avatar

邹国兵

教授、博导、副院长

负责人

邹国兵,男,1982年生,博士,教授,博导,硕导。担任上海大学计算机工程与科学学院副院长、计算机科学与技术系主任、服务计算与数据挖掘实验室负责人。中国计算机学会服务计算专委会执行委员、IEEE服务计算专委会委员、上海市信息学会理事、上海计算机学会协同与信息服务专委会副主任、曾任上海计算机学会人工智能专委会秘书长。2009年10月-2011年10月,作为公派留学人员,在美国华盛顿大学(Washington University in St. Louis)计算机科学与工程系人工智能实验室从事两年智能服务软件研发工作。2012年3月毕业于同济大学嵌入式系统与服务计算教育部重点实验室,获得计算机应用技术博士学位。2012年8月起,进入上海大学计算机工程与科学学院工作,组建了服务计算与数据挖掘实验室(Lab of Service Computing and Data Mining, SCDM Lab),已指导了(含协助)毕业和在读博士研究生10名、独立指导硕士研究生24名。

主要从事服务计算、边缘计算、数据挖掘与智能算法、网络信息安全和推荐系统等方向研究与开发工作,取得了一系列科研业绩。在相关领域顶级或重要学术期刊和国际会议发表高水平学术论文110余篇,包括服务计算研究领域的顶级和高影响力学术期刊IEEE Transactions on Services Computing、IEEE Transactions on Network and Service Management、International Journal of Web and Grid Services和International Journal of Web Services Research;服务计算研究领域顶级会议IEEE International Conference on Web Services (IEEE ICWS)、International Conference on Service-Oriented Computing (ICSOC) 和IEEE International Conference on Services Computing (IEEE SCC)等;人工智能研究领域顶级和高影响力学术期刊Information Sciences、Knowledge-Based Systems、Expert Systems with Applications、Applied Intelligence、Soft Computing和Journal of Web Semantics等;人工智能研究领域的顶级会议AAAI Conference on Artificial Intelligence (AAAI)等;以及生物信息学研究领域顶级学术期刊IEEE/ACM Transactions on Computational Biology and Bioinformatics (TCBB)、Bioinformatics、Briefings in Bioinformatics和BMC Bioinformatics等。

作为项目负责人,正在主持1项科技部国家重点研发计划项目(课题负责人,课题经费660万)、1项国家自然科学基金项目(面上)和多项企业委托项目;曾作为子课题技术负责人,核心参与完成了1项科技部国家重点研发计划项目(项目经费8985万元);曾作为项目负责人,主持完成了国家自然科学基金项目(青年)、上海市自然科学基金项目(面上、青年)、教育部博士点基金项目、上海市教委科研创新项目和上海高校青年教师培养计划等多项国家级、省部级和各类纵向科研项目。曾作为项目核心人员,参与完成了美国国家自然科学基金、国家自然科学基金(重大研究计划、面上、青年等)、国家“863”高技术研究发展计划、上海市科委和上海市经信委等10余项国家级和省部级科研项目。

近年来,作为项目负责人和核心研发人员,完成了15余项政府和大型企业信息化平台建设项目,包括智能可回收大数据平台、环卫行业大数据管理与可视化平台、基于文本处理的质量数据分类和聚类算法及应用研究、医疗大数据处理与分析软件、药物预警系统、人脸皮肤智能检测服务系统、面向政府车险数据的在线金融支付系统、上海隧道施工远程信息智能监控系统、广西电力信用挖掘与智能分析原型系统、华东电网电力市场交易系统和煤矿人力资源管理与决策平台等各类企业委托项目,产生了显著的经济效益和社会效益。


研究领域

  1. 服务计算(Service Computing)
  2. 边缘计算(Edge Computing)
  3. 数据挖掘与智能算法(Data Mining and Intelligent Algorithms)
  4. 网络信息安全(Network Information Security)
  5. 推荐系统(Recommender Systems)