数据科学与智能感知决策团队

一、团队简介

团队以“数据驱动智能，感知赋能决策”为核心目标，聚焦数据科学、机器学习、智能感知与决策技术的交叉融合，覆盖从基础算法研究到行业应用落地的全链条创新，尤其在智能决策、智慧医疗、大数据处理、遥感监测、人机协同等领域形成特色成果，致力于为国家数字经济发展与行业智能化升级提供理论支撑与技术解决方案。

二、团队成员

团队负责人及简介：

赵婷婷，教授，硕士生导师，人工智能学院副院长，日本东京工业大学(Tokyo Institute of Technology)博士。天津市“131”第二层次人选及“中青年骨干创新人才培养计划”人选。主持承担国家自然科学基金面上项目、国家自然科学青年基金、教育部留学回国人员科研启动基金项目等纵向项目6项。近年来撰写专著1部，在机器学习领域发表论文60余篇，其中包括顶级国际期刊Neural Networks、Neural Computation及顶级国际会议论文NeurIPS、IJCAI、ACML及ECML/PKDD。拥有核心专利，其中授权专利15项。产学研成果获山西省科学技术奖科技进步奖二等奖、中国商业联合会服务业科技创新奖一等奖、天津市科技进步三等奖、中国轻工业联合会技术进步奖、中国商业联合会科技进步奖三等奖等。主要研究领域为机器学习及智能信息处理，其中主要包括深度强化学习算法，智能控制及智慧医疗方面的应用。

团队成员及简介：

团队成员包括王嫄、赵青、刘建征、吴超、潘旭冉。团队成员主持或主要参与国家、省部级项目及横向重大科研项目40余项，发表论文200余篇；出版专业著作10余部；授权发明专利30余项，具有较强的研究能力。团队成员研究内容交叉互补，涉及智能决策理论、分布式智能计算、多模态感知技术及智慧应用转化等多个研究方向，具有良好的研究及合作基础。

三、科研方向

1. 智能信息处理与机器学习理论

深耕深度强化学习、大模型表示学习与可解释人工智能基础理论。重点突破连续动作空间策略搜索、潜在空间建模、文本语义理解与情感分析、知识图谱应用等核心技术，并探索元强化学习、概率生成模型等前沿方法。研究成果为智能控制、决策优化、多模态信息融合及智能文本生成提供坚实理论支撑。

2. 大数据与分布式智能计算

攻克大规模数据高效处理、分析与存储优化挑战。在分布式计算架构（如Spark）、云平台节能调度、海量时序数据（如天文星表）重构算法等方面形成优势。构建“数据存储-调度-分析”全流程智能解决方案，有力支撑天文信息处理、社交媒体挖掘等科学计算与行业大数据应用需求。

3. 智能感知与多模态图像处理

专注于多源信息融合与智能视觉分析。核心方向包括：遥感图像智能解译、智能视频监控系统、以及生物特征识别与情感计算。研究贯穿从底层感知特征提取到高层场景理解与决策的全链路创新，服务于智慧城市、公共安全、人机交互等领域。

4. 智慧领域应用与技术转化

以解决行业核心痛点为导向，推动人工智能技术在垂直领域的深度应用与落地。重点探索方向包括：智慧医疗、智慧农业、智能驾驶、智慧教育、信息安全、跨媒体理解、文本分析以及科学信息产业化。我们致力于打通“前沿技术-核心产品-行业服务”的价值转化链条，实现科研成果的社会与经济价值。

四、学术成果

（一）代表性成果

1. 深度强化学习

团队以强化学习领域中善于处理大规模连续动作空间的策略搜索算法为核心，结合统计学习的诸多方法对相关技术及方法进行分析、改进及应用。通过从不同的强化学习场景出发，分析强化学习在实际应用中所面临的诸多难题。针对不同场景，给定具体的策略搜索算法，分析算法中估计量和学习参数的统计特性，并对算法进行应用实例展示及定量比较。最终，在强化学习的策略搜索算法领域，形成集基础理论、算法和应用为一体的完备知识体系，此成果为实际应用中的智能控制问题提供理论依据与技术指导。

2. 高速铁路危险源监测平台

针对高铁沿线轻质危险源（防尘网、地膜、彩钢房）侵线引发的重大安全风险，团队开发了“天眼畅行——高速铁路危险源监测平台”。平台基于创新的深度学习语义分割算法，专注于卫星和无人机遥感数据的智能解译，攻克了复杂背景下透明、漂浮、不规则危险源的高精度识别难题。具备轻量化模型优势，支持边缘端高效推理，可实现无人机实时监测与预警。平台可联动运维系统，构建风险闭环处置机制，推动高铁安全防护从被动应急向主动智防转型。

3. 基于大模型的垂域智能分析与交互

构建审计问答数据集，整理审计制度和法规，建立结构化知识库；利用多维度检索增强技术与集成式思维链交互方法，结合大模型，整体提升审计工作的智能化水平。此外，设计基于金融大模型构建的审计对话系统，该系统融合了审计知识库与大模型的推理能力，可以准确识别用户提出的问题，并结合法规制度、历史案例等多维度信息进行分析，模拟人类思考的推理过程，给出专业回答，辅助审计人员决策。

（二）代表性项目

1. 纵向课题：国家自然科学基金面上项目，61976156，强化学习中基于潜在空间的高效策略搜索方法的研究，72万，2020/01-2023/12，在研，赵婷婷主持；

2. 纵向课题：国家自然科学基金，61502339，针对大规模环境下复杂任务的策略搜索强化学习方法研究，22.9万，2016/01-2018/12，结题，赵婷婷主持；

3. 纵向课题：国家自然科学基金，61702367，基于元信息关联网络的半结构短文本主题语义建模研究，27万元，2018.1-2020.12，结题，王嫄主持；

4. 纵向课题：天津市科委技术创新引导专项，20YDTPJC00560，健康医疗智慧设备工作站的关键技术研究，20万元，2020.10-2022.9，结题，王嫄主持；

5. 纵向课题：国家自然科学基金，11803022，大规模星表数据的高效时序重构算法研究，25万，2019.1-2021.12，结题，赵青主持；

6. 纵向课题：天津市科委自然科学基金青年项目，18JCQNJC69800，广域云平台数据密集型批处理科学工作流的节能调度研究，6万，2018.10-2021.9，结题，赵青主持；

7. 横向课题：淋巴瘤智能识别与分类系统开发，100万元，2025.4.1-2026.10.1，王嫄主持；

8. 横向课题：集成设备工作站数据湖核心技术研发，100万元，2021.7.1-2025.7.1，王嫄主持。

（三）代表性论文及专著

1. Tingting Zhao, Ying Wang, Wei Sun, Yarui Chen*, Gang Niu, Masashi Sugiyama. Representation learning for continuous action spaces is beneficial for efficient policy learning. Neural Networks, 2023, 159 : 137–152. （中科院1区Top)

2. Tingting Zhao, Guixi Li, Tuo Zhao, Yarui Chen, Ning Xie, Gang Niu, Masashi Sugiyama. Learning explainable task-relevant state representation for model-free deep reinforcement learning. Neural Networks,2024, 180: 106741.（中科院1区Top）

3.Tingting Zhao, Shuai Wu, Guixi Li, Yarui Chen, Gang Niu, Masashi Sugiyama. Learning intention-aware policies in deep reinforcement learning, Neural Computation, 2023(35), 1657–1677 .（CCF-B类推荐期刊，影响因子2.9）

4. 赵婷婷. 统计策略搜索强化学习方法及应用. 电子工业出版社，2021.08. ISBN 9787121419591.

5.Yuan Wang, Peng Huo, Lingyan Tang, Ning Xiong, Mengting Hu, Qi Yu and Jucheng Yang*，Modeling Category Semantic and Sentiment  Knowledge for Aspect-level Sentiment Analysis，IEEE Transactions on Affective Computing，2024（中科院1区Top）

6.Yuan Wang, Anqi Liu, Jucheng Yang, Lin Wang, Ning Xiong, Yisong Cheng*, Qin Wu*，Clinical knowledge-guided deep reinforcement learning for sepsis antibiotic dosing recommendations， Artificial Intelligence In Medicine，2024（中科院2区Top）

7.Yuan Wang, Yuqiao Liu, Yancui Shi, Yanjun Yu, Jucheng Yang*，User Perceptions of Virtual Hospital Apps in China: Systematic Search，JMIR Mhealth and Uhealth，2020（SCI二区）

8. Qing Zhao，Congcong Xiong，Ce Yu，Chuanlei Zhang，Xi Zhao，A new energy-aware task scheduling method for data-intensive applications in the cloud，Journal of Network and Computer Applications，2016，59：14-27 (SCI二区)

9.Qing Zhao, Chengkui Zhang, Hao Li, Tingting Zhao, Chenzhou Cui, and Dongwei Fan, TT-HEALpix: A New Data Indexing Strategy for Efficient Cross-match of Large-scale Astronomical Catalogs, Publications of the Astronomical Society of the Pacific, p.1-14，2024.3（SCI三区）

10.Qing Zhao, Le Sun, Mengxiang Zhang, Chengkui Zhang, Chenzhou Cui & Dongwei Fan, Storage optimisation and distributed architecture for time series reconstruction of massive astronomical catalogues, Experimental Astronomy, P.821-845, 2023.12 (SCI三区)

（四）代表性专利

1. 赵婷婷、杨巨成、赵希、任德华、陈亚瑞、房珊珊. 一种面向大规模环境中复杂任务的深度策略学习方法，2016.（授权发明专利）

2. 赵婷婷、宋亚静、王嫄、任德华、杨巨成.一种基于元强化学习的文本生成方法，2020.（授权发明专利）

3. 王嫄，徐涛，胡文帅，梁琨，赵青，赵婷婷，孔娜. 一种基于词向量技术和知识图谱检索的短文本问答方法及装置，2024.（授权发明专利）

4. 王嫄，周宇博，徐涛，刘玉桥，赵婷婷，梁琨，杨巨成. 基于自注意力的单词和标签联合的短文本分类预测方法，2023.（授权发明专利）

5. 王嫄，徐涛，王世龙，周宇博，王欢，杨巨成，赵婷婷，陈亚瑞. 利用共现信息的多任务辅助极限多标签短文本分类方法,2022.（授权发明专利）

6. 王嫄，卫雅珂，吴骎，杨浩，李经纬，王栋，孔娜，席呈帅.一种基于临床检验和用药干预数据的风险预测方法 ,2022.（授权发明专利）

7. 王嫄，张耀功，陈赠光，王靖寰，杨巨成，赵青，陈亚瑞，孔娜，王洁.基于疾病加权和食品类别约束的食品-疾病关联预测方法. 2020 .（授权发明专利）

8. 王嫄，张耀功，陈赠光，杨巨成，李政，史艳翠，赵青.一种基于矩阵分解的食物-疾病关联预测方法,2020.（授权发明专利）

9. 王嫄，星辰，杨巨成. 基于互约束主题模型的半结构短文本集中子话题发现方法,2020.（授权发明专利）

10. 赵青, 李浩, 张成奎, 张梦祥, 孙乐. 一种基于CNN与LSTM的复合恒星光谱分类方, 2023.（授权发明专利）

10. 赵青, 陈亚瑞, 杨巨成, 张传雷, 赵婷婷, 孙迪, 刘建征, 吴超. 一种云平台宽节点科学工作流的混合型调度方法及系统, 2020 (授权发明专利）

11. 刘建征，杨巨成，杨华易，赵婷婷，陈亚瑞. 基于灰度变化的生物识别视频回放攻击检测方法，2017.（授权发明专利）

五、社会服务意向

随着人工智能技术和社会经济的快速发展，人工智能、软件工程技术与各行各业相互融合。团队致力于围绕软件工程、智能科学与技术两个一级学科，开展新一代人工智能，人工智能与医疗、大健康、轻工业、食品、农业、机械、脑科学、天文遥感等领域的交叉研究。团队重点关注学科交叉领域中多模态数据融合、智能决策支持、可靠可信智能系统开发等方面如何优化算法模型以提高人工智能系统的性能、准确率与可解释性，如何结合具体应用场景设计高效算法。

六、联系方式

姓名：潘旭冉

电话：13920157326

邮箱：pxr@tust.edu.cn

团队地址：天津科技大学泰达校区西院8号楼312