当前位置》首页》科研方向

科研方向

数据挖掘及其在电子商务中的应用

数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的原始数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用信息和知识的过程。电子商务的飞速发展促使电子商务企业积累了大量数据,且迫切需要将这些数据转化成有用的知识,为企业创造更多的效益。数据挖掘在电子商务领域已得到广泛应用,取得了良好的效果。近年来,社会网络的兴起为数据挖掘技术本身及其在电子商务领域的进一步应用提供了诸多机遇和挑战,本研究方向正是在数据挖掘、电子商务应用和社会网络分析三者交叉点上展开,目前感兴趣的领域包含以下几个方面:

1. 数据挖掘技术:研究一些数据挖掘领域的基础理论和技术,包括聚类分析、兴趣模式挖掘等;

2. 推荐系统:研究推荐算法和推荐系统健壮性方面的问题,包括针对实际需求的推荐方法、托攻击模型和检测等;

3. 社会网络分析:研究朋友网络、微博等形式的社会网络分析技术及其在电子商务上的应用,包括社区抽取、社区演化等。

作为实验室的主力研究领域,本方向具有雄厚的科研力量和完善的科研条件。承担国家科技支撑计划、国家自然科学基金、国家国际科技合作项目、省属高校自然科学研究重大项目和江苏省自然基金等多项课题。发表包括TSMCB、SIGKDD、KAIS、WWWJ、Signal Processing、RecSys、《电子学报》、《计算机学报》在内的论文数十篇。与国内外高校有着广泛的合作研究,包括澳大利亚维多利亚大学、悉尼科技大学、北京航空航天大学、南京大学、中国科学院等。

物联网关键技术及其应用

物联网(Internet of Thing)日益广泛的用于各个领域,例如智能电网、智能交通、环境监控、溯源追踪、安全质量控制等。本实验室立足于农业、运输等具体需求,研究相应的物联网架构,在传感器集成、数据挖掘、可视化以及云计算平台方面展开研究,目前感兴趣的领域包含以下几个方面:

1. 物联网传感器集成及其通信技术:利用集成电路技术,将视频、语音、环境监控、北斗定位导航等多种传感器进行集成,并研究其相互通信技术包括RFID、GSM、ZigBee,通过对无线通信相关协议的分析,保障数据的可靠与安全。

2. 时空语义数据挖掘:研究轨迹数据、时序数据、视频数据的特征,并利用聚类、本体等手段实现对物联网运行过程中产生的数据进行有效的分析,将其应用于异常检测、溯源分析等方面;

3. 三维可视化算法:主要研究基于HTML5的三维模型在线可视化,利用综合简化技术降低模型复杂度提高显示效率,研究多细节层出模型并通过视觉评价算法计算综合简化后模型与原模型之间的相似度。

4. 系统集成于应用:包括实时环境监测系统,商品质量溯源,云计算信息集成平台搭建。

作为实验室的主力研究领域,本方向具有较高的科研水平和较为完善的科研条件。承担国家科技支撑计划、国家自然科学基金、国家国际科技合作项目、省属高校自然科学研究重大项目和江苏省自然基金等多项课题。发表包括ISPRS J、CEUS、《系统与仿真学报》等在内的论文数十篇。与国内外高校有着广泛的合作研究,包括德国海德堡大学、瑞典皇家工学院、瑞典隆德大学、美国亚利桑那州立大学、中科院地理所、武汉大学、南京师范大学等。

福建路校区:南京市鼓楼区铁路北街128号A楼3F 版权所有:南京财经大学电子商务重点实验室
苏ICP备05007114号 CopyRight © 2001-2013 All Rights Reserved. 用户登录