本发明公开了一种基于 copula 函数获取风电场出力相关特性的 方法，该方法根据风电场出力样本获得 M 个风电场出力的累积分布函 数和累积分布函数值；通过极大似然方法获得 copula 函数的参数；再 根据参数确定每一个 copula 函数；根据累积分布函数和累积分布函数值获得经验 copula 函数值；根据每一个 copula 函数计算累积分布函数 值对应的 copula 函数值；根据 copula 函数值和所述经验 copula 函数值 获得两者间的欧氏距离；确定欧氏距离最小所对应的 copu

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。

2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。​结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。 

中试阶段/n该项目主要针对开源CT 医学影像数据和多中心合作单位提供的多模医学影像数据，采用人工智能技术和自主研制的深度学习算法对心脏左心室、肿瘤等CT 影像数据进行全自动分割，验证了所研制算法在该项目计算机辅助肿瘤智能诊断应用中的有效性，为项目产业化实施奠定了方法基础。成果的先进性或独特性：针对不同类型的医学影像感知设备，设计针对性强的机器学习智能算法；国内同类研究中首次采用“双盲评估+验证”的科研方法对影像数据进

考虑三维点云缺少颜色信息和光学影像缺少空间信息的互补特性，三维点云与光学影像多光融合装备可以提升数据的信息量，基于三维点云和二维图像融合的可视化结果，能够增强三维场景真实感，相较于可见光图像，融合后的三维点云可以实现多角度观测，能够更好的表达的空间特征。 相较于原始和伪彩色点云数据，融合后的三维点云有了色彩纹理信息，目标的形态和边缘都更加明显，整个三维场景更加的真实，也为后续识别、定位、重建等过程提供更多细节信息；同时克服了单一传感器的局限性，充分发挥两者的互补优势，大幅提升了探测设备的环境适应性，适用于全天时复杂场景的下目标探测，具有很强的实用价值。在无人驾驶领域，譬如智能导航、环境感知、高精度地图的构建等，都依赖于可见光图像和点云的融合处理。大家所熟知的百度 Apollo、谷歌 Waymo 自动驾驶系统均应用视觉相机和激光雷达作为主传感器进行定位和环境感知，目前已经实现 L4 级别的高度自动化驾驶。此外，在医学影像、高精度工程测量、工业生产、虚拟现实等领域，三维点云和可见光图像融合技术也有着广泛应用。 图1.三维点云与光学影像融合效果

该系统基于各级医疗系统的影像科研临床应用基础及各类院校影像教学大 纲而开发，贴合各级诊疗机构日常诊疗习惯和院校教学大纲需求，方便教师对各 类影像图片的展示和教学，能更好的让学生全面对各类影像进行阅片、报告书写 练习，以及熟悉临床应用及诊疗流程，有利于训练学生的影像技能操作能力及就业。

产品服务:项目主要是针对现有的二级三级城市地级市等城市的城市交通管廊检测，目前我们已经在谈的是整个东莞市区的城市污水管廊和电力管廊，和东莞市水务集团下属的管廊管理公司签订了战略合作，帮助他们对整个东莞市的污水管道进行基础检测，信息编码登记，污水处理，污泥和固废烧制成石膏或者水泥。整体来说每年的营业收入在1.5亿人民币到2亿人民币。盈利模式包括：检测，疏通，维护，修复，等。目前预计2020年11月份完成一公里左右的检测和修复，同时完成10个智能井盖的更换和检测。针对此项目的发展规划是依托同济大学电子信息与工程学院的技术支持，社会上寻求施工团队和资质拥有方合作，每年持续的接东莞的项目和整个东莞市智慧管廊的信息化建设。  商业模式:盈利模式包括：检测，疏通，维护，修复，等。

天津城市职业学院始创于1958年，是一所由政府主办的的多功能、社区性高等职业院校，各类学历在校生近万人。学院坐落于天津市中心城区，位于交通要道，交通便捷。50多年的发展历史积淀了深厚的文化底蕴，凝练了“自强、实干、团结、创新”的学院精神。学院曾荣获“全国成人高等教育先进单位”、 “天津市职业教育先进单位”等称号，是天津市高水平示范性高职院校建设单位。学院面向全国开展的高等职业教育，面向天津市开展的继续教育和面向河北区开展的社区教育构成了学院“一主两翼”的办学格局，成为了区域终身教育体系中重要的组成部分，在天津市高职院校中独树一帜，曾被教育部专家组誉为“天津职业教育三大亮点之一”。 目前学院设有社区管理与服务、酒店管理、物流管理、电气自动化技术等24个高职教育专业，形成了以重点专业和特色专业为龙头，相关专业为支撑的社区服务、财经商贸、自动化技术、信息技术四个专业组群。拥有现代物流实训中心(中央财政支持)、社区管理基地(中央财政支持)、酒店管理基地(中央财政支持)、早期教育实训基地、会计综合实训中心，自动化技术综合实训中心(天津市财政支持)、数字艺术实训中心、社区养老管理与服务实训中心。包含虚拟企业财务运营中心、智能化楼宇、自动化生产线安装与调试、数码产品维修、数码钢琴等80余个实训室。建立了联想“3C服务中心”、校园故事咖啡厅、小时代生活馆等企业实景的实训室。 学院依托“政校企(社)”联动平台，大力推行校企合作、工学结合、顶岗实习人才培养模式改革。与威德国际教育集团、天津泰达集团、北新动画公司、联想集团等多家大型知名企业合作，把企业实际项目搬进校园、企业技术骨干引进课堂，实施校企共育人才。学院以“塑城市职业学院学子形象”系列活动为载体，将专业技能培养与各类活动相融合，多措并举推进学生综合素质培养，促进全面发展，取得了显著效果。建有市级精品课程5门(其中精品资源共享课程2门)，4个市级教学成果奖，多年来毕业生就业率和专业对口率在全市同类院校中保持较高水平。

北京城市学院是经国家教育部批准成立的一所综合性普通高校，具有颁发国家承认的研究生、本科学历学位资格，并举办中职、高职专科教育。 北京城市学院创建于1984年，是新中国第一所实行公有民办体制的新型高校，以务实、创新而著称，被誉为中国高等教育改革的一面旗帜。建校以来，学校始终恪守为民办学的公益性宗旨，坚持以市场为导向，以应用型、实用性为特色，以服务区域发展为目标，走“本科立校，依法治校，优质强校，特色兴校”的发展道路;学校实施“适合教育、全人教育、有效教育、实用教育”的育人理念，全力创建高水平大学，全心造就高素质人才。 学校艰苦创业，不懈努力，设置理工、文法、财经、艺术、外语、管理、医药等学科门类百余个专业，全日制在校生2万余人，教工2000余名，学校馆藏图书200余万册，实验实训室百余个，学生公寓等设施齐全，校园网络先进快捷。 学校拥有一支以专任教师为主、专兼结合的优秀教师队伍。专任教师以具有国内外名牌高校学术背景的博士和正、副教授为主体，以“双师型”人才为骨干，其中有数十名国家级、市级专家和教学名师、优秀青年骨干教师，另有一批来自世界各地的英、法、德、西、葡、日等语种的外教。兼任教师队伍多为来自著名高校、科研院所的优秀教师和行业、产业部门的工程师、企业家、技术专家。师资多样化的组合为教育教学带来了鲜明的特色和可靠的保障。 学校十分重视实用性科学研究与社会服务。学校建立了社会建设、城市管理、城市经济、教育发展、3D打印技术等多个校级、市级研究院所和基地，在多个领域走在全国同类院校前列，教师论著和科研成果不断获得全国性和省市级奖项。学校面向社会开展社区教育与职业培训、管理咨询、技术转让和志愿服务，积极传播先进文化。 学校注重开阔师生的国际视野，先后同50多所境外高校建立了校际合作关系，每年通过各类合作交流项目选派各专业师生赴境外交流学习，并聘请合作院校教授来校讲学。学校自2013年起与世界50强名校英国华威大学联合举办中外合作办学项目管理硕士教育项目。2015年学校在欧洲圣马力诺建成具有中医药特色的孔子学院。每年学校为来华留学生开设具有校本特色的全外文课程。 学校努力培养大批城镇化进程亟需的应用型优秀人才，并积极造就一批城市管理、城市建设、城市经济、城市文化、城市服务等领域的高水平精英人才。学校注重结合市场需要设置学科专业，注重学生实用能力培养，注重环境育人、以文化人。学校以教育的高质量赢得了毕业生就业的高质量，毕业生以“留得住、用得上、干得好”著称于用人单位，毕业生初次就业率连续十多年保持在98%以上，在高校中名列前茅，并涌现出一大批行业骨干和社会新星。 今天的北京城市学院迎来了前所未有的历史机遇，北城人正意气风发走向辉煌的未来!

【十年树木，百年树人】广西城市职业学院2010年被评为“自治区文明单位”，是一所经国家教育部备案，具有独立颁发国家承认学历文凭资格的综合性全日制普通高校，现有在校生10000余人。学院坚持"质量立校、人才强校、文化塑校、特色兴校"的办学理念，形成了"科学精神与人文精神" 相结合的校园文化，培养"勤奋、严谨、求实、创新" 的学风，努力建成现代化职业教育基地。 【幽雅的学习环境】学院座落于祖国南疆的左江河畔,占地880多亩，毗邻南宁国际机场，交通便利，环境幽雅。2011年，校内最大的综合实训基地——逐羊景区被评为国家3A级旅游景点，文化百家林、飞龙在天等自然与人文景观遍布全院每一个角落，这里是求学治学的理想之地。 【雄厚的教学实力】学院建立了一支结构合理、师德高尚、掌握现代教育教学方法、以"双师型"教师为学科带头人的师资队伍，现有教师总数772人。学院坚持面向世界，开放办学。先后与日本、新加坡、泰国、越南等国家和地区的9所大学建立了学术、学生交流的关系，促进了学院人才培养水平的提高和培养目标的实现。 优良的教学设施】学院共投入教学仪器设备总值6013.5万元，教学用计算机1277台;多媒体、语言实验室座位数9336个;图书馆藏书104.725万册;已建成涵盖51个专业功能齐全、设备完善的校内实验实训基地23个，校外实训基地135个，为学生理论联系实践教学提供了硬件设施保障;拥有标准塑胶田径场及游泳池、风雨球场等体育设施，教学及生活设施完善。 【科学的办学格局】学院现设有经济技术分院、机电工程分院、外国语分院、人文科学分院、管理科学分院、建筑工程管理分院共6个分院。开设有会计电算化、汽车检测与维修技术、应用泰国语、装潢艺术设计、酒店管理、建筑工程管理、学前教育、数控技术、模具设计与制造等52个专业。形成工科、文科、管理、经济多个学科交叉互补的办学格局。2010年我院荣获“自治区文明单位”称号，并被确定为"自治区首批专本衔接试点院校";2012年我院被评为 “2011年度全区高校学生资助工作先进单位”;2012年我院获得“广西民办高等教育发展突出贡献奖”荣誉称号;2013年我院被评为“2013年度广西壮族自治区高等学校安全文明校园”荣誉称号。2015年被评为”全国绿化模范单位“。 【莘莘学子心灵故乡】城院的"兼容并蓄"让她更像一个包容一切的熔炉，任何人都能找到热爱她的理由。无论什么季节，当你漫步在这片蓬勃向上、激情跃动的热土上，都会被她特有的精神活动和文化氛围所濡染。这里的每一寸土地都在说话，每一片叶子都在抒发情怀，每一块基石上都记录人城院人对自然、社会、人生的感悟。广西城市职业学院是一块圣地，也是莘莘学子心灵故乡。