麦可思教学质量管理平台将专业数据挖掘技术与先进信息化手段结合，为管理部门提高效能，充分发挥教评数据价值，为高校诊断教师教学问题，支撑教师教学考核，指导教师教学进步，让教评数据既能作为学校内部管理抓手，又能支撑外部评估考核。

智慧教学 以科技助力教育数字化战略，以AI+大数据构建智慧教学生态，助力学校高质量发展，服务义务教育双减，基于智慧教室、教学云平台、移动应用，形成以教学大数据为核心的感知、采集、监测、挖掘和分析体系，深化新时代教育评价改革，支撑高质量个性化人才培养。 智慧教室 根据学校教学模式和学科特点构建双屏教室、三板教室、研讨型教室、MOOC教室、VR/AR/全息教室等多形态智慧教室，实现常态化直播录播、可视化督导评教、跨校区互联互通、线上线下混合教学，打造无边界课堂，让每一堂课实现智慧化升级。 教学大数据 聚焦教育内涵式发展，通过全过程、多维度的教、学、管、评、考大数据采集、汇聚、展示、分析、挖掘，构建科学化、精细化的教学质量监测评价指标体系及辅助支撑平台，赋能传统智慧教室，为提高院校教育教学质量、提升教育治理水平提供支撑。 虚拟仿真实验教学 依托虚拟仿真、裸眼3D显示、全息影像、数字孪生、体感交互等技术，构建高度仿真、可互动的沉浸式虚拟实验环境、实验平台和实验课程，有效解决传统实验教学中高危或极端环境、不可及或不可逆操作、学生数量多实验设备少等多种因素限制的问题。 工程训练中心 建设实施工业基础教育和工程创新素质教育的工程训练中心，涵盖机器人、人工智能、自动驾驶、无人机、5G等领域，为学生的实习、设计、竞赛等实践环节提供实验及工程实践训练环境，培养具有工程意识、创新意识和工程实践综合能力的高素质人才。 智慧校园 依托物联网、人工智能、云计算、大数据等新一代信息技术，实现校园内人、事、地、物、干的万物智能互联，实现全校域感知、全空间打通、全流程采集、全数据互联、全过程保障、全智能服务，服务智慧教学、智能安全、智慧科研、智慧后勤等多业务场景，以教育信息化全面推动教育现代化。 智慧后勤 以智能感知终端为基础，基于超低功耗物联网技术、大数据技术，服务学校能耗监测、资产统计、宿舍管理、车辆调度、人员值排班等后勤业务，实现学校后勤人、事、物精细化、网格化管理。 平安校园 基于AI与网格化引擎，实现校园视频监控、消防报警、综合值班、师生求助、远程会议、应急指挥6位1体的联动管理，全面把控学校人员、车辆、设备动态，通过安稳大数据互联互通、主动防御与风险预警，打造全方位、全天候的平安校园。 智慧校园 基于物联网与数字孪生，实现一张网全校域智能感知、一张图可视化管理，构建校园大脑，为各业务体系提供能力输出，整合实现微观全面感知、宏观全局掌控、信息精准采集、态势立体展现、实时分析预警、联动应急指挥、事件接诉即办、决策科学高效。

本发明公开了一种基于球体投影公切线的多相机标定及参数优化方法，具体步骤为：1、依据球体投影公切线的交点和球心投影点共线的原理，获得球心投影在相平面的坐标；2、结合球心投影，通过绝对二次曲线的像和球体投影之间的代数关系，求得相机的内外参数；3、使用椭圆形状参数表示球体的投影，并依此将投影曲线和其重投影之间的误差划分为相对独立的两部分，采用非线性优化方法对两部分偏差逐步优化获得相机最终的标定结果；4、将多相机的标定结果通过匹配方法统一到同一世界坐标系下，完成多相机的标定。本发明方法求解过程保留了参数几何意义，标定精度高，能简便高效的完成多相机的同时标定。

本团队长期从事传统酿造食品的应用基础研究和产业实践，与国内的众多大型酿造企业，如镇江恒顺、泸州老窖、山西老陈醋、张家界大德酿造、安徽胡玉美等保持着长期的产学研合作。近十多年来，针对白酒、黄酒、酱油（酱）、泡菜等传统酿造食品，在系统研究酿造微生物功能的基础上，理性设计功能调控手段，达到传承工艺特色，稳定发酵生产，提升产品品质的目的。

复杂工业过程生产流程中消耗的能源种类多，包括电、天然气、氧气、水、蒸汽等，而且能源使用量大，其能源成本约占到生产成本的50%—60%。加强企业能源管理、规范不同流程工艺间的能效评价体系，同时结合现代信息技术与检测技术，以实现对企业内部不同层面能源利用状况及其效率指标的监测、评估与优化调度，将有助于企业进一步降低能源消耗与生产成本，并有利于加快企业精细化管理进程。

本发明公开了一种用于对数控机械加工设备的实验模态分析测点执行布置优化的方法，包括：(1)通过有限元仿真，获得设备的整体结构模态振型及相应的模态振型矩阵；(2)利用整体结构模态振型，确定并选取设备的模态振型敏感部件及其相应的振型矩阵；(3)从模态振型敏感部件中选取其表面可测节点，并将这些表面可测节点作为布置优化的对象；(4)使用有效独立法，对表面可测节点进行迭代剔除；以及(5)采用香农采样定理，对模态振型敏感部件执行线性化均匀布点。通过本发明，可以克服现有模态测试效率低、时间长等方面不足，并能够在保证数控机床结构模态测试中固有频率和振型辨识前提下，优化测点数目及测点位置，提高测试效率。

本发明提供了一种基于神经网络的超密集异构网络负载均衡优化方法，将ART2型神经网络和基于代价的分布式方法相结合的低复杂度超密集异构网络下行用户连接方法，联合调整所有小站的代价偏置值，解决超密集异构网中的负载均衡问题。本发明采用ART2型神经网络的分类设置初始值，可以大大降低迭代次数和计算复杂度，能提高基站边缘和中间的用户的吞吐量率，自动的均衡跨层和同层之间基站的负载，进一步显著降低负载均衡迭代方法的迭代次数，更加适应快速复杂多变的实际情况。

本发明公开一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，其实现步骤为：步骤一：搭建无人机动力学模型；步骤二：搭建具有感知能力无人机传感器模型；步骤三：搭建无人机目标搜索图模型；步骤四：建立无人机目标搜索代价函数模型；步骤五：设计多目标鸽群优化算法；步骤六：设计基于鸽群智能反向学习的多目标鸽群优化算法；步骤七：输出无人机目标搜索仿真轨迹图。