爱学堂教学大数据展示平台是专为高校教研开发的数据挖掘分析应用系统，致力于对学校教学中互动数据、学生行为数据、教学数据的科学分析，用数据让校方把控教改方向，让教师科学制定教学方案，让学生精准认知自我。

建设专业的大数据实践教学平台，提供多样的实践教学环境和算力支持。 提高大数据专业建设水平，丰富大数据教学资源和提高专业能力。 链接产业，转化和对接企业级大数据项目案例、数据集并做到及时更新。 提供师资工程能力，提供充足的大数据专业师资和技术支持服务。

本平台实现交通数据的可视化、预测、关联性分析

产品详细介绍

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

新一代网络关键设备，创新性的提出感知、计算、存储一体化智能网络体系架构，在网络核心节点设备引入大数据人工智能方法，突破网络简单转发能力，实现流量智能感知与分析。 

系统重点解决舆情数据分析中可视化舆情数据采集、存储和分析方法问题。系统提供可视化舆情数据采集方法，解决了用户定义数据采集模板易用性问题。系统采用主流的hadoop系统作为存储系统，解决了系统可用性问题。系统实现了多种舆情数据分析算法，实现了舆情报告辅助生成功能，能够有效的协助舆情分析人员工作。系统数据采集吞吐量、数据存储、计算能力均具有良好的扩展性。

该项目利用国家卫健委公布的确诊病例总数数据链，以应用传播动力学为方法，以黄森忠教授建构的普适SEIR模型作为模型理论，通过“南开大学智英健康数据研究中心”开发的程序EpiSIX，分析新冠病毒肺炎疫情有关数据，并将分析结果生成可视化网页，开展疫情发展回顾、确诊病例数时序区间预测等相关工作，对疫情发展情况及疫情防控效率作出研判。 研究团队由黄森忠教授和山西大学复杂系统研究所所长靳祯教授、南京医科大学公共卫生学院彭志行副教授共同领衔，南开大学统计与数据科学学院多名年轻教师与研究生加入。研究团队从1月30日至2月14日，每3日发布一次预测，已连续发布疫情传播预测6期，并根据疫情变化，及时调整预测评价指标，其预测区域也进一步细化，由原来的对全国、湖北省、武汉市的疫情预测，拓展为对全国各省市的预测。

一、 项目简介为解决复杂工程优化设计等问题，研发智能优化技术及软件进行工程建模与优化设计，可以应用于电子、通信等诸多领域。面向复杂大数据信息，研发智能数据挖掘技术可以发掘潜在规律和感兴趣的信息，为工业、农业、国防、金融和证券等诸多行业服务。本项目在国家和省市等基金资助下开展的，率先研发出石油测井智能数据挖掘系统；在无线通信、智能天线、半导体器件仿真等领域取得满意的优化设计效果。二、 项目技术成熟程度在Windows环境下开发出《智能数据挖掘系统（1.0版本）》，并获得国家软件著作专利权；现已开始应用在石油测井、无线通信与智能天线等领域，效果显著。如图1至图3所示。三、 技术指标本项目研发的软件系统在 Windows系统和VC++平台下进行，还能嵌入Matlab等工具箱进行工作。并具有界面友好、可视化程度高、扩展性强等特点。四、 市场前景对于各种复杂工程问题的建模与优化是非常重要的；面向各行各业的大数据进行数据挖掘，为决策服务更是势在必行。本课题正是解决这些问题，其应用前景广阔。五、 规模与投资需求本项目适用于各行各业，主要研发专用软件系统，研发成本较低（约5-10万元）。六、 效益分析本项目主要应用于各类复杂工程问题的建模与优化设计，以及各行各业的大数据挖掘，其经济效益是相当可观的。七、 合作方式双方协商，可以采取转让、合作、技术指导或其他形式。八、 项目具体联系人及联系方式（包括电子邮箱）联系人：夏克文；地址：（300401）天津市北辰区 河北工业大学信息工程学院；Email：kwxia@sina.com；电话：022-60435739九、高清成果图片2-3张图1为系统主界面；图2是测井解释应用；图3是天线波束形成。图1 智能数据挖掘系统主界面图2(a) 某油井测井数据200%比例读取的测井图图2(b) 基于支持向量机（SVM）的测井解释图3 基于智能优化算法的波束形成方向图