基于跨行业数据挖掘标准流程CRISP-DM，实现数据的深度挖掘分析，帮助教师与学生发现数据中隐藏的关系及规律，为教师科研提供数据分析探索、模型构建、成果应用的一站式数据挖掘工具，高效开展行业应用研究。平台支持用户通过简单拖拽、低代码的方式快速完成挖掘分析流程构建。同时支持模型自动化构建、模型智能评估，推荐最优模型与算法。 1、极简的建模过程 基于拖拽式节点操作、连线式流程串接、指导式参数配置，用户可以通过简单拖拽、配置的方式快速完成挖掘分析流程构建。平台内置数据处理、数据融合、特征工程、扩展编程等功能，让用户能够灵活运用多种处理手段对数据进行预处理，提升建模数据质量，同时丰富的算法库为用户建模提供了更多选择，自动学习功能通过自动推荐最优的算法和参数配置，结合“循环行”功能实现批量建模，帮助用户高效建模，快速挖掘数据隐藏价值。 2、丰富的分析算法 内置150多个分析算子，包含30余种数据预处理方法，5种数据融合方法、11种常用特征工程，实现数据融合处理与特征构建；包含聚类、分类、回归、关联规则、时间序列、综合评价、协同过滤等7类N种机器学习算法，支持深度学习、集成学习与自然语言处理等人工智能分析方法，满足各类业务科研场景需求。 3、灵活的扩展能力 支持用户编制SQL\R\Python\Java\Scala\Matlab\PySpark脚本实现个性化的算法脚本。自定义算法功能允许用户通过R\Python\Java\Scala基于平台规范封装自主算法并发布形成平台节点，方便用户灵活扩展平台算法节点功能，增强平台的业务适应能力，充分满足不同领域科研的个性化需求。 4、全面的分析洞察 通过丰富详实的洞察内容，帮助用户全方位观察建模过程任意流程节点的执行结果，为用户开展建模流程的改进优化提供依据，从而快速得到最优模型，发现数据中隐含的业务价值。建模分析报告支持在线查看，并且支持下载可编辑Word版本，支持科研报告及相关成果发布应用。 5、全栈科研成果管理与应用能力 分析成果的快速工程化应用，支持模型以调度任务、异步服务、同步服务、流服务及本地化服务包等形式应用，满足工程化的不同诉求。提供统一的成果分类统计及统一管理监测，帮助用户高效便捷地管理成果、利用成果及监测成果。 6、跨平台模型迁移及融合 支持PMML文件的导入和导出，可以实现跨平台模型之间的迁移和融合，利于用户进行历史模型的迁移，实现用户在不同平台的模型成果快速共享，提升各类科研成果的复用性。    

2025年4月26日，中国日报网以《全国首家广电视听人工智能学院共建合作签约仪式举行》为题对我校进行了报道。

系统主要应用于机器学习、深度学习和机器视觉等领域， 针对各团队常见的数据管理困难、科研进度难协同等问题， 通过搭建私有云服务器，提供可视化虚拟系统镜像， 并开发科研管理软件，实现团队管理的高效与智能化。

项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别 一、项目分类 关键核心技术突破 二、成果简介 项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别，将以查视频回放的结果型安全管控模式，转变为控制关键作业环节的过程型管控模式，实现了安全关口前移 服务规范管理 智能数字化分析，提高了全站精细化管控能力以及管理层科学决策、信息决策能力。可应用于能源、电力、制造业等与人员安全以及操作流程合规性密切相关的行业。

技术分析(创新性、先进性、独占性) 为了充分利用先进的人工智能的新技术，提高医疗影像辅助诊断的水平，使得智能医疗诊断技术提高临床诊断的质量和效率，使其尽快走入家挺、社区，满足人们的医疗健康的需要。研究临床医学影像的2D病灶精细分割和三维跨模态的影像三维重建技术。首先，通过建立多层感知的神经网路，对医学影像的特征进行充分学习，得到影像的几何映射的关系，从而实现对医学影像的三维重建，克服了现有的三维重建技术中度量关键问题，关键技术对于医学影像的精准度量，具有现实意义:其次，在2D病灶分割中，利用半监督学习技术，实现少标签情况下的分割技术，半监督学习技术可以有效解决医学影像中标签难以获取的问题。技术的研究成果的特点是医学影像跨模态辅助诊断技术，对于超声、CT以及核磁共振等影像都有效，并且攻克的神经网络过于复杂的关键问题，所研究技术适用于临床快速便捷辅助诊断。此外，在医学度量方面的关键技术中，突破了人体腹腔及皮下脂肪的精细分割技术的关键技术，可以用于临床辅助诊断中，在关键技术探索中，实现对腔内脂肪特征的精细学习，该技术仅需要少量的影像标准数据，就可以实现皮下脂肪的准确分割，并证明了关键技术的有效性。

北京体育大学主导研发的全球首款基于AI图像识别技术的三维运动解析系统可以自动识别人体关键点，将不同摄像机拍摄到的同一运动画面进行三维合成和运动技术分析，获得运动生物力学的详尽参数。该系统利用AI 技术大大降低了人工解析时间，提高了三维解析效率，有效提高运动表现。

我国科研团队首次利用机器学习反求设计（machine-learning inverse design）实现三维矢量全息(Three-dimensional vectorial holography)新技术的相关研究成果发表在国际顶级学术刊物《科学进展》上。该杂志为《科学》(Science)刊物旗下子刊，是一个涵盖所有学术领域的开放性、综合性科学刊物。这项光学全息技术领域的突破性研究，由上海理工大学庄松林院士和顾敏院士领衔的未来光学国际实验室完成。研究中基于机器学习的反求设计，可精准且迅速地产生一个或多个任意三维矢量光场，有望应用在超宽带全息显示、超安全信息加密以及超容量光存储、超精确粒子操控等各个领域。光是一种电磁波，其在介质中传播的同时伴随着电磁和磁场的振荡，被称为光的矢量特性。研究人员介绍，基于光波的横波特性，光的振荡通常被限制在与其传播方向垂直的二维平面上。近些年，科学家研究发现光的振荡可打破传统二维平面的束缚，通过干涉产生纵向光振荡，即形成第三维光矢量。但精确产生任意三维矢量光场仍是一个世界性难题。在物理学上，通过求解三维麦克斯韦方程可以正向得到一个三维矢量光场分布，但其不可控。顾敏科研团队利用人工智能的机器学习反求设计，解决了这一难题，率先实现了三维矢量全息，并可精确地控制三维全息图像中每个像素点的任意三维矢量状态。顾敏介绍，这样的操控是全方位的，包括对每个三维矢量光携带的信息进行编码、传输和解码，因而消除了传统二维偏振光的束缚。“通过人工智能机器学习的新技术，我们首次实现了三维矢量光的操控，并将机器学习的算法延伸到光学全息中去。”机器学习在光学设计中扮演着越来越重要的作用。文章第一作者任浩然博士说：“我们研究证明训练后的人工神经网络可有效、快速地产生任意三维矢量光场，达到接近百分之百的准确性，极大地提高了光场调控的效率。”此外，这项发明为光学全息开辟了一条新道路，首次在全息中证明光的三维矢量状态可以作为独立的信息载体，实现信息的编码和复用。顾敏表示，“这项发明不仅为下一代超宽带、超大容量、超快速并行处理的光学全息系统奠定了基础，同时也为人们加深理解光与物质的相互作用（例如粒子操控）提供了一个崭新的平台。”

面向数字人的大规模生成需求，发展生成式人工智能理论，探索机器学习方法从数据中自动化学习数字人建模方法，提出了高精度三维人脸重建技术、表情驱动数字人技术、语音驱动数字人技术三项世界领先的技术，以低成本、高效率生成可驱动的高保真数字人。该技术能够极大提升数字人的生成质量与生成效率，支持大规模高精度的数字人生成，具有广泛的应用前景。

失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。 图1.本项目研发的原理样机部件

基于智能视频分析，采用5G+人工智能+边缘计算等高新技术，实现对监控区域内的火烟进行智能识别、实时分析报警。不依赖其他传感设备，直接对视频监控区域的画面的烟雾和火焰均可及时准确识别。 它具有自动扫描、自动识别、自动报警、自动定位的功能，通过系统智能识别，发现火情实时向后端监控中心发送报警信号，同时会将火点位置在地图上精确定位，一旦火灾确定，决策人员可以通过视频追踪、资源查询、火情推演、预案管理等功能进行扑救会商并制定详细的灭火作战方案，达到快速消灭火灾的目的。 系统可协助管理人员，对监测区域内火焰做到全天二十四小时实时分析及时报警。降低误报和漏报现象，减少因火灾造成的生命和财产的损失，是人们同火灾做斗争的有力工具。