深圳大学2020年博士研究生招生

计算机科学与技术

专业信息

专业代码

081200

专业名称

计算机科学与技术

招生方式

硕博连读, 申请考核, 直博生

拟招生人数

16

学制

3年制（直博生5年）

是否招生专业学位硕士

是

院系

计算机与软件学院

学习方式

全日制

备注

联系方式

研究方向

考核科目

学院及专业介绍

    深圳大学计算机科学与技术学科由清华大学于1983年建校时援建，2009年正式单独建院，由陈国良院士担任首任院长。2016年获批建设大数据系统计算技术国家工程实验室，2018年入选广东省攀峰重点学科和增列为博士学位授权一级学科，形成了本硕博完整的人才培养体系，培养了以腾讯马化腾为代表的优秀人才，2019年获批建设人工智能与数字经济广东省实验室（深圳）。软科2018世界一流学科国内排名第21位；US News 2019世界大学排行榜进入世界100强，国内排名第23位；泰晤士报2019世界大学排名国内并列第13位；CSRankings 2019全球计算机科学专业排名第81位，其中计算机图形学排名亚洲第1；进入ESI计算机学科全球前0.348%，国内排名第25位。

    本学科的特色与优势如下：

    (1)人员优势：现有中科院院士1名、加拿大三院院士1名、国家级教学名师1名、海外杰青1名、IEEE Fellow 2名、国家优青1名、青年长江1名、IET Fellow 1名；广东省珠江学者特聘教授2名、广东省领军人才3名、广东省杰青1名、广东省“千百十工程”省级培养对象3名、教育部新世纪优秀人才2名、中国科协青年人才托举工程1名、广东省科技创新青年拔尖人才3名、鹏城学者特聘教授1名、广东省教学名师1名、Elsevier中国高被引学者4名、广东省教学团队和广东省自然科学基金研究团队各2个。有博士学位人员104人，占比95%；有海外教育经历人员71人，占比65%；45岁以下中青年人员93人，占比85%。

    (2)科研优势：近5年，共获得了9项省部级科研奖励，其中一等奖5项；共获批了92项国家自然科学基金项目，其中重点项目4项，年均18.4项；纵向科研经费年均约4703万元；以第一作者或通讯作者共发表了167篇CCF A类或中科院1区论文；共有33篇论文入选ESI高被引论文；共有89项发明专利获得授权，其中13项已经获得了转换或应用。

    (3)平台优势：现有1个国家工程实验室、1个广东省实验室、2个国家级实验教学示范中心和12个省部级科研平台。拥有大数据系统计算技术国家工程实验室，标志着本学科在大数据系统计算领域已处于国内领先地位。

    (4)区域优势：深圳市规模庞大的电子信息产业为本科学科的发展创造了大量的技术研发需求、就业创业机遇和成果转化渠道。现已组建了21个校企联合科研实验室，与100多家高新技术企业建立密切的产学研合作。

    本专业招生研究方向及导师研究内容简介如下：

    1.人工智能

    明仲，主要研究内容为智能规划与推理、贝叶斯学习、迁移学习、深度学习、统计机器学习、知识图谱和自然语言处理等技术及其在复杂系统形式化验证、类人智能系统、灾难应急响应平台、软件中间件和推荐系统等领域的应用。是大数据系统计算技术国家工程实验室执行主任，在以上相关领域取得了一系列重要成果，在知名学术会议与期刊上发表论文200多篇。

    李坚强，主要研究内容为信息物理系统与智能系统网络系统关键技术，研究多机器人、智慧医疗系统等智能网络系统协同感知、协同安全网络设计以及优化分析决策。

    贾森，主要研究内容为高光谱成像。高光谱成像是探测与成像技术的一场深刻革命，如何充分利用高光谱图像提供的丰富光谱和空间数据信息，实现高光谱图像高精度、高泛化能力、高效率的分类，是我们面临的巨大挑战。本课题重点利用机器学习相关算法（多任务学习、迁移学习、超像素分割等）建立面向高光谱图像三维空谱结构的一体化特征表示、挖掘和决策融合分类等方法，为高光谱成像数据处理提供新的理论和工具。

    朱安民，主要研究内容为机器人学、机器智能、软件智能、人工神经网络、自组织自适应系统等。

    朱泽轩，主要研究内容为生物启发式算法、机器学习、生物信息学理论及应用。

    赖志辉，主要研究内容为：(1)图像、视频的模式识别与智能系统设计；(2)大数据机器学习，包括大规模海量数据的深度学习、哈希学习、稀疏学习等理论与方法；(3)医学图像或瑕疵图像处理与分析；(4)基于机器视觉的智能车系统理论与方法。图像处理与模式识别是利用计算机技术与数学方法对图像、视频等信息进行表示、理解与分析的基本理论与方法，是人工智能领域的核心研究内容。

    2.高性能计算

    陈国良，主要研究内容为大规模并行信息处理理论、高性能并行信息计算系统、大规模信息处理方法。大规模信息并行处理理论紧密结合硬件机构和具体应用，采用软硬件协同的办法进行大规模信息并行处理理论的研究。包括理论模型与基础算法、混合异构处理环境等方面内容。高性能并行信息处理系统着重于基于并行计算技术研制高性能并行信息处理系统。主要研究高性能并行信息处理系统的体系结构、众核系统结构、节点互联、异构体系结构等方面的内容。大规模信息处理方法研究大规模信息处理的方法和系统工具，如大规模信息理论与技术体系、大规模信息处理与分析工具系统等。

    陆克中，主要研究内容为大数据计算模式和价值探索，互联网虚假信息探测及舆情传播理论和分析，结合自然语言处理的推荐系统，复杂网络及社交网络分析等。研究成果获得微软，腾讯等公司相关奖项，并将持续致力于理论和实际结合的关键技术研究。

    3.计算机网络

    梁中明，主要研究内容为设计和分析计算机网络和信息系统的体系结构、协议和管理，控制和互通策略，并应用于宽带，卫星，无线，移动和个人通信网络和云计算。现为加拿大皇家学院院士、加拿大皇家科学院、工程院两院院士，曾获IEEE温哥华分会百年纪念奖和UBC Killam研究奖。

    伍楷舜，主要研究内容为Wireless Communication, Mobile Computing（无线通信，移动计算），Wearable Computing, E-health and related technologies （可穿戴计算，智慧医疗等），Smartphone applications, Location-based systems（手机相关应用，定位系统），Wireless Sensor Networks, RFID technologies（无线传感器网络，RFID，物联网技术），Cognitive Radios, Dynamic Spectrum Auctions（认知无线电，动态频谱拍卖），Robot Network (机器人网络), UAV application(无人机应用)，Brain-Inspired (类脑计算)，Network Big Data (网络大数据), HCI (人机交互)等。

    4.计算机视觉

    Jianmin Jiang，主要研究内容为：(1)智能媒体内容的分析和理解：主要通过对机器学习特别是深度学习的理论应用和算法发展来捕捉跨媒体内容的语义关联及特征描述，从而使计算机能够像人那样诠释媒体的内容或接近人类对媒体内容的消化、吸收与理解。(2)互动媒体的理论及算法研究：探索与研究人与媒体内容的多模态，多形式，及多跨度的互动理论。通过跨虚拟现实，计算机视觉及图像视频处理等多领域的协同创新， 建立和发展能够让观众获得犹如身临其境视觉感受的全景多视点视频处理的新概念、新技术和新系统。(3)臆想媒体的研究探索，概念形成，及理论算法的开发和应用：通过对人脑思维活动的跟踪学习，及人脑对媒体内容的自然感知，实现能够探索人脑臆想包括做梦、回忆、憧憬等应用场景的新媒体概念，理论和技术的全方位科学研究。

    杨烜，主要研究内容为计算机视觉与机器学习，模式识别与计算智能，图像智能感知与类脑计算，医学影像处理与分析等。通过分析视觉信息的底层特征和上层结构，从而提取具有一定智能性的信息，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

    沈琳琳，主要研究内容为图像特征提取、深度学习理论、人脸识别分析以及医学图像智能诊断。针对Gabor函数等用于图像特征提取的滤波器和小波，研究相关编码方法，提高特征对旋转、缩放等变化的鲁棒性以及不同类的区分鉴别能力。探索深度卷积神经网络参数设置及优化原理，尝试新的网络架构、下一代优化目标损失函数以及网络加速方法，提高深度卷积网络的识别准确率和效率。结合手工图像特征，研发基于深度卷积网络和通用对抗网络的人脸识别、表情、年龄等属性识别方法，活体检测系统以及人脸风格、抑郁等社会、心理状况分析算法。和医院医生合作，设计新颖的全卷积、多尺度及目标检测网络，研发HEp-2/胃癌/乳腺等各种细胞病理图像的分割、病变诊断、X光图像肺部疾病分析以及眼部OCT图像视网膜病变检测算法。

    石大明，主要研究内容为神经网络、深度学习、模式识别等，及其在智能诊疗和手术机器人中的应用。图像处理主要研究不变性特征提取、时-频域分析、图像配准、图像分割、多模态融合等，及其在目标定位与跟踪、增强现实中的应用。

    朱映映，主要研究内容为：(1)图像，视频内容的特征表示，识别，检索，语义分析等；(2)智能媒体系统设计与应用；(3)海量媒体数据挖掘，包括大规模海量媒体数据的哈希学习，深度学习，强化学习等理论与方法。基于机器学习特别是深度学习，模式识别，信息检索等理论，为多学科深入交叉与集成创新。

    5.机器学习与数据挖掘

    黄哲学，主要研究内容为数据挖掘、商务智能、高性能计算、云计算等。是一系列数据挖掘聚类算法发明人，如k-modes，fuzzy k-modes、k-prototypes、w-k-means等聚类算法，在很多领域得到广泛应用，被纳入国内外教科书和专著，并进入软件产品，领导开发了AlphaMiner数据挖掘开源系统，被国内外许多大学和公司采用。

    王熙照，主要研究内容为示例模糊表示的归纳学习、统计学习理论、深度学习、大数据学习理论与方法等。研究特色为通过发现和表示大数据中的不确定性，挖掘大数据的结构分布，进而利用分布并行技术，设计并实现适用于不同类型大数据的分类和聚类算法，以及相应的关键技术和理论问题研究。

    6.数据库

    毛睿，主要研究内容为通用大数据处理。通用处理技术因其广泛的适用性和相对低的开发成本，是应对大数据多样性挑战（variety）的有效技术路径之一，有望成为下一代数据管理系统的核心组件。提出了面对多样性挑战的大数据泛构（big data genhierarchy）理念，建立了基于度量空间的通用大数据处理理论框架，获2016军队科技进步二等奖（2）、SISAP2010和BIBE2003国际会议Best Paper奖（http://www.sics.ac.cn/mao）。

    7.计算机图形学

    黄惠，主要研究内容为计算机图形学、计算机动画、三维视觉、可视分析、人工智能和机器人，重点推进大规模静动态数据获取与融合、多尺度几何建模与智能编辑、高层次图像处理与多媒体计算、可视内容生成与仿真渲染、复杂场景重建与识别理解、三维移动协同感知与人机交互、智能模拟学习与强化认知等方面的科学技术研究。

    8.可视化

    Daniel Cohen-Or，主要研究内容为可视化与可视分析、计算机图形学、计算机视觉、机器学习和人机交互，重点推进大数据科学可视化、海量信息可视化与可视分析、可视内容生成与自然交互等方面的科学技术研究。

报考要求2020年计算机与软件学院“直博生”招生要求：1.须具备《深圳大学2020年接收推荐免试攻读研究生章程》中规定的各项条件。2.申请者为已获得推荐免试攻读硕士学位研究生资格的应届本科毕业生。3.学习成绩优秀，对学术研究有浓厚兴趣，具有较强创新精神和科研能力。在本科期间曾参加科学研究、全国学术竞赛等活动，表现突出者优先考虑。4. 具有较强的语言能力，外语水平较高，并必须提供相应的英语成绩证明。5. 身体健康状况符合教育部等部门制定的《普通高等学校招生体检工作指导意见