计算机学科

计算机科学与技术学位授权点基本情况

1.学科发展历程

2.学科定位

以习近平新时代中国特色社会主义思想为引领，全面贯彻党的教育方针，落实立德树人根本任务,紧紧围绕学校“双一流”建设任务，面向国家特别是京津冀区域IT产业发展和雄安新区建设的重大战略需求，聚焦人工智能和数据科学研究和工程应用领域的前沿问题，着力于大数据计算、人工智能的理论、方法、技术、产品和工程研究，依托物联网积极拓展智能制造、智能控制应用领域，深入研究云计算模式下软件工程和软件理论，发挥河北省大数据计算重点实验室、天津市车联网工程技术中心和天津市虚拟现实与可视计算国际联合研究中心的平台优势，培育一支结构合理、富有创新意识的教师队伍，全面提升人才培养质量，不断提升学科的科技创新能力，突破基础设施、生命健康和工业4.0等领域人工智能、大数据工程应用中的关键共性技术，研究探索互联网+的创新模式，为京津冀区域经济社会发展、雄安建设提供有力的技术支撑和智力支持，把学科建设成为应用特色突出、区域和领域服务效果显著的国内外有一定影响的学科。

3.培养目标

面向行业和领域需求，以人工智能、大数据的理论、方法、技术以及产品研究和社会服务为平台，掌握坚实的计算机科学与技术基础理论和系统的专门知识，有较强把握学科发展现状、前沿趋势的能力；能够灵活运用学科的方法、技术与工具从事人工智能、大数据处理以及相关领域的基础研究、应用研究、关键技术创新与系统设计、开发以及管理工作；具有团队合作能力；具备从事本学科及相关领域的科学研究或独立担负专门技术工作的能力；培养德、智、体全面发展、严谨务实、开拓创新，具有社会责任感和鲜明河北工大特色的专业精英和社会栋梁。

4.学科特色

学科根据定位和发展目标，始终面向行业领域需求，聚焦问题，凝聚研究方向，把学科建设的顶层设计作为重点，把服务区域社会发展作为目标，将理论研究成果在应用中升华，从应用中提炼研究问题。借力信息技术和行业领域应用的社会需求，以“信息”为要素，以“技术”为依托，以“信息化”为重点，把“交叉”作为特色学科服务的关键。借力、借势，在“产、学、研、用”的效率和效益上探索模式创新和服务创新，在推动服务社会的规模和水平上注重平台建设和协作协同，在服务的可持续发展方面注重团队建设、精品建设和保障制度建设。学科已形成理论和应用的发展机制，在人工智能、大数据处理与智能计算、计算机视觉与模式识别、计算机智能控制等学科领域取得了重要研究成果。

学科坚持“以学科特色建设促进人才培养质量提升，以深度工程应用深化学科特色”的建设理念，以建立服务区域经济科研特色建设为基础，以加强师资队伍建设、促进团队发展、推动协作创新为重点，以深度领域服务、精品成果产出为关键，不断推进学科建设的持续发展和特色发展，取得很好的国内外影响。

• 京津冀大数据研发应用已发挥桥头堡作用。 组织了环渤海IT院长论坛和以大数据为主题的京津冀青年学者论坛；作为主要组织者之一举办了京津冀交通大数据研讨；与北京工业大学、天津工业大学等单位共建了交通大数据研究中心；河北省编办批准成立河北省大学生创新创业大数据研究中心；组织成立河北省京津冀大数据产业协会并作为会长单位。

• 探索科研服务模式、构建服务平台，产学研结合形成良好影响。学科致力于科研、技术服务企业，帮助企业转型升级，已有一家企业上市，两家企业准备上市。近几年累计为企业节支增收25700多万元，产生了较大的社会效应和经济效益，先后与223家签订了合作协议，联合进行科学研究与人才培养。

• 借智国际资源推动学科建设，扩大国际影响。与梅西大学科学学部建立科学研究和人才培养全面合作协议，与澳大利亚西悉尼大学建立合作研究中心，与奥地利虚拟现实可视计算研究中心共建虚拟现实可视计算研究院。在人才合作培养方面，已和英国曼彻斯特大学、澳大利亚ECU签订了合作协议，与法国巴黎高等计算机专科学院(supinfo)合作培养已有十二年历史。

5.研究方向

大数据处理与存储、智能计算与云计算应用、智能软件与辅助创新、图像处理与可视化技术应用。

• 大数据处理与存储

本研究方向紧紧围绕国家特别是京津冀大数据产业发展和雄安新区建设的重大战略需求，聚焦大数据产业领域的前沿问题，从事大数据智能计算理论、大数据存储优化与绿色存储、大数据理解与可视分析、大数据行业应用等方面的工作。在智能信息处理、生物信息计算、大数据节能存储、大数据行业应用等方面形成了自己的研究特色。这些既体现了国际同类研究的前沿，同时又在多学科交叉、不同技术综合等方面突出了研究工作的特色，而且对促进国家科学技术的进步与京津冀区域经济的发展，均具有十分重要的意义。

• 智能计算与云计算应用

研究基于超级计算机的大规模并行智能算法，并将其应用到大数据，物联网，图形图像等领域；对比研究基于“CPU+MIC”与基于Spark的大规模并行智能计算方法，并用新算法求解真实世界的复杂目标函数，包括大规模传感器节点三维覆盖优化问题等；研究建设SaaS模式的智能技术，构建智能信息库；开发基于大数据技术的风电“智慧舱”云管理平台，为用户提供安全的数据服务；研究基于并行计算平台(Hadoop/Spark)的机器学习基础理论方法如深度学习、支持向量机、聚类理论算法以及关联规则算法、流形学习算法理论、多流形分类等；实现大数据的快速降维技术，包括大规模数据近似近邻的选取、大矩阵的特征值并行求解等技术。研究spark平台下的并行数据挖掘方法，实现频繁项的快速挖掘。在肺音识别和医疗图像检测中，为医疗辅助诊断提供服务。

• 智能软件与辅助创新

本研究方向以为社会提供软件服务为目标，研究大数据时代的领域软件需求及开发过程的关键技术及软件服务模式；注重交叉学科的理论与技术融合，将云计算技术、知识挖掘与创新方法等理论研究，融入到智能软件开发及平台服务模式与服务创新。已形成开发大数据智能软件服务平台相关技术协调发展的机制，实现了“产、学、研、用”良性循环及协同发展，不断推动学科方向发展、提高软件服务质量和服务水平，走出一条多交叉学科融合、在计算机辅助创新知识云服务、计算机等级考试系统等领域软件服务特点鲜明的方向特色。

• 图像处理与可视化技术应用

本研究方向包括深度学习用于图像分析、视频大数据挖掘、大数据可视化技术。深度学习在图像分析方面突出的应用是人脸识别、图像分类，以及百度和谷歌的基于图像内容的搜索引擎，需要进一步提高算法的精度和准确率；研究图像和视频的数据挖掘，包括图像和视频的存储、预处理、检索、挖掘和展示等功能，主要涉及图像数据挖掘模型和图像数据挖掘技术。基于图像的数据挖掘核心技术涉及：图像处理技术，如去噪、对比度增强、图像分割等技术；特征提取和优化技术；分类、规则提取、预测和聚类等；研究大数据可视化技术，大数据可视化可以使数据挖掘结果的抽象信息以简明的形式呈现出来，并允许通过交互手段控制数据的抽取和显示，使隐含于数据之中不可见的现象成为可见，为人们分析、理解数据、形成概念、找出规律提供强大支撑，可视化技术已经成为数据挖掘不可或缺的一部分。新能源系统与控制