首页
联系我们
EN
首页
科学研究
创新理论
有界计算理论
近似计算理论
并行可扩展理论
增量计算理论
跨模融合计算理论
大数据质量保证模型与方法
逻辑+AI
大数据计算复杂性理论
论文发表
知识产权
产品与解决方案
崖山数据库
采石矶
钓鱼城
新闻中心
综合新闻
科研动态
媒体宣传
通知公告
关于我们
研究院概况
组织架构
联系我们
招纳贤才
基础研究招聘
博士后招聘
社会招聘
校园招聘
文化党建
信息公开
深圳计算科学研究院研究团队
向国际开源社区贡献中国力量
早期原创理论成功落地工业界
应用
电信数据查询
精准营销与商业推广
反金融欺诈
图数据质量
基于图的机器学习
系统
全自研新型分析型数据库
数据质量系统
图数据因果推理系统
理论
Volume
有界计算理论
近似计算理论
Velocity
并行可扩展理论
增量计算理论
Variety
跨模融合计算理论
Veracity/Value
大数据质量保证模型与方法
逻辑+AI
大数据计算复杂性理论
大数据的量(volume)与质(veracity)给计算问题带来极大的挑战。经典计算复杂性理论把一个多项式时间内可解的问题分为易解(Tractable)问题和难解(Intractable)问题。然而,面向大数据计算中,多项式时间复杂度甚至线性时间复杂度的算法在实际应用中已变得不可接受,导致经典计算复杂性理论认为的易解问题成为实际上的难解问题。我们给出大数据下的易解问题的复杂性刻画,将从理论根本对经典计算复杂性理论进行颠覆。
获奖
Royal Society Wolfson Research Merit Award (2018)
2016 ACM SIGMOD Research Highlight Award
PODS Alberto O.Mendelzon Test-of-time Award(SIGMOD/PODS May 31 –June 4, 2015; June 6 –June 11, 2010)
Roger Needham Award (2008)
粤公网安备 44030902003371号