北京工业大学（Beijing University Of Technology）创建于1960年，是一所以工为主，工、理、经、管、文、法、艺术、教育相结合的多科性市属重点大学。1981年成为国家教育部批准的第一批硕士学位授予单位，1985年成为博士学位授予单位，1996年通过国家“211工程”预审，正式跨入国家二十一世纪重点建设的百所大学的行列。2017年9月，学校正式进入国家一流学科建设高校行列，8个学科跻身2020年QS世界大学排行榜前500，位列QS2020年世界大学排名中国内地第32，化学、材料科学、工程、环境与生态、计算机科学5个学科进入ESI前1％。学校本部位于北京市朝阳区平乐园100号，东临东四环南路，西邻西大望路，南抵双龙路，北望平乐园小区；另有中蓝、管庄、花园村、琉璃井、惠新东街和通州6个校区；占地面积96.0151万平方米。学校下设25个教学科研机构，开设本科专业67个，研究生专业覆盖34个学科、27个硕士专业学位授权点；具有一级学科33个，一级学科博士学位授权点20个，一级学科硕士学位授权点33个，专业学位授权类别12种；博士后流动站18个，在站223人。国家重点学科3个，北京市重点学科21个，北京市重点建设学科18个。国家工程实验室2个，“111计划”引智基地3个，国家级产学研中心1个，国际合作研究中心1个，省部共建国家级重点实验室培育基地1个，教育部工程研究中心3个，教育部重点实验室5个，教育部战略研究中心1个，北京市级科研基地44个，行业重点实验室4个。定期出版专业刊物2种。学校党委下设24个院级党组织，其中，院级党委20个，院级党总支4个；党支部447个，其中，在职教职工党支部154个，离退休教职工党支部59个，学生党支部232个，混合党支部2个；党员9199名，其中，在职教工党员2312名，学生党员5568名，离退休教工党员1319名。教职工3169人，其中，专任教师1914人，包括正高职称403人、副高职称708人；博士生导师338人，硕士生导师1262人（含专业学位和学术学位硕士生导师），中科院院士1人、工程院院士9人。“长江学者奖励计划”特聘教授10人、国家有突出贡献专家14人、享受政府特殊津贴专家49人，国家杰出青年基金获得者13人，国家高层次人才特殊支持计划7人，“北京市人才引进支持计划”入选者132人。境外教师104人，其中，教授35人。在校生24120人，其中，学历教育学生中全日制研究生7908人（博士生1367人、硕士生6541人），非全日制硕士研究生860人；普通本专科生13569人（本科生13549人、专科生20人），成人教育本专科生1490人（本科生1390人、专科生100人）；非计划招生高等教育学生中在职人员攻读博士硕士学位293人。在校留学生1091人。建校60年来，学校秉持“不息为体，日新为道”的校训精神，牢记大学使命，坚守大学理想，以创新面对未来，以改革把握机遇，已逐步发展成为培养高素质创新人才的重要基地，成为推动区域社会经济发展不可或缺的智库力量，成为展现北京市属高校发展建设成果的示范窗口，16万余名毕业生在社会各条战线上正发挥着骨干作用。新思想引领新征程，新时代呼唤新作为。北京工业大学将坚持以习近平新时代中国特色社会主义思想为指引，深入学习宣传贯彻党的十九大精神和全国全市教育大会精神，在北京市委、市政府的坚强领导下，坚持“立足北京，服务北京，辐射全国，面向世界”办学定位和“内涵、特色、差异化”发展战略，面向国家和北京市的重大需求，不忘初心、牢记使命，加快推进“双一流”建设，为建设国际知名、有特色、高水平研究型大学，为实现“两个一百年”奋斗目标、实现中华民族伟大复兴的中国梦而不懈奋斗！了解更多请关注招生办微信订阅号：bjutzsb。

基于物联网的无接触数据感知技术、体质测试与运动行为数据采集等技术，采集评估测试对象的体质健康行为数据，并建立行为健康数据库。基于健康行为大数据，结合已有的体质检测指标、医学筛查指标和人体运动指标，通过标签建模构建个人数据画像，通过机器学习算法实现将健康行为数据从低阶数据到高阶数据质的飞跃。 一、项目分类 关键核心技术突破 二、成果简介 聚焦全民健康,尤其是青少年体质健康的提升，融合人工智能、物联网、云计算、移动互联网、大数据等新一代信息技术，以健康失衡状态的动态辨识与健康自主管理为主攻方向，构建以信息科技为引领的一体化健康服务管理体系。通过非二代设备的智慧化升级技术开发智慧化设备，并进一步构建智慧化场景。基于物联网的无接触数据感知技术、体质测试与运动行为数据采集等技术，采集评估测试对象的体质健康行为数据，并建立行为健康数据库。基于健康行为大数据，结合已有的体质检测指标、医学筛查指标和人体运动指标，通过标签建模构建个人数据画像，通过机器学习算法实现将健康行为数据从低阶数据到高阶数据质的飞跃。建设运动康复处方库、健康行为评价体系与健康行为风险预警模型，基于控制论、行为科学等理论方法构建健身指导决策支持系统，形成基于“大数据”的健康行为决策技术体系。

在智慧采摘方面，提出了一种结合检测网络与点回归的新型方法，为葡萄采摘自动化提供了高效精准的解决方案。

自然场景视觉感知与理解是人工智能的前沿热点，其主要任务是对场景中的视觉要素进行认知，进而推断出其中包含的场景语义。IMAGINE实验室近年来相继从场景构成分析、场景内容推理、场景结构建模等角度对这一问题展开了系统研究，着重探索了融合先验建模与深度学习的自然场景视觉理解这一问题。大数据具有规模大、种类多、产生速度快、有价值数据密度低等特点。对大数据信息分析具有重要意义，也是目前研究的热点，其主要任务是利用数据分析的方法从大数据中获取有价值信息。IMAGINE实验室近年来结合深度学习前沿技术和传统数据分析方法进行数据分析和预测，并在海关大数据分析项目和国网电力冰风灾害预测项目中进行应用

北京大学信息学院机器感知与智能教育部重点实验室袁晓如研究组设计开发了一系列大数据可视化与可视分析工具。针对目前在新冠疫情方面形势变化，通过处理、分析、接入多种数据，提供多维度、多视角的交互式可视化。 项目组件包括1.疫情变化晴雨表，可视化各地每日新增病例和变化趋势；2.各类动态时空地图，提供在地图空间浏览分析和多角度对比国内外各地疫情趋势；3.相关舆情可视分析，分析媒体和社交媒体舆情影响；4.综合态势可视分析系统，支持面向专家或者决策判研。

本项目围绕“城市场景的全息表达与复杂事件的临场分析理解”这一关键 科学问题展开研究，基于人机智能的有机结合、数据和知识的联合驱动以及多 模态数据的关联增强等学术思想，以城市场景的三维时空模型为载体，研究城 市的全息表达理论方法，探索多源感知信息的多层次关联、语义提取与融合分 析的机制和方法，形成城市场景的准全息计算模型，以提高机器对城市对象和 场景语义分析与理解的精准性；研究多源信息的视觉转换机制和自适应交互可 视化方法，探寻信息按需提取或采集的临场分析机制，推进人机智能的深度耦 合，提高对复杂事件分析和推理的能力。项目预期在城市场景的渐进式三维重 建、跨时空城市感知数据的关联学习和聚合分析、城市事件的交互式临场分析 等方面取得理论与方法的重要突破，培养一批优秀人才，使我国在城市信息化 和智能化方面的研究达到国际先进水平，产生重要的学术影响。

南京理工大学与南京合众通数据技术有限公司合作研发的企业征信系列大数据平台，实现企业全面15大类100余项创新能力相关信息的精准跟踪和监测，产品已经加工成纵向、微向分析的深度征信产品，按照客户的需求种类制定DaaS策略，在目前征信报告的基础上，把服务和创新的意识运用于征信产品加工各个环节上。 基于该产品，受中央军委科技委委托，南京理工大学承担研发全球科技人才发现与跟踪平台的任务。 信用报告：提供企业信用报告服务为客户有偿提供目标企业详尽的信用信息数据以帮助客户制定商业运营

1. 痛点问题 当前，很多创新型的应用无法购买到可用的系统，如果在项目周期很紧急的情况下希望快速交付一个可以使用的原型系统，往往会遇到如下问题：不同客户系统之间存在巨大差异，大量需求要定制开发；市面上没有现成的应用程序可以直接购买；解决方案过于复杂和/或过于昂贵；难以低成本控制未来数字化的发展。 此外，很多软件公司人力成本达到65%，且无法满足企业业务快速变化的需求，交付周期无法保证，后续系统维护成本很高，已经影响到企业的发展。因此，很多企业都希望能有业务人员或参与配合少量开发即可快速构建原型系统的工具，满足企业的创新应用。 2. 解决方案 本成果”大数据应用软件建模系统-DWF“（清华数为DWF）支持应用开发人员快速实现中小规模协作型应用，是一款基于模型驱动的代码开发工具，可以构建复杂的数据模型，可以实现数据模型、表单模型、功能模型、组织模型、权限模型、模型包管理功能，通过前、后端的脚本可以提供业务系统的扩展功能。DWF还提供对异构数据的集成能力，方便企业快速进行模型迁移和部署。 DWF具有如下特点： 一站式：DWF自身追求尽可能简单的结构，可在普通PC上部署启动，也可以在云计算或者容器环境下部署，又可以并入容器管理器中成为微服务。 可配置：采用模型驱动的设计理念，通过组织建模、数据建模、表单建模、功能操作和权限控制直接建模产生系统本。 低码量：基于模型开展有针对性的扩展编码工作，减少编码总量，降低开发难度。配合敏捷定制功能，大幅度减少了代码量和系统缺陷产生的可能。 组件化：允许在线将全部或者部分模型从系统中导出独立的模型包，组合到其他DWF系统中，从而方便即时交付系统，即改即用，快速响应变更需求。