一、团队概况

团队主要致力于多模态数据分析等方向的研究。近几年团队在国内外重要期刊上发表学术论文60余篇，其中以第一、通信作者在IEEE Transactions on Knowledge based Data Engineering（中科院SCI一区，CCF A类）、IEEE Transactions on Cybernetics（SCI中科院一区，TOP期刊）、IEEE Transactions on Geoscience and Remote Sensing（SCI中科院一区，TOP期刊）、ACM Transactions on Multimedia Computing, Communications, and Applications（CCF B类）、Neural Networks（中科院SCI一区，TOP期刊）和Pattern Recognition（中科院SCI一区，TOP期刊）等国内外重要期刊发表论文近20篇，申请发明专利20余项（其中授权17项），承担国家自然科学基金面上项目等国家级课题5项，山东省自然科学基金等省部级课题7项，并立项山东省高等学校青年创新团队（经费200万），并获山东省高等学校优秀科技成果奖三等奖1项。

团队负责人：姚涛，博士，副教授

团队成员：

崔光海，博士，副教授

盛国瑞，博士，讲师

黄宗超，博士，讲师

徐志峰，博士，讲师

二、主要研究内容

1.多模态数据分析

主要研究内容：针对开放环境下网络数据的多源异构、语义关联复杂、信息检索速度慢、预测精度低等问题，开展跨模态语义关联学习、非结构化数据的统一表征学习、多媒体检索、紧致特征表示学习、图像文本匹配等方面的研究。

2.计算机视觉

主要研究内容：1）开展领域自适应与泛化、半监督与自监督学习、模型轻量化与压缩、噪声标签下的鲁棒学习等方面的研究；2）开展稀疏标注引导的混合半监督学习、多元地质体体素级预测的表征学习、三维地震图像增强机制、三维地震图像的去噪重建等方面的研究；3）结合人工智能与计算机视觉技术，对食品数据进行分析与理解；4）聚焦智能体在三维真实环境中的感知、理解与交互能力，重点开展具身智能方面的研究。

3.时间序列数据分析

研究内容：结合深度学习与信号处理技术开展复杂工况下的设备异常检测与诊断的机理与算法研究；基于惯性测量单元（IMU）的可穿戴系统，开展多源传感器数据融合、噪声环境下的鲁棒性特征提取，以及轻量化识别模型设计等。

4.教育大数据分析

主要研究内容：时变的学生认知状态的精细建模与动态追踪，融合时间间隔、练习频率、上下文环境以及个体记忆差异等因素实现认知过程的精细化模拟，基于动态图神经网络的认知状态建模，通过大语言模型精准追踪个体知识掌握水平和增强模型决策过程的透明度与可解释性。