★软件具有国家版权局颁发的软件著作权登记证书。 ★软件具有省级或国家级检测机构出具的软件产品登记测试报告。 原型意象查询与沙盘游戏管理系统为教师应用沙盘游戏设备进行心理咨询的辅助性工具。主要功能有： 1、功能模块：平台集综合管理功能模块于一体，包含：个体记录、团体记录、用户管理、分析帮助、设备管理、学习资源、查看附件等。 2、档案管理：系统可记录操作者人口学信息包括姓名、性别、年龄、民族、籍贯等个人信息，为治疗师提供准确详细的分析信息。 3、个体记录：操作者可在个体记录中直接编写当前状态下游戏治疗信息，并可在操作现场直接利用系统搭载平台摄像头拍摄图片或视频上传于个体记录中。 4、监测功能：系统可实时监测来访者操作过程中的目光注视，面部表情，肢体动作，身体语言，声音特质，空间距离，操作流程，情绪状态等细节，方便心理治疗师进行观察，真正了解来访者的内心活动，加强咨询功能。 5、开放式平台：可通过其他外部设备摄制相关资料上传于该系统；同一操作者再次使用该系统时可在原记录信息上再次添加操作记录即可，方便管理员查看与对比使用者多次使用情况，管理员可通过操作系统直接拍摄现场视频或图片直接记录于系统中，也可以上传其它途径的图片或视频文件；方便治疗师进行前后对比，数据分析，成长记录，增强治疗效果等。 6、团体记录: 系统可以添加团体活动主题、活动人数、活动地点、活动时间，记录当前背景信息，供后期做数据分析和对比，同时也可以对已完成的操作记录记录进行删除。 7、分析帮助：系统自带专业角色意向寓意解析，管理员可自行添加和删除角色意向寓意分析，系统可通过检索查找对应角色寓意解析， 8、设备管理：管理员可以通过设备管理模块添加设备具体数量，并且根据消耗情况及时修改，方便管理员直接掌握和统计所有角色模型对应的数量及消耗情况。 9、学习资源：管理员可以上传各种心理学相关学习资料，学习资源库中的心理学内容资源不受网络限制，资源支持PPT、word、PDF、视频等内容格式，学习资源内容包括：心理文章500篇，名人励志心理格言500句，50名国际知名心理学专家简介，中小学心理健康课件50篇，心理知识可自主上传，更有针对性，方便用户了解与学习撑握心理键康知识，提升心理键康水平。

教室智能运维管理平台结合先进的AI、大数据、物联网等技术，与先进管理体制与先进管理模式相融合，建立现代化的智能运维体系，让教室管理更高效、更科学 产品特性： AI智能巡检，智能识别设备故障，主动防范教学事故 支持教学管理人员远程巡课 多维度可视化数据分析，助力科学决策 信息化建设成果展示 为满足多样化的大屏展示需求，智能运维管理平台能够充分呈现信息化建设的关键成果，如信息化系统建设情况、信息化设备日常使用情况，以及智能化系统的实时运行态势。  AI运维系统 当前许多的运维工作还是靠人工完成，例如教室设备巡检、设备关机检查、调换教室等。特别是巡检工作主要靠运维老师定期完成，平时只能根据报修电话被动开展检查维护。运维管理平台依靠AI技术，可按需（每天/隔天）对教室设备进行自动检查，实现课前发现问题，辅助分析解决问题，达成课中无故障的目标。同时智能机器人24小时值守，自动完成管理员设定的各类智能策略，帮助管理员实现简单而高效的运维工作。 教学设备统一管控 教室综合运维管控平台可以实现对教室内所有的教学设备设施进行统一集中的自动化管理。包含对传统多媒体教学设备（如：电脑、投影机、投影幕、功放等）、在新型教学理念支撑下所出现的新型教学设备，如：交互大屏等，以及环境控制设备（如：灯光、窗帘、空调等）进行自动化、智能化的控制。 教室巡课 平台专门为教学管理人员设计了的巡课功能。在办公室即可远程巡视教师的上课过程，通过教室的实际画面，也可通过勾选只看上课教室查看正在上课的教室，点击某一教室画面会进入巡课三画面页面，包括教师画面，学生画面，电脑画面。 移动运维系统 教室智能运维管理平台为更好的服务于教室管理老师，提升工作效率，提供了移动运维客户端，即使不在办公室，也能完成大部分教室远程管控工作。实现教室设备移动管控、设备故障移动处理，提升整体服务的效率和体验。。 统计分析 教室智能运维管理平台通过多维度分析教室运维管理的各项工作指标，形成量化数据并以图形化的方式呈现，为相关领导提供决策支撑。统计分析包括教室设备使用情况分析、故障统计与分析、灯时统计、能耗统计等模块。  

呼吸慢病患者物联网管理平台，主要是对患者的个人身体检测数据进行采集、主要是手环、听诊器、体温计的数据采集，医生对患者的听诊音频进行审核分析，并给出诊断报告；以及心肺音数据的切片标记。和呼吸慢病患者可视化分析，利用可视化工具提供丰富的图表展示，提高结果的可读性。

呼吸慢病患者物联网管理平台，主要是对患者的个人身体检测数据进行采集、主要是手环、听诊器、体温计的数据采集，医生对患者的听诊音频进行审核分析，并给出诊断报告；以及心肺音数据的切片标记。和呼吸慢病患者可视化分析，利用可视化工具提供丰富的图表展示，提高结果的可读性。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。