王洪智,男,出生于1974年5月。1996年本科毕业于大连交通大学机车车辆系,2015年获得大连交通大学计算机技术硕士学位。现任大连交通大学网络信息中心高级工程师。
研究方向:信息技术、下一代互联网技术、机器学习、模式识别、人工智能、物联网技术和网络安全。
审稿和委员:现任中国电工技术学会高级会员,多次担任学术期刊和国际会议的审稿专家和技术委员会委员,累计评审中英文论文15篇。
论文情况:近年来发表学术论文12篇(其中EI检索4篇,核心期刊3篇),授权软件著作权1项,申报发明专利2项。
科研工作:
(1)针对网络流量预测领域的现状和存在的问题,提出了一种基于多类支持向量机(Multi-class SVM)的网络流量预测方法。通过建立多分类SVM网络流量预测模型,对网络流量数据进行数据编码,并对数据模型进行训练,在预测阶段通过数据解码将多分类支持向量机的输出数据转换为实际的网络流量数据,并输出预测结果。实际应用结果表明,与单支持向量机(SVM)方法和BP神经网络方法相比,该方法的最小平方误差(MSE)大大降低。 通过这种方法,可以有效降低网络流量预测误差,提高网络流量数据预测的准确性。这是多分类支持向量机(Multi-class SVM)首次应用于网络流量预测,得到了专家同行的高度评价及论文引用,并被媒体宣传报道,对于互联网的进一步完善和发展起到了推动作用。
(2)自主开发了“基于SNMP协议的网络设备监控系统”。该系统依托Eclipse集成开发环境、Tomcat应用程序环境、MySQL数据库系统,使用Java语言进行代码编程。系统基于SNMP网络协议,集成了网络访问、网络设置、数据恢复、安全防御、设备监视、数据传输、数据备份、状态监控、系统设置等模块。系统实现了网络设备在线管理、网络故障自动报警、网络设备实时流量分析、网络设备添加和删除、设备管理全程可视化以及网络配置文件自动备份等功能。该系统已经在实际网络环境应用了5年,负责管理100余台网络设备,服务20,000多名用户,取得了满意的效果,并于2019年获得软件版权专利授权。同时,该系统也为网络设备管理提供了新的思路,软件适应能力较强,可同样应用于其他类似单位和部门的网络管理工作,可以大幅提高网络管理效率。
(3)开创性的提出了一种新的PCA特征选择算法用于流量特征识别,并首次把这种方法和改进Hadamard矩阵和ECOC-SVM算法相结合,用于数据分类,提高了分类精度。该方法得到了日本J.C. System公司科研同行的采用,取得了较好效果。
(4)把机器学习算法和大数据分析相结合,对大学生学习行为进行定量分析,定量的分析出影响学习效果的各方面因素,为教师改进教学方法、提高教学效果提供精准的分析数据。