系统以“学、教、练、考、管、评”的设计理念为依托，基于多学科、高质量、成体系的资源优势，满足全时段数字化教学、自主学习和标本考试需求，形成全场景应用的形态学数字化教学体系，满足师生全流程教学应用。

通过高精度数字人数据构建多结构并存的三维数字解剖模型，并提取数字人数据中相应部位的体素作为数字模型的纹理贴图，采用全彩色、多材质的3D打印机打印高仿真度的解剖标本模型，以期为严重缺乏的尸体标本提供高仿真度的实物解剖模型。

一根网线就实现供电和所有信号传输 标准网络就实现所有语言教学 一、系统拓补图 二、教师设备选型 三、学生设备选型 云桌面型 易用的云桌面管理系统和强大的听说读写译功能，可背挂安装，不占空间。 研讨型 触屏型 终端型 定制安卓导航栏为语言实验室专用，极大提升语言实验室的用户体验；建设成本低，免维护。

AUBO 3D Robot数字孪生仿真系统是一套完整的数字工厂仿真实训平台，采用数字孪生技术，将虚拟工厂的机电系统与真实的控制系统打通，通过丰富的3D虚拟交互形式，从而实现对智慧工厂电气接线、编程、控制教学培训等目的。该系统采用了1:1的虚拟机器人示教系统接入至虚拟工厂，以虚拟化的机器人本体及周边设备代替实体，实现机器人的人机协作、系统集成、编程维护的应用实训开发。 此外，软件系统不仅仅是针对于机器人系统的简单示教与编程应用，通过结合PLC系统、运动控制系统以及机器视觉控制系统等各种集成控制，能够给与一套虚拟与现实机器人工厂应用场景的复现。

职站是一款辅助院校教开展专业实训教学的云智能平台，可满足实训教学的教、学、练、考、赛的全场景需求，为院校打造具有专业特色的智能云上实训室。平台设计遵循着极简、高效、灵活的理念，可帮助院校老师0门槛开展实训课程，每个实训都有配套的学习资源和实训项目，支持自定义发布考核和练习，内置AI智能判分和大数据追踪统计分析，可多维度客观评价学生学习情况，并且通过可视化的图表和实验报告直观展示师生的教、学成果，可帮助院校高效，便捷地开展实训教学工作，实现实训教学的数字化、智能化升级。   特色亮点   金融+科技+大数据 平台集成有30+款产品，可满足计算机、大数据、金融，金融工程、金融科技等相关专业开设实训课程。院校可自主选择：3D银行综合、担保，Python程序设计 、经济金融建模实验、数据清洗、数据可视化 、量化投资策略建模 、大数据分析、金融随机过程、Python数据采集、区块链交易所等等。可满足计算机、大数据、金融，金融工程、金融科技等相关专业开设实验课程。 沉浸式岗位模拟与案例实操 平台采用项目化教学，通过经典案例和仿真场景让学生亲身体验理论在实践中的应用，学会灵活运用所学知识解决实际问题，提升自身的职业实操能力。 大数据统计分析 大数据追踪每个老师、学生的教学和学习情况，并进行统计分析形成可视化的图表，还支持依据不同维度进行展示，轻松实现实训教学可视化和可量化。 云上实训室 随时随地，无需安装部署，只需登录网站即可使用实验课程资源，可满跨专业跨校区，不同教学场景下的教学需求。 资源融通共享 学校可自主打造自己的精品课程中心，老师可以在这里创建优质的课程，支持视频，课件，教案等不同格式的教学资源上传，让全校甚至全国师生共同学习一起分享。 跨专业交叉实训 平台可支持定制化的跨专业交叉实训课程，依据院校新学科建设和复合型人才培养的需求，将多学科实训项目融合，帮助学生实现多学科思维融合、产业技术与学科理论融合、跨专业能力融合。  

主要研究APT 网络攻击全链条的通用表征和威胁模型， 实现攻击的全链条威胁分析；研究跨平台内核数据实时可信 采集方法，探索基于去噪和去冗技术的高效数据解析、基于 语义恢复技术的关键字段填充；研究多源异构内核数据的重 构方法；研究保持全局依赖的数据压缩方法，实现实时、高 效、普适的数据压缩；研究面向APT网络攻击全链条的智能 检测框架，实现对攻击的全链条高效检测；研究APT网络攻 击的演化模式，实现APT网络攻击的可解释溯源分析。

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。