研究项目

大模型+图神经网络应用

基于大语言模型和超图的国会议员投票结果预测方法，结合图神经网络和大模型技术，用于社交网络中的行为预测和信息传播分析。

本项目提出两种图像隐私保护方案，分别解决数据传输中的安全性问题以及隐私性与可用性的平衡，并在嵌入式系统中验证了其实用性。

本项目提出了一种利用轨迹网络和社交网络控制疫情发展的方法，可以帮助政策制定者确定哪种政策能更有效地缓解疫情的传播。

本项目基于互联网社交网络平台的KOL用户模型，用科学的手段提取大型复杂网络中不同类型用户的行为特征参数，研究网络中的信息传递效应。

本项目提供有关如何设计多智能体算法的防御指南，提高网络对多种攻击的免疫力。

本项目对交通网络进行用户轨迹特征提取和KOL建模，使我们能够对每一个交通网络用户进行画像。从而在安防或疫情防控等重大事件发生时，预先进行人流监控，交通传播预测，以及追踪潜在超级传播者。

本项目对分布式社交网络进行KOL建模，对涉及智能合约交易的网络进行量化分析，了解网络集群关系和发掘关键用户。

本项目对5G手机信号进行指纹识别，提取手机信号的指纹特征信息，并对其进行辐射源的识别检测。

本项目对执行分布式PCA的方法的调查不同的数据集，它们的性能以及它们在应用分布式数据采集系统的应用。