我校信息工程学院计算机系科研团队在2024年度取得重要科研突破，在国际顶级学术期刊集中发表系列高水平研究成果，研究领域涵盖人工智能基础算法、计算机视觉、复杂网络分析、智能检测技术等多个前沿方向，充分展现了团队在计算机科学领域的学术影响力与科研创新实力。
吕来水老师发表两篇一区论文
研究成果《Deep Autoencoder-like non-negative matrix factorization with graph regularized for link prediction in dynamic networks》针对时效网络链路预测问题，提出了两种图正则化深度自编码器NMF算法。通过将编码器融合到深度NMF模型，所提算法能充分挖掘出网络中的复杂层次信息。进一步，通过利用图正则化和PageRank分别挖掘时效网络的局部和全局拓扑信息。
成果发表在《Applied Soft Computing》，属于计算机领域高影响力期刊，2024年度为中科院一区期刊，影响因子7.2。该期刊的软计算主题旨在利用对不精确性、不确定性和部分真实性的容忍度来实现可处理性、鲁棒性和低解决方案成本。
图1
研究成果《An improved gravity centrality for finding important nodes in multi-layer networks based on multi-PageRank》针对多层网络关键节点识别问题，定义一种基于PageRank的重力中心性。所提中心性方法将节点的多重PageRank值视为其重量。此外，所提中心性算法对网络层中任意两个节点间的最短路径距离进行了加权，进而定义节点间在网络中的距离。
成果发表在《Expert Systems with Applications》，是人工智能领域高影响力期刊，中科院一区期刊，影响因子7.5， 该期刊的主旨是发表有关专家和智能系统的设计、开发、测试或实施的论文，并为这些系统的开发和管理提供实用指南。
图2
叶敏超老师发表三篇一区论文
研究成果《Adaptive Graph Modeling With Self-Training for Heterogeneous Cross-Scene Hyperspectral Image Classification》针对异构跨场景高光谱图像分类中的小样本问题，提出了一种结合自适应图建模（AGM）与自训练（ST）的方法AGM-ST。通过可学习网络生成基于光谱-空间相似性的图权重，并引入自适应阈值剔除弱关联，构建鲁棒的跨场景图结构。同时，利用自训练技术迭代生成伪标签，增强目标场景的语义信息，从而优化图模型。该研究解决了传统图模型稀疏性和伪标签噪声问题，为异构迁移学习提供了有效解决方案。
图3
研究成果《Building Cross-Domain Mapping Chains From Multi-CycleGAN for Hyperspectral Image Classification》针对异构高光谱图像分类中的域差异与小样本问题，提出跨域映射链模型（CDMC）。通过扩展CycleGAN的双向映射机制，构建多循环生成对抗网络，将单次映射拓展为多级链式映射，并结合辅助分类器约束类别分布一致性。该方法利用循环间误差累积与反向传播优化生成器的跨域映射能力，解决传统单循环模型映射误差大、忽略类别特征对齐的缺陷，实现源域与目标域的高精度双向特征转换。通过多级映射链增强生成网络的鲁棒性，同时兼顾域适应与类别判别性，提升异源数据间的知识迁移效果。
图4
研究成果《Discriminative Vision Transformer for Heterogeneous Cross-Domain Hyperspectral Image Classification》提出基于视觉Transformer的CD-DViT方法。(1)域映射分支将源域样本经编码器-解码器映射至目标域以扩充训练样本，缓解小样本问题；(2)特征对齐分支构建域级和类级对齐模块，利用交叉注意力机制结合域判别器学习域不变特征，并通过类间注意力权重优化跨域一致性；(3)目标分类分支整合映射样本与目标样本训练分类器，同时通过知识蒸馏将分类器知识迁移至特征对齐过程，增强跨域判别性。三个分支通过域映射增强数据基础、特征对齐消除域差异、分类与蒸馏协同优化，形成端到端的异构跨域分类框架。
图5
以上研究成果均发表于《IEEE Transactions on Geoscience and Remote Sensing》。该期刊是中科院SCI一区期刊，影响因子7.5，中国计算机学会（CCF）推荐的B类期刊，地球科学与遥感领域国际顶级刊物。该期刊在计算机学科中的影响力集中于技术交叉层，尤其在计算机视觉、机器学习与地理空间分析的结合点上。
朱文杰老师发表一篇一区论文
研究成果《Dual Knowledge Distillation on Multiview Pseudo Labels for Unsupervised Person Re-Identification》针对无监督行人重识别领域，提出双知识蒸馏多视角伪标签框架，在多个数据集上的表现超越了现有无监督方法，为无监督行人重识别提供了有力的技术支撑。
该成果发表在《IEEE Transactions on Multimedia》，是计算机学科领域多媒体方向的一区Top期刊，CCF-B类，影响因子：8.4。在计算机多媒体领域引领技术发展趋势，为学术研究和工业应用提供关键理论与技术支撑。
图6
杨小兵老师发表一篇一区论文
研究成果《Construction personnel dress code detection based on YOLO framework》提出一种基于YOLO网络的施工人员着装规范检测算法，在主干网络中引入多头自注意力机制，构建了卷积与注意力混合的CMNet主干网络，使模型具备全局视野并提升对遮挡、小目标物体的检测能力；在颈部网络设计了轻量化的Ghost Shuffle Attention-Conv-BN-SiLU（GSA-CBS）模块，在保证性能前提下压缩了模型参数量；采用SIoU损失函数与Soft NMS后处理模块优化检测精度。该算法较基准模型参数量显著减少，检测精度明显提升。
成果发表在《CAAI Transactions on Intelligence Technology》，该期刊聚焦人工智能领域的前沿研究与技术应用，涵盖基础理论（如机器学习、脑与认知科学）、关键技术（自然语言处理、生成式AI）及智能系统开发（机器人、大数据分析）等方向，致力于推动学术创新与产业结合。2025年入选中国科学院分区“计算机科学”大类一区Top期刊，影响因子达8.4，位列全球人工智能类期刊前10%。
图7
杨望山老师发表一篇一区论文
研究成果《Scene Adaptive Building Individual Segmentation Based on Large-Scale Airborne LiDAR Point Clouds》针对建筑物单体分割问题，提出了一种基于大规模机载激光雷达点云的场景自适应建筑物单体分割（SABIS）方法。该算法在国内外三个大场景数据集中获得了良好的性能，并与四种基准方法进行了定量和定性评估，各种精度均明显优于当前最先进的算法。
该成果发表于《IEEE Transactions on Geoscience and Remote Sensing》。该期刊是中科院SCI一区期刊，影响因子7.5，中国计算机学会（CCF）推荐的B类期刊，地球科学与遥感领域国际顶级刊物。
图8
其他重要成果
周烨老师的研究工作《A cellular automata model coupled with partitioning CNN-LSTM and PLUS models for urban land change simulation》发表于《Journal of Environmental Management》（中科院二区，IF=8.0），提出城市用地变化预测模型，创新耦合元胞自动机与深度学习技术；马祥老师的研究工作《Chiller fault diagnosis based on improved variational autoencoder and co-training framework: A case study of insufficient samples》发表于《Journal of Building Engineering》（中科院二区，IF=6.7），提出基于改进变分自编码器的制冷机组故障诊断系统，突破小样本条件下的设备运维瓶颈。
总结
2024年度信息工程学院计算机系科研团队累计发表高水平论文10篇，研究成果呈现两大特征：(1)学科交叉深化：深度融合人工智能与遥感科学、建筑智能化、环境管理等应用领域；(2)方法体系创新：在深度学习框架设计、复杂网络分析、无监督学习等方向形成特色理论体系。团队依托高水平论文集群效应，持续深化国际合作网络建设，正在向计算机科学领域ESI全球前1%学科排名发起全力冲刺。
