蘭州理工大學(xué)計(jì)通學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科是著力解決甘肅省主動(dòng)服務(wù)中國(guó)制造2025、新一代信息技術(shù)、數(shù)字經(jīng)濟(jì)發(fā)展的重大戰(zhàn)略需求，突出解決甘肅省十大生態(tài)產(chǎn)業(yè)中“數(shù)據(jù)信息”和“先進(jìn)制造”產(chǎn)業(yè)重點(diǎn)發(fā)展需求的省級(jí)高校重要依托學(xué)科之一。

本學(xué)科點(diǎn)依托學(xué)?！皵?shù)字制造技術(shù)與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室”、甘肅省制造業(yè)信息化工程技術(shù)研究中心、“信息化與智能網(wǎng)絡(luò)”甘肅省一流學(xué)科（特色層次）建設(shè)項(xiàng)目、甘肅省高校協(xié)同創(chuàng)新科技團(tuán)隊(duì)“網(wǎng)絡(luò)與信息安全創(chuàng)新團(tuán)隊(duì)”等，在工業(yè)互聯(lián)網(wǎng)及協(xié)同制造、工控網(wǎng)絡(luò)與信息安全、信息物理系統(tǒng)智能信息處理等領(lǐng)域形成了鮮明的特色和優(yōu)勢(shì)。作為牽頭單位承擔(dān)了國(guó)家重點(diǎn)研發(fā)計(jì)劃“有色冶金產(chǎn)業(yè)集聚區(qū)域網(wǎng)絡(luò)協(xié)同制造集成技術(shù)研究與應(yīng)用示范”、作為承擔(dān)單位參與了工信部“甘肅省省級(jí)工業(yè)互聯(lián)網(wǎng)安全感知平臺(tái)”和“面向云制造領(lǐng)域的物聯(lián)網(wǎng)關(guān)鍵技術(shù)創(chuàng)新”、甘肅省“工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析二級(jí)節(jié)點(diǎn)（蘭州）基礎(chǔ)平臺(tái)”等項(xiàng)目建設(shè)。

2019年以來(lái)，計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科不僅在甘肅省大力推動(dòng)“東數(shù)西算”及“上云用數(shù)賦智”行動(dòng)中積極服務(wù)地方建設(shè)，而且在基礎(chǔ)理論和關(guān)鍵技術(shù)突破方面取得了原創(chuàng)性的成果，研究成果發(fā)表在IEEE Transactions系列期刊、《計(jì)算機(jī)研究與發(fā)展》等計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科領(lǐng)域高水平期刊。

（1）智能制造與工業(yè)互聯(lián)網(wǎng)團(tuán)隊(duì)的趙付青教授在人工智能等領(lǐng)域的權(quán)威期刊IEEE Transactions on Cybernetics發(fā)表論文1篇，題目為《A Two-Stage Cooperative Evolutionary Algorithm With Problem-Specific Knowledge for Energy-Efficient Scheduling of No-Wait Flow-Shop Problem》。該項(xiàng)研究得到了國(guó)家自然科學(xué)基金、甘肅省重點(diǎn)研發(fā)國(guó)際合作專(zhuān)項(xiàng)的資助。在研究工作中提出了一種基于問(wèn)題特征知識(shí)的兩階段協(xié)同演化算法(TS-CEA)求解零等待流水車(chē)間的節(jié)能調(diào)度問(wèn)題。TS-CEA算法設(shè)計(jì)了服從單一因素原則，有效地縮小了問(wèn)題的解空間，兩個(gè)階段的操作相互協(xié)同，相互促進(jìn)，形成閉環(huán)。調(diào)度問(wèn)題求解過(guò)程中，提取了工件的關(guān)鍵路徑知識(shí)，用于指導(dǎo)候選解的搜索方向。實(shí)驗(yàn)結(jié)果表明，TS-CEA算法優(yōu)于其他相關(guān)算法，并且所得到的解具有良好的分布性和逼近性。

（2）智能制造與工業(yè)互聯(lián)網(wǎng)團(tuán)隊(duì)成員李曉旭副教授與研究生喻梨耘、常東良同學(xué)，以及校內(nèi)校外合作者聯(lián)合發(fā)表論文3篇，這3項(xiàng)工作得到了國(guó)家自然科學(xué)基金，甘肅省自然基金以及蘭州理工大學(xué)紅柳青年教師支持計(jì)劃等項(xiàng)目的支持。在《IEEE Transactions on Vehicular Technology》發(fā)表論文1篇，題目為《Dual Cross-Entropy Loss for Small-Sample Fine-Grained Vehicle Classification》。這項(xiàng)工作主要研究計(jì)算機(jī)視覺(jué)中基于神經(jīng)網(wǎng)絡(luò)的細(xì)粒度車(chē)輛分類(lèi)問(wèn)題。該工作重點(diǎn)關(guān)注網(wǎng)絡(luò)的損失函數(shù)，在傳統(tǒng)損失函數(shù)中引入了一個(gè)新的正則項(xiàng)，用以緩解梯度消失的問(wèn)題。實(shí)驗(yàn)結(jié)果表明提出的損失函數(shù)提高了細(xì)粒度車(chē)輛分類(lèi)的性能。在《IEEE Transactions on Circuits and Systems for Video Technology》發(fā)表了論文1篇，題目為《ReMarNet: Conjoint Relation and Margin Learning for Small-Sample Image Classification》。這項(xiàng)工作主要研究圖像判別性特征的學(xué)習(xí)。該工作集成了基于邊界和基于近鄰的分類(lèi)思想，提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)來(lái)學(xué)習(xí)判別性特征。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地在小樣本背景下學(xué)習(xí)判別性特征，并具有較好的分類(lèi)性能。在《IEEE Transactions on Image Processing》發(fā)表論文1篇，題目為《OSLNet: Deep Small-Sample Classification With an Orthogonal Softmax Layer》。這項(xiàng)工作主要研究小樣本圖像分類(lèi)中的過(guò)擬合問(wèn)題，旨在尋找神經(jīng)網(wǎng)絡(luò)的一個(gè)子空間，并獲得較大的分類(lèi)決策邊界。提出了一個(gè)用于小樣本圖像分類(lèi)的正交分類(lèi)層，該分類(lèi)層移除了傳統(tǒng)全連接分類(lèi)層中的部分連接。實(shí)驗(yàn)結(jié)果表明，所提出的正交分類(lèi)層能有效地緩解過(guò)擬合問(wèn)題，并提高模型的穩(wěn)定性。

（3）復(fù)雜系統(tǒng)智能信息處理團(tuán)隊(duì)的年福忠教授與研究生刁虹元同學(xué)在《IEEE Transactions on Network Science and Engineering》發(fā)表論文1篇，題目為《A Human Flesh Search Model Based on Multiple Effects》。該項(xiàng)研究得到了國(guó)家自然科學(xué)基金的資助。這項(xiàng)工作主要研究了人肉搜索的演化過(guò)程與傳播動(dòng)力學(xué)特征。研究工作引入了四種效應(yīng)，結(jié)果表明，脈沖效應(yīng)是傳播初期的主要影響因素，熱度效應(yīng)和從眾效應(yīng)在傳播中期起主要作用。同時(shí)還引入了耦合效應(yīng)，以反映消息傳播過(guò)程中受到其他消息的影響。此外，設(shè)計(jì)了動(dòng)態(tài)傳播率和動(dòng)態(tài)恢復(fù)率，建立了人肉搜索的傳播模型，并對(duì)其傳播動(dòng)力學(xué)進(jìn)行了數(shù)學(xué)分析。最后，通過(guò)與實(shí)際案例的對(duì)比實(shí)驗(yàn)，驗(yàn)證了模型的有效性。

（4）網(wǎng)絡(luò)空間安全團(tuán)隊(duì)的馮濤教授與研究生王帥帥、竇曼方等發(fā)表論文2篇。這2項(xiàng)工作得到了國(guó)家自然科學(xué)基金，甘肅省高校協(xié)同創(chuàng)新科技團(tuán)隊(duì)“網(wǎng)絡(luò)與信息安全創(chuàng)新團(tuán)隊(duì)”和甘肅省科技廳重點(diǎn)研發(fā)計(jì)劃等項(xiàng)目的資助。在《計(jì)算機(jī)研究與發(fā)展》（CCF推薦A類(lèi)中文期刊）上發(fā)表論文1篇，題目為《工業(yè)以太網(wǎng)EtherCAT協(xié)議形式化安全評(píng)估及改進(jìn)》。這項(xiàng)工作提出了一種基于有色Petri網(wǎng)理論和Dolev-Yao攻擊方法的模型檢測(cè)方法，對(duì)協(xié)議進(jìn)行了安全性評(píng)估與改進(jìn)，并利用CPN模型檢測(cè)工具對(duì)新方案進(jìn)行了安全性驗(yàn)證。通過(guò)驗(yàn)證可以發(fā)現(xiàn)新方案能夠有效防止3類(lèi)中間人攻擊，提高了協(xié)議的安全性。在《Applied Intelligence》發(fā)表論文1篇，題目為《A weighted intrusion detection model of dynamic selection》。這項(xiàng)工作提出了一個(gè)基于數(shù)據(jù)特征的動(dòng)態(tài)選擇加權(quán)入侵檢測(cè)模型（DF-DSWID）。通過(guò)引入基于分類(lèi)器評(píng)價(jià)指標(biāo)的層次聚類(lèi)算法，更新了現(xiàn)有分類(lèi)器動(dòng)態(tài)選擇的標(biāo)準(zhǔn)。提出數(shù)據(jù)-分類(lèi)器適用程度評(píng)價(jià)指標(biāo)(DCAI)，構(gòu)建了入侵檢測(cè)組合權(quán)值等級(jí)計(jì)算框架。實(shí)驗(yàn)表明，DF-DSWID可以根據(jù)數(shù)據(jù)集的特征優(yōu)化分類(lèi)器的使用數(shù)目，減少了集成過(guò)程中分類(lèi)器冗余或不足的問(wèn)題。將分類(lèi)器特性與數(shù)據(jù)集屬性進(jìn)行組合，能較好地提升入侵檢測(cè)模型的性能。

這些基礎(chǔ)理論和關(guān)鍵技術(shù)的研究體現(xiàn)了計(jì)算機(jī)與通信學(xué)院在計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科在基礎(chǔ)理論原創(chuàng)的最新科研進(jìn)展，也為本學(xué)科教學(xué)研究工作的進(jìn)一步提高以及后期科研項(xiàng)目的申報(bào)和地方服務(wù)奠定了良好的基礎(chǔ)。