格给博士生论坛报告者

会议安排: 

日期

时间

日程

11月11日

全天

报到注册(邮件报道即可,报道邮箱sw_cyt@126.com,请注明单位,姓名)联系人:宋伟老师 18986211578

11月12日

8:30-8:40

大会开幕式,

主持人:武汉分部秘书长 武汉大学 吴黎兵教授

武汉分部主席 武汉大学 彭智勇教授 致开幕辞

08:40-09:45

特邀报告 清华大学 李国良教授

 “做研究的一点体会:像玩电子游戏一样做研究”

09:50-12:10

博士生论坛1:

张咏珊 中国地质大学(武汉)

黄小童 武汉科技大学

简芳洪 华中师范大学

Dahou Abdelghani 武汉理工大学

袁斌 华中科技大学

齐富民 武汉大学

14:00-16:30

博士生论坛2:

海军工程大学 张献

姜宇虹 中国地质大学(武汉)

于笑寒 武汉理工大学

穆楠 武汉科技大学

马园园 华中师范大学

李珍 华中科技大学

李延斌 武汉大学

16:30-17:30

特邀报告 武汉大学 何炎祥教授

 “IT发展与创新人才培养”

17:30-17:45

论坛闭幕式&颁奖

11月13日

09:00-11:00

武汉分部咖啡屋博士生交流活动

(武汉大学计算机学院B403)

参会地图: 

特邀专家

报告题目:做研究的一点体会:像玩电子游戏一样做研究 

报告人:李国良 副教授,清华大学 

个人简介:李国良,清华大学计算机系副教授。主要研究方向为数据库,群体计算,海量数据挖掘、分析与检索。在数据库、数据挖掘、信息检索领域的顶级会议和期刊上发表论文80余篇,他引3200余次,入选爱思唯尔2014、2015年中国高被引学者榜单。主持国家优秀青年基金、青年973、自然基金重点等项目。获得了IEEE TCDE Early Career Award(IEEE 数据工程领域杰出新人奖)、计算机学会青年科学家奖、教育部新世纪优秀人才等奖项。担任IEEE TKDE编委,FCS编委,Elsevier Big Data Research编委,多次担任SIGMOD、VLDB、KDD、ICDE等会议的程序委员会委员。获得过数据库领域重要国际会议DASFAA’14的最佳论文提名奖,APWeb’14最佳论文奖,EDBT’13大数据比赛冠军。获教育部自然科学奖二等奖(2013年,第四完成人)、计算机学会自然科学奖二等奖(2013年,第一完成人)。

 

 

报告题目:IT发展与创新人才培养 

报告人:何炎祥 教授,武汉大学 

个人简介:何炎祥,博士、二级教授、博士生导师,国家教学名师,享受国务院政府特殊津贴。原武汉大学计算机学院院长。美国Oregon大学计算机及信息科学系硕士,武汉大学计算机科学系博士。主要研究方向为:分布并行处理、可信软件、软件工程等。主持和主要承担包括863、国家自然科学基金“可信软件基础研究”重大研究计划、国家自然科学基金面上、省市科技攻关项目等40余项项目,发表论文200多篇,出版著作和教材15本。获包括国家教学成果一等奖、湖北省科技进步一等奖在内的省部级科技成果和教学成果奖多项,并获宝钢优秀教师特等奖、湖北省青少年科技教育工作先进个人、湖北省优秀研究生导师等。曾任武汉大学校长助理,软件工程国家重点实验室主任,CCF常务理事,CCF武汉分部首任主席等。现兼任国家教育部科技委信息学部委员,全国高校计算机教育研究会副理事长,中国计算机学会教育专委会主任,《计算机研究与发展》、《计算机科学与探索》、《Intelligent Control and Automation》等杂志编委,中山大学、广东外语外贸大学、江西财经大学等兼职教授。

 

博士生论坛报告人介绍

报告人:张咏珊 博士生,中国地质大学(武汉) 

报告题目:Memetic Extreme Learning Machine

报告摘要:Extreme Learning Machine (ELM) is a promising model for training single-hidden layer feedforward networks (SLFNs) and has been widely used for classification. However, ELM faces the challenge of arbitrarily selected parameters, e.g., the network weights and hidden biases. Therefore, many efforts have been made to enhance the performance of ELM, such as using evolutionary algorithms to explore promising areas of the solution space. Although evolutionary algorithms can explore promising areas of the solution space, they are not able to locate global optimum efficiently. In this paper, we present a new Memetic Algorithm (MA)-based Extreme Learning Machine (M-ELM for short). M-ELM embeds the local search strategy into the global optimization framework to obtain optimal network parameters. Experiments and comparisons on 46 UCI data sets validate the performance of M-ELM. The corresponding results demonstrate that M-ELM significantly outperforms state-of-the-art ELM algorithms. 


报告人:黄小童 博士生,武汉科技大学 

报告题目:PATH VS. DESTINATION: A CASE STUDY OF BLIND NOISE ASSESSMENT USING MODIFIED ANT SHORTEST PATH

报告摘要:Blind noisy assessment aims to evaluate the quality of the degraded noisy image/video without the need for the ground-truth image. To tackle this challenge, this paper proposes a new blind noise assessment approach based on the path information of the ants’ movement. The proposed modified ant shortest path (MASP) algorithm uses the path information of the ant colony optimization (ACO). The contribution of the proposed approach is two-fold. First, the proposed approach utilizes a number of artificial ants to move on a 2-D graph for constructing the path information, and calculates the ants’ movement path driven by the shortest path strategy. Second, several path statistics metrics are proposed to evaluate the image quality. Experimental results are provided to demonstrate that the proposed image quality assessment approach is effective for both benchmark image database and real-world noisy video.

 

报告人:简芳洪 博士生,华中师范大学 

报告题目:A Simple Enhancement for Ad-hoc Information Retrieval via Topic Modelling

报告摘要:Traditional information retrieval (IR) models, in which a document is normally represented as a bag of words and their frequencies, capture the term-level and document-level information. Topic models, on the other hand, discover semantic topic-based information among words. In this paper, we consider term-based information and semantic information as two features of query terms and propose a simple enhancement for ad-hoc IR via topic modeling. In particular, three topic-based hybrid models, LDA-BM25, LDA-MATF and LDA-LM, are proposed. A series of experiments on eight standard datasets show that our proposed models can always outperform significantly the corresponding strong baselines over all datasets in terms of MAP and most of datasets in terms of P@5 and P@20. A direct comparison on eight standard datasets also indicates our proposed models are at least comparable to the state-of-the-art approaches.

 

报告人:Dahou Abdelghani  博士生,武汉理工大学 

报告题目:Word Embeddings and Convolutional Neural Network for Arabic Sentiment Classification 

报告摘要:With the development and the advancement of social networks, forums, blogs and online sales, a growing number of Arabs are expressing their opinions on the web. In this paper, a scheme of Arabic sentiment classification, which evaluates and detects the sentiment polarity from Arabic reviews and Arabic social media, is studied. We investigated in several architectures to build a quality neural word embeddings using a 3.4 billion words corpus from a collected 10 billion words web-crawled corpus. Moreover, a convolutional neural network trained on top of pre-trained Arabic word embeddings is used for sentiment classification to evaluate the quality of these word embeddings. The simulation results show that the proposed scheme outperforms the existed methods on 4 out of 5 balanced and unbalanced datasets.

 

报告人:袁斌 博士生,华中科技大学 

报告题目:软件定义网络中流表溢出攻击的抵御 

报告摘要:软件定义网络具有集中控制、全网视野、强灵活性、高可编程性等特点。一方面,软件定义网络技术因其在网络管理方面的极大便利而在全球范围了得到了快速发展,尤其被应用于数据中心;另一方面,软件定义网络越来越多的应用使其成为了网络攻击的又一新目标。软件定义网络特有的控制转发分离和转发设备功能简单等特性使得新型攻击成为可能。本文主要研究软件定义网络中特有一种(分布式)拒绝服务攻击,流表溢出攻击,的防御手段。该攻击通过消耗交换机流表空间来剧烈降低交换机的性能,最终达到破坏网络服务的目的。本文提出一种“peer-support”的策略,利用全网的空闲流表资源以缓解攻击。实验结果表明“peer-support”策略能有效整合全网空闲流表资源,高效提升网络的抗流表溢出攻击能力。

 

报告人:齐富民 博士生,武汉大学 

报告题目:软件工作量估计中的数据处理技术 ——数据隐私化&缺失数据补全 

报告摘要:准确的工作量估计是软件开发过程中关键的步骤,现阶段完整、足量的软件工作量评估数据是软件工作量估计建模技术取得成功的两大基石。数据隐私化技术为软件数据的共享提供了隐私上的保障;缺失数据补全为残缺地软件工程数据利用提供了可能。本报告将主要介绍本人关于这两方面的研究成果,包括数据隐私化过程中的类别转换和数据混淆机制,软件缺失数据补全场景以及数据结构化重构等相关工作。

 

报告人:张献 博士生,海军工程大学 

报告题目:基于实时仿真平台的嵌入式软件测试方法与实践 

报告摘要: 嵌入式软件在军事和民用领域中的应用愈加广泛,其质量备受人们的关注。针对强实时复杂系统软件测试,搭建了基于RT-LAB实时仿真器平台的测试环境,设计了被测件外围环境的动态仿真模型。利用该环境在实时信号产生、实时闭环控制和被测件运行环境模拟等方面的优越性,对软件进行功能验证及系统级测试。通过C/Python程序调用RT-LAB提供的API与仿真模型交互,增强测试用例实时性,实现测试过程自动化。针对强实时嵌入式软件接口测试,设计了一种基于FPGA+DSP芯片架构的实时信号采集方法,用于微秒级快速变化信号的接口测试及相关功能验证,避免因插桩带来的代码膨胀及程序实时性下降问题。

 

报告人:姜宇虹 博士生,中国地质大学(武汉)

报告题目:基于演化算法的天线优化以及昂贵问题优化   

报告摘要:The frequency band of antenna ranges from 0.75GHz to 3GHz. The geometric structure refers to volcano smoke antenna, which contains a teardrop as the radiating element and a curved ground plane. Curves in structure are determined by cubic spline interpolation function. The antenna design problem is converted into a constrained optimization problem (COP), which is solved by DE next. Some optimized antennas are found, and one of them is presented in this paper. The measured result basically meets the antenna requirement, which means ceiling antenna proposed in this article could work for 2G, 3G and 4G LTE bands and also for WiFi frequency bands theoretically. For such this complex shaped three-dimensional antenna, we choose 3D printing to fabricate.

 

报告人:于笑寒 博士生,武汉理工大学 

报告题目:Multiscale Crossing Representation Using Combined Feature of Contour and Venation for Leaf Image Identification 

报告摘要:Plants, as the most significant part in the world, have attracted attention from an increasing number of experts in biology and computer vision areas. However, it is still a challenging job to identify plants accurately even for biologists and botanists due to the morphological variations which can be reflected by large intra-class difference and inter-class similarity. In this report, a novel method will be introduced for plant identification using a multiscale crossing representation of leaf contour and venation. By extracting the combined features in multiple scale, the proposed method is capable of representing features from global to local regions with mirror, scale, translation and rotation invariance. Three leaf datasets are adopted in the experiments to evaluate the performance of the proposed method. Comparative experimental results show that the proposed method can achieve consistently higher or similar recognition accuracy than the state-of-the-art methods among these leaf datasets, which may indicate a new solution to the leaf identification problem.

 

报告人:穆楠 博士生,武汉科技大学 

报告题目:基于协方差描述符的卷积神经网络模型对低对比度图片的显著性检测 

报告摘要:图像的显著性检测在计算机视觉领域占据重要的地位,这些应用领域均通过显著对象检测来找到人类对于图像场景的主要关注对象。目前国内外的大部分视觉显著性研究都集中在可见光领域,对低对比场景的研究比较少。由于光照条件不足,对比度和信噪比相对比较低,使得可用视觉特征的有效性大幅度降低,因此对低对比场景显著目标的检测也是当前视觉领域研究的难点和重点。本研究主要针对低对比度图像进行显著性检测,利用基于协方差描述符的卷积神经网络模型来进行图像显著性的计算,构建出了可以描述超像素块显著值的CNN模型,该研究也对安全监控、智能信号灯、复杂环境目标定位等热点问题提供了新的思路。

 

 

报告人:马园园 博士生,华中师范大学 

报告题目:Hessian regularization based symmetric nonnegative matrix factorization for clustering gene expression and microbiome data

报告摘要:Nonnegative matrix factorization (NMF) has received considerable attention due to its interpretation of observed samples as combinations of different components, and has been successfully used as a clustering method. As an extension of MF, Symmetric NMF (SNMF) inherits the advantages of NMF. Unlike NMF, however, SNMF takes a nonnegative similarity matrix as an input, and two lower rank nonnegative matrices (H, HT) are computed as an output to approximate the original similarity matrix. Laplacian regularization has improved the clustering performance of NMF and SNMF. However, Laplacian regularization (LR), as a classic manifold regularization method, suffers some problems because of its weak extrapolating ability. In this paper, we propose a novel variant of SNMF, called Hessian regularization based symmetric nonnegative matrix factorization (HSNMF), for this purpose. In contrast to Laplacian regularization, Hessian regularization fits the data perfectly and extrapolates nicely to unseen data. We conduct extensive experiments on several datasets including text data, gene expression data and HMP (Human Microbiome Project) data. The results show that the proposed method outperforms other methods, which suggests the potential application of HSNMF in biological data clustering.

 

报告人:李珍 博士生,华中科技大学 

报告题目:VulPecker:一个基于代码相似性分析的漏洞检测系统 

报告摘要:软件漏洞是很多攻击发生的根源。当一个漏洞发布后,即使能够迅速地修补,问题也远比看起来复杂得多。一个原因是相同的漏洞可能存在于多个软件副本中,在实际中很难跟踪。因此迫切需要能够在软件中自动、有效地检测给定漏洞的工具。本报告简要介绍一个自动检测软件源码中是否含有给定漏洞的系统VulPecker,该系统主要利用了以下两点:(i)定义的一个标识补丁的特征集合;(ii)目前为各种应用提出的代码相似性算法,而这些算法都无法对所有类型的漏洞有效。实验表明VulPecker在NVD中检测出未公布的40个漏洞,其中18个未知漏洞等待厂商确认,22个漏洞在相关软件的后续发布版本中默默地进行了修补。

 

报告人:李延斌 博士生,武汉大学 

报告题目:加密算法及其设计实现抗侧信道安全性研究 

报告摘要:侧信道分析对密码芯片及系统已构成实际威胁,侧信道对抗方法称为研究热点,其中,加密算法抗侧信道安全性及其设计实现抗侧信道安全性是侧信道对抗方法研究的关键问题。本报告针对这一关键问题,从算法级和实现级两个层面介绍主要工作。在算法级提出一种衡量加密算法抗侧信道攻击的安全性指标,并研究这一指标与密码学指标之间的关系;实现级研究可证明安全掩码方案在实现级的安全性,研究针对硬件实现的安全性检测方法,对芯片设计者的安全性设计具有指导意义,减少开发成本。

版权所有:武汉大学TOTEM开发家园   TEL:027-68775780  
地址:湖北省武汉市武昌区珞珈山    邮编:430072    联系邮箱:totemdb@126.com