根据《云南省科学技术奖励办法》（云南省人民政府令第224号）和《云南省科技厅关于印发云南省科学技术奖励实施细则的通知》（云科规〔2022〕12号 ）等相关文件规定，以及《云南省科技厅关于2025年度云南省科学技术奖提名工作的通知》要求，现对我校参与的拟提名项目——“复杂异质数据的融合与分析”有关项目信息予以公示，公示期为5个工作日（2025年4月22日至2024年4月27日）。

在公示期内，任何单位和个人对公示的项目有异议者，请以书面形式（注明通讯地址和联系方式）向我校科学技术处反映。以单位提出异议的，应当在异议材料上加盖本单位公章；以个人提出异议的，要在异议材料上签署本人真实姓名及联系方式。

联系人：郭老师

联系电话：0871-65918678

附件：项目公示信息

云南民族大学

2025年4月22日

《复杂异质数据的融合与分析》项目公示信息

一、 项目名称：复杂异质数据的融合与分析

二、 提名者：云南大学

提名等级：云南省自然科学二等奖

三、 项目简介

随着传感技术和互联网的发展，物理传感和社会传感收集的各种复杂异质数据急剧增长，为社会观测及服务创造了前所未有的条件。复杂异质数据的融合与分析通过发现隐藏在数据中的重要模式，积极推动国家及云南医疗、金融、交通等国计民生重大需求领域的高速发展，意义重大。但是复杂异质数据来源广泛，知识隐蔽，增长快速，如何有效融合多源异质数据，分析其中蕴含的模式，是实现复杂和智能应用的关键科学问题，也是当前人工智能领域的热点研究问题。

在国家自然科学基金项目及云南省科技计划重点项目的资助下，项目针对复杂异质数据来源广泛、知识隐蔽、增长快速等特点带来的特征差异大、价值释放难、大规模数据分析效率低的挑战，研究多源智融、析以智用、优化智算的理论、算法和技术，形成了具有自主创新优势的研究成果。主要科学发现如下：

1. 提出了多源智融的异质数据协同融合新方法。基于无监督学习、图嵌入及深度学习，提出了基于属性自表达的多级融合及基于结构自表达的近邻感知融合的协同融合新方法，促进了不同视图、不同类型、不同关系、不同分布区域之间的有效信息传递、语义映射和关系推理，解决了复杂异质数据来源广泛导致的特征差异问题，为隐藏模式的挖掘与分析奠定了基础（代表性论文 1、2、4、6、7）。

2. 提出了析以智用的异质数据模式分析新模型。基于样本内及样本间、视图内及视图间、元路径内及元路径间、特征内及特征间的耦合关系，分析了复杂异质数据中的聚类模式、社区模式及空间同位模式，揭示了数据的内在结构、交互模式、分布规律，为个性化推荐、团队组建、资源优化的实际应用提供支持，解决了复杂异质数据知识隐蔽导致的价值释放难的问题（代表性论文8）。

3. 提出了优化智算的异质数据智能计算新算法。提出了无监督的GCN训练方式、基于聚类嵌入层、剪枝/近似策略及用户反馈的优化算法、基于列计算并行及极大空间团-哈希表的挖掘算法，用于从规模庞大的异质数据中快速聚类、搜索子图、识别同位模式，解决复杂异质数据增长快速导致的大规模数据分析效率低的难题，为分析方法的实际应用提供保障（代表性论文3、5）。

项目研究成果在TKDE、TNNLS、INFFUS、计算机学报、软件学报、计算机研究与发展等国内外权威和重要期刊会议发表论文36篇，出版专著1部，授权发明专利3项。8篇代表性论文SCI 他引101次，CPCI-S他引23次，CNKI他引49次，Scopus 他引140次，累计影响因子57.651，单篇论文最高SCI他引35次，最高影响因子14.8。研究成果得到包括IEEE/ACM Fellow、欧洲科学院院士在内的国内外知名学者的正面引用，引文发表在TKDE、TIP、KDD、ICDE、CVPR、ICCV 等数据挖掘、人工智能、计算机视角领域的顶级期刊及会议。项目组成员1人入选云南省中青年学术和技术带头人后备人才，1 人入选云南省“兴滇英才支持计划”青年人才。项目研究内容具有系统性和完整性，研究成果具有引领性和开创性。查新报告显示“本项目所述技术在所检文献以及时限范围内，国内外未见相同文献报道。本项目具有新颖性”。

四、 代表性论文专著目录

1. Guowang Du, Lihua Zhou*, Kevin Lü, Hao Wu, Zhimin Xu. Multiview Subspace Clustering with Multilevel Representations and Adversarial Regularization, IEEE Transactions on Neural Networks and Learning Systems, 2023, 34(12): 10279-10293.

2. Guowang Du, Lihua Zhou*, Zhongxue Li, Lizhen Wang, Kevin Lü. Neighbor-aware Deep Multi-view Clustering via Graph Convolutional Network, Information Fusion, 2023, 93(2023): 330-343.

3. Peizhong Yang, Lizhen Wang*, Xiaoxuan Wang, Lihua Zhou. SCPM-CR: A Novel Method for Spatial Co-location Pattern Mining with Coupling Relation Consideration, IEEE Transactions on Knowledge and Data Engineering, 2022, 34(12): 5979-5992.

4. Lihua Zhou*, Guowang Du, Kevin Lü, Lizhen Wang. A Network-based Sparse and Multi-manifold Regularized Multiple Non-negative Matrix Factorization for Multi-view Clustering, Expert Systems With Applications, 2021, 174 (2021): 114783.

5. Vanha Tran, Lizhen Wang*, Hongmei Chen, Qing Xiao. MCHT: A maximal clique and hash table-based maximal prevalent co-location pattern mining algorithm. Expert Systems with Applications, 2021, 175 (2021): 114830.

6. Guowang Du, Lihua Zhou*, Yudi Yang, Kevin Lü, Lizhen Wang. Deep Multiple AutoEncoderBased Multiview Clustering, Data Science and Engineering, 2021, 6(3): 323-338.

7. Guowang Du, Lihua Zhou*, Kevin Lü_, Haiyan Ding. Deep Multiple Non-Negative Matrix Factorization for Multi-View Clustering, Intelligent Data Analysis, 2021, 25 (2021): 339-357.

8. 王家龙, 杨杰, 周丽华*, 王丽珍, 王睿康. 异质信息网络的复杂条件社区搜索，软件学报，2023, 34(10):4830-4850.

五、 主要完成人基本情况