随着计算机互联网、移动互联网，物联网，高速发展，数据资料的增长正发生巨大的变化，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。 DDP 是德拓公司自主研发的成熟的大数据商用平台，整合了德拓在近几年大数据项目实践中的技术沉淀。平台涵盖了数据的采集、存储计算、分析挖掘、应用建模、可视化展现 以及运维管理等全部能力。各行业应用和最终用户可以通过 平台提供的丰富的接口，完成行业大规模数据的挖掘分析和应用对接管理。

翟继先课题组此次发布的数据库（Arabidopsis RNA-seq database, ARS）整合了来自GEO、SRA、ENA和DDBJ数据库的20,068个拟南芥RNA-seq数据，提供了“Google-style”在线查询工具。该研究对所有文库进行了基因表达水平定量和共表达网络分析，并将所有文库进行分类，总共涉及1176个突变体、1102种处理条件、12个组织和176个发育时期，同时也对突变体和处理条件分别同对应的对照组进行差异表达分析。

成果基于对地理现象与规律的“格局→作用→过程”的理解，将其抽象为地理空间模式（聚集、关联与演化模式），并针对地理空间模式挖掘的复杂空间关系、自相关与异质性、优化建模等关键科学问题开展研究，构建了面向地理现象理解的地理空间模式挖掘理论与方法。 1.发现了地理实体间空间关系描述的层次性与统计规律，建立了拓扑关系层次化描述模型和度量关系统计描述模型，突破了地理空间模式挖掘中复杂空间关系精细建模与模式认知的基础问题。 2.发现了空间自相关与空间异质性对地理空间模式表现形式影响作用的统计规律，建立了地理空间模式自适应挖掘模型与方法，突破了地理空间模式挖掘中地理要素自相关与异质性建模的关键难题。 3.发现了地理空间模式挖掘过程中模型有效性、模型性能与模型稳定性间的调和规则，结合博弈论与局部搜索策略，建立了地理空间模式挖掘自适应优化模型，提高了挖掘结果质量与稳定性。

成果基于对地理现象与规律的“格局→作用→过程”的理解，将其抽象为地理空间模式（聚集、关联与演化模式），并针对地理空间模式挖掘的复杂空间关系、自相关与异质性、优化建模等关键科学问题开展研究，构建了面向地理现象理解的地理空间模式挖掘理论与方法。 1.发现了地理实体间空间关系描述的层次性与统计规律，建立了拓扑关系层次化描述模型和度量关系统计描述模型，突破了地理空间模式挖掘中复杂空间关系精细建模与模式认知的基础问题。 2.发现了空间自相关与空间异质性对地理空间模式表现形式影响作用的统计规律，建立了地理空间模式自适应挖掘模型与方法，突破了地理空间模式挖掘中地理要素自相关与异质性建模的关键难题。 3.发现了地理空间模式挖掘过程中模型有效性、模型性能与模型稳定性间的调和规则，结合博弈论与局部搜索策略，建立了地理空间模式挖掘自适应优化模型，提高了挖掘结果质量与稳定性。

本发明公开了一种自动化数据挖掘预处理方法，其特征在于， 包括：建立数据库和预处理规则库，在该数据库中新建数据表且标准 化命名，将待预处理数据进行抽样后导入新建数据表中，同时对抽样 后的预处理数据的每一个字段的值进行数理统计；提取数据表的关键 字 A、B 和 C，在预处理规则库中查询是否存在这些关键字，如果不 存在则将数据表的关键字和所有字段添加到预处理规则库中，然后采 用分箱法和数据平滑法对所有预处理数据进行处理，以生成新的规则， 并将其添加到原有规则库中。本发明通过对预处理结果进行评分和反 馈，调整字段映射函数，提高预处理的质量。

项目简介 “医疗保险违规和欺诈行为的数据挖掘平台”属计算机软件与其他学科交叉领域， 是数据挖掘技术在医疗保险业一个典型的应用。平台具备挖掘项目的自定义，使数据挖 掘过程直接面向业务问题，降低医疗保险业内部业务人员对医疗违规欺诈行为进行监管 的技术门槛。通过将业务问题关联的数据挖掘结构、对应的算法、关联参数、结果界定 规则及评估方法进行固化配置，降低了使用者在挖掘项目构建时的难度。通过对挖掘结 果的界定规则及评估，监管及执法提供了定量依据。通过自定义展示

癌症是全球第二大死因，对人类的健康构成严重威胁。我国人口基数庞大，老龄化进程不断加快，癌症防控工作也面临巨大挑战。准确、实时的恶性肿瘤发病数据可为防控相关的政策制定、资源配置和科技项目实施与效果评估等提供重要依据。肿瘤发病数据的获得主要通过“肿瘤登记”实现，其中最理想的模式为“基于人群的肿瘤登记体系（Population-based Cancer Registry,PBCR）”。我国现行的肿瘤登记工作可追溯到上世纪50年代末60年代初。历经几十年发展，“从无到有”、“从弱到强”，为相关工作的开展提供了关键的基础数据。然而，受限于“基于监测哨点开展、定点医院人工填报”的主要形式，目前我国肿瘤发病登记工作的发展遇到挑战。其中主要包括：肿瘤登记点数量不足和分布不均衡；肿瘤登记数据深度和广度不足；很难在现有模式下建立真正覆盖全人群的肿瘤监测系统。同时，对上报数据的采集、补充、质控需要较长周期，导致我国肿瘤发病年报通常会滞后3年发布。河南省滑县与广东省汕头市合计在籍人口约700万人。近十年以来，各项医保系统的总参保比例分别稳定在99%及90%以上。两地区过去一直被认为是食管癌高发区，但目前尚无国家肿瘤登记系统覆盖，因此实际的癌症负担及食管癌发病水平仍不明确，无法有针对性地制定并实施肿瘤防控计划。过去十余年，柯杨教授课题组在我国太行山食管癌高发区开展了多项大规模前瞻性人群研究。在长期的队列随访工作中，课题组探索出利用“医保报销数据”追踪肿瘤新发病例的工作模式。经比较性研究评估，该模式对新发癌症病例捕捉的灵敏度高达96%，特异度接近100%[4]。在此基础上，该团队进一步与河南省滑县和广东省汕头市政府有关部门与医疗机构建立深度合作，在高度重视数据安全与隐私保护的基础上，创新性地基于医保系统的医疗费用报销与疾病诊断数据，建立了一套标准化的数据清理流程和质控标准，研发了医保系统数据挖掘的相关算法（已申报相关发明专利），实证性构建了南、北方两个试点地区的肿瘤发病监测系统。对当地全瘤种的癌症发病数据及其流行分布特征、时间趋势等进行了深入分析与报告，为两地区明确癌症疾病谱特征及相关负担、有针对性地建立并完善癌症防控工作策略提供了详实的数据。2012-2018年河南省滑县与广东省汕头市参保全人群的年龄分布 （高参保率及稳定、详实的人口分布数据使MIS-CASS实现“全人群覆盖”）2018年河南省滑县与广东省汕头市男、女性主要恶性肿瘤发病例数及发病率 （医保数据的“实时性”与“高质量”使MIS-CASS的发病数据报告延迟缩短至6个月）2014-2018年河南省滑县与广东省汕头市男、女性主要瘤种发病率变化趋势 （MIS-CASS敏锐地捕捉到了滑县开展乳腺癌筛查引起的发病率“突增”）2018年广东省汕头市食管癌发病率地域分布特征 （MIS-CASS报告显示，汕头市整体食管癌发病水平不高，但内部地域差异明显，地处东北、四面环海的南澳岛为高发区域，西南方向渐呈下降趋势）我国《“十三五”规划（2016~2020）》和《“健康中国2030”规划纲要》均提出，要推进健康大数据在各相关部门间的整合、共享、挖掘和应用。该项工作将医保系统创新性地与癌症发病监测工作相结合，建立了基于医保大数据监测癌症发病的MIS-CASS模式。经评估，该模式具有区域内全人群覆盖、数据质量高、报告延迟短、运维成本低等优点。在信息化与大数据时代背景下，为我国癌症及其他重大慢性非传染性疾病的监测与登记工作提供了有益经验和发展方向。

利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。       中山眼科中心近年来对近视眼进行了系统性的研究，不断取得突破，产生了重大的社会影响和意义。