深圳市计算机学会SZCCF年会颁奖表彰数字科技贡献者

2021年3月20日下午，深圳市计算机学会举办的“数字生态科技先行”学术报告会暨SZCCF2020年会于深圳圆满落幕。会议回顾了2020年学会的工作，并对未来工作提出了展望：“天道酬勤、力耕不欺”，努力成为大湾区主要数字科技、文化交流、生态共赢的创新社团。

来自高校、协会成员、各城市行业代表等130余专业人士出席了本次年会。

会议伊始，深圳市科技创新委员会主任梁永生教授、深圳市科协成员，孙楠先生、澳门电脑学会温锦明会长、深圳市计算机学会理事长王轩教授分别进行大会致辞。

随后，英国爱丁堡大学信息学院主任教授、中国科学院外籍院士、英国皇家学会院士、欧洲科学院院士樊文飞主任教授现场带来了经常的主题学术报告《Big Graphs: From Theory to Practice》，报告中深入浅出地介绍了他近年来在大规模图数据相关的理论与系统方面的研究工作成果;北京大学信息科学技术学院副院长、计算机系系主任、欧洲科学院院士、日本工程院院士胡振江讲席教授给大会视频带来了学术前沿主题报告《程序设计语言的系统化定制及其支撑环境》，从计算变换带来的影响进行了相关阐述于思考分享;联想企业科技集团资深工程师郝常杰以《超算赋能新基建，创造新价值》为题进行技术报告分享。

活动上，SZCCF奖颁奖典礼如期进行。典礼公布了2020年度SZCCF优秀博士学位论文奖、科学技术奖、杰出贡献奖、年度卓越服务奖获奖名单，并向获奖人、获奖单位颁发SZCCF奖证书。

自2020年12月评审工作正式开始以来，历经3个月的评审酝酿，数次材料补充，入围答辩和多轮激烈的竞争性投票，经公示无异议后最终产生深圳市计算机学会2020年度SZCCF奖评选结果，名单如下：

一、SZCCF优秀博士论文奖

优秀博士学位论文奖获奖名单(3名)：

论文作者：师少龙博士;

论文名称：《面向早期肿瘤检测应用的活体计算技术研究》;

导师：姚新教授;

培养单位：南方科技大学、哈尔滨工业大学联培;

论文简介：论文针对早期肿瘤检测这一世界性医学难题，在国际上首次提出了“活体计算”这一概念。创新性地从智能计算的角度出发设计了基于纳米机器人的可操控智能纳米系统。该系统可以利用早期肿瘤病灶诱发的活体组织微环境的变化引导纳米机器人对高危组织进行有规律的搜索，并最终实现肿瘤病灶位置的精准检测。

论文作者：李文军博士;

论文名称：《基于决策树的高速网络包分类算法研究及实现》;

导师：李挥教授;

培养单位：北京大学深圳研究生院;

论文简介：论文重点研究了面向大规模流表的高速网络包分类算法，针对决策树算法查找性能低、更新性能低的问题，提出基于混合切割的决策树算法 CutSplit 和基于元组辅助的决策树算法 CutTSS;最后针对 TCAM 算法功耗高及存储利用率低的问题，提出基于决策树映射的包分类算法 TreeTCAM。

论文作者：卢瑶博士;

论文名称：《深度卷积神经网络模型优化方法研究》;

导师：卢光明教授;

培养单位：哈尔滨工业大学;

论文简介：论文通过研究和拓展深度卷积神经网络泛化性和高效压缩理论，提出网络正则和网络压缩方法进行模型优化，提高网络的泛化性、训练效率和运行效率，促进深度学习在复杂场景下的终端智能应用，具有重要的理论意义和实用价值。

颁奖嘉宾：梁永生教授(左一)、樊文飞院士(右一)
获奖人从左到右依次为卢瑶(左二)、师少龙(左三)、李文军 (右二)

优秀博士学位论文提名奖获奖名单(2名)：

论文作者：文杰博士;

论文：《图嵌入聚类模型研究》;

导师：徐勇教授;

培养单位：哈尔滨工业大学;

论文简介：面向缺失视角下的不完备多视角聚类问题，论文提出了多种创新性的聚类模型，对聚类理论的发展和应用具有重要的推动作用。针对现有基于图嵌入的聚类方法不能捕获数据内在结构的问题，提出了一种基于低秩表示的自适应仿射图学习方法。

论文作者：赵阳博士;

论文：《基于局部特征学习的模式识别方法研究》;

导师：裴继红教授;

培养单位：深圳大学;

论文简介：论文提出了新的局部语义特征学习的图像深度非负矩阵分解理论、高低分辨图像局部语义特征的非线性共性表达方法、类局部特征学习的多层径向基函数神经网络、类局部特征子类扩张学习的非负超球面测地基函数神经网络。

二、SZCCF科学技术奖

科学技术奖获奖名单(2项)：

项目名称：基于数据安全的联邦智能隐私计算平台;

完成单位：平安科技(深圳)有限公司;

主要完成人：肖京、王健宗、黄章成、孔令炜、刘懿、吴天博、卢春曦、陈霖捷、李泽远、陈佩武 ;

项目简介：基于数据安全的联邦智能隐私计算平台通过将联邦学习技术与实际应用场景深度融合，目前已成功应用在金融、医疗、营销等场景。在无需打通数据的前提下实现联合建模，真正的使用大数据提高模型预测效果。

项目名称：高性能数据缩减技术研究;

完成单位：哈尔滨工业大学(深圳);

主要完成人：夏文教授、王轩教授;

项目简介：为了降低计算处理的复杂度、降低数据存储的时空开销，该成果研究了面向存储系统的数据去重、差量压缩、传统压缩等数据缩减技术，聚焦通过数据缩减技术降低存储成本，围绕上述方向在数据压缩率、压缩写入速率、压缩恢复速率等指标方面做了大量的研究探索，研究了重复数据删除、相似数据压缩和索引检索的瓶颈问题。