软件与理论团队现有成员20人，其中教授4人、副教授6人、讲师7人，已形成一支以中青年博士、教授为主体的研究团队。目前指导在学博士研究生6人、硕士研究生60余人，完成和在研包括国家重点研发计划课题、国家科技支撑计划课题、国家自然科学基金项目在内的科研项目50余项，科研经费1000余万元，发表包括SCI顶级期刊、国内高水平学术期刊、重要国际会议论文在内的论文240余篇，获授权或申请国家发明专利10余项。
软件与理论组专注于数据管理与分析、智能优化、软件理论三个方向，涉及人工智能、大数据、区块链、多媒体、物联网等领域。
数据管理与分析
以数据为中心，研究数据处理系统的设计、构建、管理和评价，以及分析数据的理论和技术及其应用。目前专注于研究适应于大数数据管理和分析的技术和理论，包括NoSQL数据库系统、内存数据库系统、适用于新硬件技术的数据管理和分析技术等；探索数据库系统性能管理的框架和具体技术，包括数据库系统的性能模型的构建、数据库系统的负载管理技术、自主计算技术和理论等；针对多媒体这一最大的大数据，研究音视频的快速检索技术和处理技术。经过长期不懈的探索和研究，取得一批具有重要应用价值的研究成果。提出了原创性的“数据库系统自主计算框架AWMF”，并在IBM DB2上进行了原型实现。针对自主计算需要对数据库系统性能进行预测的需要，提出原创性的以查询交互为基础的查询响应时间预测模型，不断提高模型预测精度，并成功应用于企业向云计算机环境迁移的系统设计，取得好的社会和经济效益。针对多媒体数据——这一最大的大数据的快速检索问题，提出多级过滤理论和技术，把检索速度加快提高三个数量级，突破检索速度的瓶颈，成功应用于国家版权管理系统。上述研究获得国家重点研发计划、国家科技支撑计划、国家自然科学基金的资助。
软件理论
以形式化方法为核心，研究算法和软件系统的形式化优化方法。针对实际系统及应用，研究系统安全性分析、功能检测、缺陷发现等的方法和技术。在物联网系统的设计上，采用形式化方法，对物联网系统的安全性和功能进行分析，使得系统设计得以完善。在网络舆情分析上，采用形式化方法和统计学方法相结合的途径，对网络舆情进行自动的情感分类和判断，预测舆情变化，上述研究应用到实际中，取得了良好的社会效益。
智能优化
计算的一个永恒的主题是优化。在计算技术的实际应用中，离不开对算法和系统的持续不断的优化。智能优化方向以人工智能、机器学习、模式识别等理论文基础，研究适应于不同应用和场景的优化理论、方法和技术。在遗传算法、蚁群算法、免疫算法等的优化和应用方面进行有持续不断的探索，取得了一批成果，应用实际生产中。
公司公众号
English
旧版
