1基本信息
姓 名：冯永
性 别：男
职 称：教授(博导、硕导)
职 务：系主任
办公地点：重庆大学A区主教学楼1709
E-mail： yong.feng@foxmail.com（校外联系）；fengyong@cqu.edu.cn（邮件服务器不稳定，仅用于校内联系）


招聘信息：本人招聘多模态大数据智能理解与挖掘、计算机视觉与跨模态感知、多场景大数据智能分析与服务领域的“弘深青年教师”，待遇从优，其中特别资助：37-40万元/年，另加学校科研奖励；重点资助：27-30万元/年，另加学校科研奖励，其他待遇及招聘条件详见校人事处网站：http://rsc.cqu.edu.cn/info/1039/2183.htm



招生信息：本人招收对多模态大数据智能理解与挖掘、计算机视觉与跨模态感知、多场景大数据智能分析与服务感兴趣的硕士、博士（含全日制博士和工程博士）研究生，目前研究生培养情况如下：
[1] 指导的研究生获得“重庆市优秀硕士学位论文” 1人次
[2] 指导的研究生10余人次获得全国研究生数学建模竞赛、中国大学生智能设计竞赛、全国研究生智慧城市技术与创意设计大赛奖项
[3] 指导的研究生获得“重庆市研究生科研创新项目”2项，其中1项优秀结题
[4] 指导的研究生获得国家奖学金7人次、“华为”奖学金1人次，80余人次获得重庆大学A等学业奖学金
[5] 指导研究生撰写CCF推荐期刊与会议论文20余篇，申请发明专利15项，授权4项
[6] 培养过程注重理论与实践充分结合，以项目驱动进行培养，毕业学生就职情况良好，如国家电网、腾讯、阿里巴巴、华为、字节跳动、百度、海康威视、携程、国家银监局等


2 个人简介：
冯永，工学博士，教授、博士生导师，重庆大学计算机学院工程系主任，重庆大学“计算机科学与技术（大数据方向）”和“物联网工程”专业负责人，重庆市医药智能物流工程技术研究中心首席专家，重庆市教育信息化专家，重庆市信息技术应用创新产业联盟专家委员会委员，重庆市研究生教育优质课程《大数据技术基础》课程负责人，国家重点研发计划会评专家，重庆市大数据项目评审专家,国家自然科学基金、教育部博士点基金、中国博士后科学基金、重庆市科技计划和广西科技计划的评审专家。专注于多模态大数据智能理解与挖掘、计算机视觉与跨模态感知、多场景大数据智能分析与服务的教学、研究与系统开发。作为通讯作者在中国计算机学会（CCF）推荐的《Information Sciences》、《计算机学报》、《自动化学报》等高水平期刊及会议发表论文30余篇，出版专著3部/章；作为第一作者发表CSSCI教改论文2篇；作为第一发明人授权和申请发明专利15项；主持国家重点研发计划、国家科技支撑计划、国家自然科学基金、中国博士后科学基金、重庆市科技计划、重庆市重点教改等20余项纵向课题；重庆市优秀硕士学位论文指导教师；获得全国高等学校计算机教育教学青年教师优秀论文一等奖、中国公路学会科学技术奖三等奖。第六届先进数据挖掘及应用国际会议（ADMA2010）的组织委员会主席；CCF推荐会议ICONIP 2019程序委员会委员；CCF推荐会议ICONIP 2017 Invited session Co-Chair；国内外高水平期刊IEEE TNNLS、ACM TOMM、IEEE TCSS、计算机学报等的审稿专家。


3 学术成果
第一和通讯作者论文
[1] Yiming Shen, Yong Feng, Bin Fang, Mingliang Zhou, Sam Kwong, Bao-hua Qiang. DSRPH: Deep semantic-aware ranking preserving hashing for efficient multi-label image retrieval. Information Sciences, 539: 145-156, October 2020. (JCR一区，中科院Top期刊，CCF推荐B类期刊)
[2] 冯永, 张春平, 强保华, 张逸扬, 尚家兴. GP-WIRGAN: 梯度惩罚优化的Wasserstein图像循环生成对抗网络模型. 计算机学报, 2020, 43(2) :190-205. (中国科技期刊卓越行动计划入选期刊，CCF推荐A类中文期刊)
[3] 冯永, 张备, 强保华, 张逸扬, 尚家兴. MN-HDRM：长短兴趣多神经网络混合动态推荐模型. 计算机学报, 2019, 42(1) :16-28. (中国科技期刊卓越行动计划入选期刊，CCF推荐A类中文期刊)
[4] 冯永，陈以刚，强保华. 融合社交因素和评论文本卷积网络模型的汽车推荐研究. 自动化学报, 2019, 45(3) :518-529. (中国科技期刊卓越行动计划入选期刊，CCF推荐A类中文期刊)
[5] Yi-yang Zhang, Yong Feng, Da-jiang Liu, Jia-xing Shang, Bao-hua Qiang. FRWCAE: joint faster-RCNN and Wasserstein convolutional auto-encoder for instance retrieval. Applied Intelligence, 50(7): 2208-2221, July 2020. (JCR二区，CCF推荐期刊)
[6] Yong Feng, Zhong-fu Wu, Jiang Zhong, Chun-xiao Ye, Kai-gui Wu. An Enhanced Swarm Intelligence Clustering-based RBFNN Classifier and Its Application in Deep Web Sources Classification. Frontiers of Computer Science in China, 4(4): 560-570, 2010. (中国科技期刊卓越行动计划入选期刊, CCF推荐期刊)
[7] Jiaqi Huang, Yong Feng, Mingliang Zhou, Baohua Qiang. Relationship-Aware Hard Negative Generation in Deep Metric Learning. 13th International Conference on Knowledge Science, Engineering and Management, KSEM 2020, Hangzhou, China, LNAI 12275, pp. 388-400, August 28-30, 2020. (CCF推荐会议)
[8] Chunping Zhang, Yong Feng, Baohua Qiang, Jiaxing Shang. Wasserstein Generative Recurrent Adversarial Networks for Image Generating. The 24th International Conference on Pattern Recognition (ICPR 2018), August 20th-24th, 2018, pp. 242-247, Beijing, China. (CCF推荐会议)
[9] Dong-dong Niu, Yong Feng, Jia-xing Shang, and Bao-hua Qiang. SCE-MSPFS: A Novel Deep Convolutional Feature Selection Method for Image Retrieval. The 25th International Conference on Neural Information Processing (ICONIP 2018), LNCS 11306, pp. 269–281, Siem Reap, Cambodia, December 13-16, 2018. (CCF推荐会议)
[10] Bei Zhang, Yong Feng. Improving Temporal Recommendation Accuracy and Diversity via Long and Short-Term Preference Transfer and Fusion Models. 18th Asia-Pacific Web Conference, APWeb 2016, Suzhou, China, September 23-25, Part II, LNCS 9932, pp. 174–185, 2016. (CCF推荐会议)
[11] Ting WU, Yong FENG, JiaXing SHANG, BaoHua QIANG, YaNan WANG. A Novel Recommendation Algorithm Incorporating Temporal Dynamics, Reviews and Item Correlation. IEICE Transactions on Information and Systems, E101-D(8): 2027-2034, 2018. (JCR四区)
[12] Yi-ze LE, Yong FENG, Da-jiang LIU, Bao-hua QIANG. Adversarial Metric Learning with Naive Similarity Discriminator. IEICE Transactions on Information and Systems, 2020, E103-D (6): 1406-1413. (JCR四区)
[13] Meng Ting XIONG, Yong FENG, Ting WU, Jia Xing SHANG, Bao Hua QIANG, Ya Nan WANG. TDCTFIC: A Novel Recommendation Framework Fusing Temporal Dynamics, CNN-Based Text Features and Item Correlation. IEICE Transactions on Information and Systems, 2019, E102-D(8): 1517-1525. (JCR四区)
[14] Yong Feng, Heng Li, Zhuo Chen. Improving Recommendation Accuracy and Diversity via Multiple Social Factors and Social Circles. International Journal of Web Services Research, 11(4): 32-46, 2014. (JCR四区)
[15] 冯永, 钟将, 李学明, 周尚波. 大数据高级技术人才协同创新培养研究与实践. 中国电化教育, 2017, 6 :35-44. (CSSCI核心, 教学研究论文)
[16] 冯永, 钟将, 叶春晓, 吴中福. 海量数字教育资源管理和共享的云服务模型研究. 中国电化教育, 2013, 5: 117-123. (CSSCI核心, 教学研究论文)

专利
[1] 冯永，王彬，黄旺辉. 发明专利申请：基于多模态机器学习的分类方法、在线新冠肺炎预警模型训练方法及预警方法. 5.5, 2020.09.07.
[2] 冯永, 黄嘉琪, 强保华, 尚家兴, 刘大江. 发明专利申请：融合三元组损失和生成对抗网络的多标签图像检索方法. 8.X, 2019.07.05.
[3] 冯永, 康宗伟, 刘大江. 发明专利申请：一种融合隐马尔可夫模型和数据投影切分的轨迹修正方法. 6.4, 2019.07.23.
[4] 冯永,沈一鸣,尚家兴,强保华. 发明专利申请：融合语义信息和多级相似性的深度哈希图像检索方法. 6.6, 2019.03.20.
[5] 冯永,乐艺泽,尚家兴,强保华. 发明专利申请：一种融合自适应相似度和贝叶斯框架的图像检索方法. CN5.3, 2018.09.21.
[6] 冯永,张逸扬,尚家兴,强保华, 邱媛媛. 发明专利申请：一种融合Faster-RCNN 和Wasserstein 自编码器的图像检索方法. CN6.4, 2018.08.15.
[7] 冯永,张英琦,尚家兴,强保华, 邱媛媛. 发明专利申请：一种基于Attention 机制和卷积神经网络的快速商标图像检索方法. CN6.1, 2018.07.10.
[8] 冯永, 吴婷, 边朝政, 魏然, 尚家兴. 发明专利申请：一种融合时间因素、文本特征和相关性的药品推荐方法. CN3.8, 2018.08.21.
[9] 冯永,王亚男,王亚清, 魏然, 尚家兴. 发明专利申请：一种融合用户潜在兴趣、时空数据和类别流行度的药品交易推荐方法. CN1.4, 2018.07.04.
[10] 冯永, 李铁柱, 钟将, 周尚波, 李季. 国家发明专利: 多聚焦图像融合方法. 专利号ZL7.5. 证书号: **. 申请日: 2011.11.10.授权公告日: 2013.09.18.
[11] 冯永, 黄嘉敏. 国家发明专利：基于内存计算框架、融合社交环境及时空数据的位置推荐方法, 申请号: 1.1. 申请日: 2016.12.01.
[12] 冯永, 张备. 国家发明专利：基于内存计算框架和长短周期兴趣迁移及融合模型的音乐推荐方法, 申请号: 8.2. 申请日: 2016.06.28.
[13] 冯永, 刘晶. 国家发明专利：迭代的基于用户点击的优化搜索和满意度提升方法和系统. 专利号: ZL5.9. 证书号: **. 申请日: 2013.05.17. 授权公告日: 2016.12.28.
[14] 冯永,王慧娟,钟将,周尚波,李季. 国家发明专利: 面向深层网页面数据自动抽取方法. 专利号 ZL4.4.证书号: **. 申请日: 2012.03.28. 授权公告日：2014.01.01.
[15] 冯永, 陆维. 国家发明专利：基于属性共现模式的DeepWeb查询接口模式匹配方法，专利号: ZL7.1. 证书号: **. 申请日: 2014.07.02. 授权公告日: 2017.05.03.

专著
[1] Yong Feng, Heng Li, Zhuo Chen, Baohua Qiang. Improving Recommendation Accuracy and Diversity via Multiple Social Factors and Social Circles, Chapter 6 of Innovative Solutions and Applications of Web Services Technology. IGI Global, ISBN: 88, DOI: 10.4018/978-1-5225-7268-8.ch006, pp.132-154, October, 2018.
[2] Longbing Cao, Yong Feng and Jiang Zhong. Advanced Data Mining and Applications: ADMA 2010, Part I, LNCS 6440. Springer-Verlag Berlin Heidelberg, 2010.(ISSN: 0302-9743, ISBN: 978-3-642-17315-8)
[3] Longbing Cao, Yong Feng and Jiang Zhong. Advanced Data Mining and Applications: ADMA 2010, Part II, LNCS 6441. Springer-Verlag Berlin Heidelberg, 2010. (ISSN: 0302-9743, ISBN: 978-3-642-17312-7)


项目
[1] 语义深度理解驱动的图像及文本统一检索研究，项目编号：**，国家自然科学基金。合作单位项目负责人
[2] 按需聚合的语义深层网查询云模型及评估研究，项目编号：**，国家自然科学基金。项目负责人
[3] 药械产销链大数据全程智能监管服务平台与应用示范，项目编号：cstc2017zdcy-zdyxx0047，重庆市重点产业共性关键技术创新专项重点研发项目。合作单位项目负责人
[4] 知识服务关键理论与算法研究，项目编号：2017YFB**，国家重点研发计划子课题。项目负责人
[5] 药品交易供应链协同技术研究，项目编号：2012BAH19F001，国家科技支撑计划子课题。项目负责人
[6] 融合深度学习机制和高层语义信息的图像与文本同构映射及关联检索研究，项目编号：cstc2017jcyjAX0340，重庆市基础与前沿研究计划。项目负责人
[7] 云环境下深层网大数据的个性化检索与评价研究，项目编号：cstc2014jcyjA40037，重庆市基础与前沿研究计划。项目负责人
[8] 大数据动态优化模型在综合流域管理系统中的应用研究及示范，项目编号：cstc2017shmsA20013，重庆市社会事业与民生保障科技创新专项。项目联合负责人
[9] 领域多模态知识图谱构建与检索研究，项目编号：kx202006，广西可信软件重点实验室重点研究课题。项目负责人
[10] 基于卷积神经网络的大规模景点图像检索研究，项目编号：kx201701，广西可信软件重点实验室重点开放课题。项目负责人
[11] 基于深度学习的图像大数据智能检索研究，项目编号：YD16E01，广西云计算与大数据协同创新中心开放课题。项目负责人
[12] 基于云计算模式的海量数字教育资源管理与共享研究，项目编号：112023，重庆市高等教育教学改革研究重点项目。项目负责人
[13] 面向大数据创新创业的计算机类本科生培养模式与质量评价研究，项目编号：153003，重庆市高等教育教学改革研究项目。项目负责人
[14] 大数据产业下计算机全日制专业硕士创新培养模式研究，项目编号：yjg132027，重庆市研究生教育教学改革研究重点项目。项目负责人
[15] 面向大数据智能化的计算机新工科协同创新培养与实践，项目编号：193006，重庆市高等教育教学改革研究项目。项目负责人
[16] 大数据智能化高级工程人才培养，项目编号：yalk201908，重庆市专业学位研究生教学案例库建设项目。项目负责人
[17] 汽车色彩综合辅助设计和知识管理技术研究，项目编号：CDJZR**，中央高校基本科研业务费汽车专项。项目负责人
[18] 面向Deep Web大规模数据分析的数据准备技术研究，项目编号：2008BB2183，重庆市自然科学基金。项目负责人
[19] 面向领域Deep Web服务的数据分析关键技术和算法研究，项目编号：，中国博士后科学基金。项目负责人

4成果简介
[1] 基于深度学习的粗细粒度融合图像检索系统

排序结果（全局特征）

重排结果（局部特征）
检索结果显示（按照图片相似度排序），相比初次排序，重排结果更注重用户关注的目标物体之间的相似程度，计算局部特征之间的相似度。


检索准确率与检索性能
[2] 基于深度学习的汽车综合辅助设计系统
基于与重庆长安汽车股份有限公司（汽研总院）技术协议及其需求，在长安汽车—重庆大学汽车协同创新中心的支持下，通过大数据抽取与融合技术，集成了800多款车型、4个GB的汽车销售数据、互联网平台用户评价数据及用户反馈系统数据；采用深度学习技术挖掘评论语义信息，进行情感分析；研究设计了汽车推荐算法，推荐相似汽车案例；采用D3可视化技术渲染数据分析结果，研发了基于深度学习的汽车综合辅助设计系统。

基于深度学习的汽车综合辅助设计系统