汉字是中国文化主要的载体，汉字的学习涵盖从字、词到古诗、古文，因此日常教学中教好汉字是重中之重。汉字寓于语文与书法之中，是学生学习基础中的基础，同时也贯穿了学生各学段的学习。如何能够利用信息化手段，提高汉字教学的效率，促进以汉字为核心的传统文化的继承与发展，是信息化时代下汉字教学应当探究的重要课题。        本项目依托北师大教育学专家教育理念为指导、结合书法教育专家司马彦硬笔书写应用规范，推出的适用于全国中小学教学所需的硬笔书法教学系统；集教学资源、课程体系、数据记录、智能评价为一体，贯穿汉字学习中的“教、学、练、评、考”各环节。        “数字书法教学系统”是利用基于传统纸笔书写方式，不改变传统学校汉字教学环境与模式，贯穿老师信息化教字、学生互动性学字、趣味性练字整个教学过程，建立师生间互动的全新学习模式。将学习的方式及方法重新塑造，不但能激发学生学习的动机与创新探究的精神，更让老师丰富教材内容以及轻松教学教字。        系统规范的示范字字库的教学应用，可为老师的课堂教学提供参考资源，减轻备课负担。课堂中，师生借助于简单的纸笔在教材、学案及字帖本上真实的书写，实现多人书写原笔迹过程回放，并基于笔顺、笔画、结构、方向等维度的自动化评价，以及书写数据的信息统计。        将学生课堂的学习行为真实、即时展现，从中提炼出的学生课堂数据可提示老师的下一步教学动作，增强课堂中对于学生行为反馈的即时性、互动性和生成性。同时系统最大程度地将生成性数据进行可视化量规处理，为老师提供最直观的数据支撑，让数据介入教学活动，有利于达到以学生为主体、以学定教的教学效果。        本方案尊重传统教学，让师生重拾纸和笔，以一种最简单的方式，在不经意间，达到汉字学习与书法教学的既定目标。        (本产品报价以一间40人教室为例，具体价格欢迎来电咨询）

中标普华飞鸽云文档管理软件（简称：飞鸽云文档）是一款用于组织级的文件数据的云端存储、安全备份、分类管理、在线查阅、数据分享及知识化的数字资产管理软件。 飞鸽云文档软件支持银河麒麟、中标麒麟、Windows，具备个人网盘、群组网盘、公共网盘、标准化文档模板库的管理功能，支持细粒度的权限管控，建立基于文档全生命周期的数字化、移动化、协同化为一体的文件管理平台，助力党政机关和企业的数字化转型。 产品功能 1) 云端存储、多终端同步 组织级的文件数据云端存储与统一管控，产品覆盖多终端，数据实时同步。 2) 及时共享、高效协作 支持跨地域、跨组织、跨部门的文档协同、文件传输与即时分享，打造支持异地办公、实时共享的平台。 3) 文件全生命周期的安全管控  覆盖文件生成、存储、流转、应用、外发的全生命周期的文件数据安全管控。  支持多种文件格式的在线预览，具备多人在线编辑文档功能，支持文件历史版本管理和溯源。  支持多种搜索方式的组合查询，具备全文检索的功能。 4) 实现组织数字资产价值的最大化利用 建立标准化、规范化的文件模板库，支持文档模板的快速复用，实现文档价值的最大化，实现文档到知识的跃迁。 5) 灵活丰富的统计视图 多维度的数据查看、汇总输出和统计分析，可视化的管理跟踪及全局视图，支持领导视图的自定义设置。 6) 海量数据存储、支持按需扩展 产品特点 高可靠、高安全 完整数据流通链路的高强度加密，内置防病毒引擎，建立访问安全、行为安全、数据安全的三重防护体系。 操作权限的精准管控 采用RBAC访问控制策略，实现权限分级管控和细粒度操作权限的自定义设置和权限管控。 满足等保4级安全要求  三权分立，具备审计管理功能，实现业务追溯和审计提供依据。  实现数据安全、访问安全、登录安全、身份安全、应用安全、分权管理及日志跟踪的全套解决方案。  已通过等保四级安全测评。 自主研发，全面兼容国产化软硬件环境 产品全面适配国产化软硬件环境，具备各种组合环境适配调优能力。 快速部署、提供丰富的集成接口 可与各类信息管理系统和业务系统实现无缝对接和深度集成，支持灵活敏捷的业务定制。

以数字化、网络化、智能化、安全化、平台化为客户实现“化N为1”，一键既所见，打造智能高效、节能、安全、环保的管、控、营一体化平台，提供一站式的物联网解决方案。为了解决系统工程集成商项目应用中存在的设备管理，数据分析，用电安全，运维保养，可视化应用，外部系统对接等繁琐痛点。

一种大规模并发数据流处理系统及其处理方法,涉及数据处理技术领域,所解决的是提高流处理器处理效率的技术问题.该系统包括数据流单元缓冲区,数据流单元聚类队列池,数据流单元映射表,流处理器池,数据流读取部件,DSU聚类分配部件,任务调度部件,计算后处理部件,所述流处理器池由多个GPU构成,其中数据流读取部件用于将并发数据流写入数据流单元缓冲区,DSU聚类分配部件用于对数据流单元缓冲区中当前被处理的数据流单元进行分类,任务调度部件用于将数据流单元聚类队列池中的就绪队列加载至流处理器池中的GPU上执行流计算,计算后处理部件用于将GPU的计算结果返回到数据流.本发明提供的系统,能提高流处理器的处理效率.

2020年1月30日，天津大学生物信息中心新型冠状病毒基因组注释数据库上线，并纳入中国国家基因组科学数据中心向全球开放服务。天津大学生物信息中心的高峰教授、罗昊博士采用已研发的ZCURVE_CoV系列软件对包括新型冠状病毒(2019-nCoV)在内的两千余株冠状病毒的基因组进行了基因识别和酶切位点预测，并以数据库(ZCURVE_CoV Database)的形式提供网上服务。

为服务社会大众了解疫情走势，并为相关部门提供决策支持，北京航空航天大学北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点与结束日期预测、疫情缓解系数评估等功能。此外，大数据与脑机智能高精尖创新中心研究团队根据疫情确诊患者相关公开数据，利用自然语言处理等技术，从已公开全国各省市直辖区四千余位确诊患者轨迹中抽取了基本信息(性别、年龄、常住地、工作、接触史等)、轨迹(时间、地点、交通工具、事件)及病患关系形成结构化信息。同时开发确诊患者轨迹可视化查询与分析系统，为疫情传播与防控相关研究提供有效支撑。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

成果描述：本实用新型公开了一种用于串行雷达数据的协议转换器,包括中央处理器、网卡芯片、PHY芯片和交换芯片；其中,中央处理器对外部输入的串行雷达数据进行解析而得到数据报文,并通过数据总线传输给网卡芯片；网卡芯片按照设定的以太网协议,将数据报文封装成网络数据并将网络数据传输给PHY芯片,PHY芯片通过与其连接的交换芯片将网络数据转发至目标端口。因此,本实用新型能够通过协议转换实现串行雷达数据在网络中的传输。市场前景分析：本实用新型能够通过协议转换实现串行雷达数据在网络中的传输。与同类成果相比的优势分析：国内领先

本发明基于压缩感知理论将将测量的信号通过1比特量化，去掉了之前被测信号能量为1的假设，通过循环迭代的公式最小化凸的替代函数，最终恢复出要测量的信号，相比于之前相关算法明显的提高的信号的恢复精度。