1.痛点问题 癌症是目前严重威胁人类生命健康的疾病之一，基于单细胞测序技术研究肿瘤的微环境和异质性，对于理解肿瘤的机制、优化肿瘤的用药方案具有重要意义，而如何对肿瘤单细胞数据进行全面深入的分析，还面临很多挑战。 肿瘤样本具有其独有的特点，在样本制备和单细胞分离过程中，其细胞应激反应大、坏死细胞多，为肿瘤单细胞数据的质量控制带来了挑战； 肿瘤单细胞数据分析有其独有的核心问题，比如复杂的微环境和高度的异质性，而如何充分考虑这些难点，并从信息学的视角进行深入研究，有待建立全面、自动的分析框架； 肿瘤单细胞数据的分析，对科研人员的编程能力和分析经验要求很高，亟需自动化、智能化的软件平台来降低数据分析的门槛，提高研究的效率。 2.解决方案 本项目围绕肿瘤单细胞转录组数据成果的技术核心点包括： 1)针对肿瘤单细胞实验过程中应激反应大、坏死细胞多的问题，提出了全面、精细的数据质量控制方案； 2)涵盖了常规的单细胞数据分析流程（数据标准化、降维、聚类、差异表达分析）； 3)创新了肿瘤微环境细胞类型辨识和细胞恶性估计等方面的研究方法； 4)从重要表型（细胞周期、干性）、基因集（已知的和潜在的）两方面深度解析了肿瘤内部的异质性； 5)提出了考虑肿瘤间异质性的批次效应校正方法； 6)构建了自动化、智能化分析的软件平台，能够自动生成全面、直观的分析报告。 基于本项成果产生的产品、服务或解决方案： 1)自动化、集成式的肿瘤单细胞转录组数据分析软件scCancer； 2)针对软件使用和分析结果解读的服务； 3)针对更个性化数据分析需求的咨询与服务。 3、合作需求 团队要求：合作方和团队需要对肿瘤单细胞测序方面有较多的实践经验，能为本项目的应用与落地提供条件； 资金需求：合作方可为团队提供资金支持项目的维护与更新。

本发明公开了一种用于大数据处理系统的内存数据集置换系统， 包括分析模块、信息监测模块、决策模块。分析模块用于对上层用户 程序进行逻辑分析，得出各运算阶段中生成内存数据集时的运算步骤 集合；信息监测模块用于对运行中的用户程序进行监测，并收集生成 内存数据集时的信息提交给决策模块；决策模块用于对收集到的信息 进行分析和排序，判断当前阶段是否需要对系统中的内存数据集进行 置换，在系统需要进行置换时确定需要移除的内存数据集并

本技术支撑了我国遥感卫星从地表监测到人类活动监测的跨越，总体上达到了国内领先水平，在夜光遥感载荷设计定标处理、星基导航信号增强方面处于国际领先水平。1）研制了高灵敏度、高动态范围、高几何辐射质量的夜光遥感微小卫星。提出了星载耦合杂光规避、联合增益处理等模型方法，构建了夜光遥感器在轨几何辐射定标技术，设计的夜光相机在灵敏度、动态范围、几何辐射质量等方面优于DMSP/OLS、NPP/VIIRS等国际同类传感器。2）首创低轨卫星对GNSS的信号增强。提出了低轨卫星对GNSS进行

本发明公开了一种沥青混合料多序列动态蠕变试验数据处理及分析方法，通过设计一个巴特沃斯低通滤波器对试验测得的蠕变变形数据进行低通滤波，得到平滑的蠕变曲线，再分别计算每个加载序列的平均永久应变率，然后根据公式计算评价沥青混合料蠕变特性的三个指标：应变率敏感指数SRSI、复合平均永久应变率CAPSR、复合蠕变劲度模量CCSM：SRSI越大，意味着该应力状况对材料蠕变的影响越显著；CAPSR则代表了多种复杂应力状况下的等效应变率，该值越大，表明在材料在一次加载中产生的永久应变越大，材料的高温性能越差；CCSM代表了在蠕变试验结束时材料的抗永久变形能力的强弱，该值越大，证明材料的高温性能越好。

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。

MCPS V4.0软件专门用于多分量地震数据的处理与解释，是一个完全具备自主知识产权的软件系统。本软件基于三分量地震数据的特点，充分利用多波地震数据的矢量信息，对随机干扰与面波干扰进行识别与压制，最大限度的保持了有效地震信息的真振幅、极化特征、频带范围；在此基础之上对矢量波场进行分离与合成，将偏移成像中的输入道与输出道技术相结合，对转换波数据进行CCP道集分选与叠前偏移成像。本软件系统还提供了一些必要的振幅调制模块，如三分量地震数据归一化、三分量道均衡模块，可用于对不同系统输出的中间数据进

本思政案例值巴黎奥运会火热举办之际，以奥运会数据为载体，引导学生运用Python的Pandas库进行数据清洗、筛选与聚合分析，并通过Plotly工具实现数据可视化。案例巧妙融合数据分析技能培养与思政教育，通过剖析我国奥运奖牌数据变化，让学生直观感受国家体育事业的蓬勃发展，深切领悟体育强国战略背后蕴含的国家意志与民族精神。同时，鼓励学生从数据中探寻体育精神内核，内化于心、践之于行，涵养积极人生态度与爱国情怀。此外，案例数据可视化呈现国际竞技格局，助学生理解多元包容、拓宽国际化视野，增强民族自豪感与文化自信，实现知识传授与价值引领的有机统一。

技术成熟度：原型验证 原理：模型将浆锚连接节点破坏视为两个阶段，第一阶段为粘结破坏，即砂浆与钢筋和钢筋断裂前（包括断裂时）时段，第二阶段为滑移破坏，即砂浆与钢筋和钢筋断裂后时段。第一阶段依靠梁单元模拟，第二阶段依靠弹簧单元模拟，这样准确的反映了浆锚连接发生时的强度破坏及之后的滑移脱离现象。 创新点：提出了建模工艺，给出了适用于模型的弹簧单元、梁单元本构关系。 应用场景：浆锚节点超限分析，浆锚节点抗震性能分析。 应用案例：约束浆锚钢筋极限搭接连接剪力墙结构抗震性能分析，装配法加固剪力墙施工模拟过程分析。 成果获奖：吉林省土木建筑学会科技进步一等奖。 成果评价：建模简单、计算快速、经过多篇论文验证传力与实际情况偏差小于10%。

一种大规模并发数据流处理系统及其处理方法,涉及数据处理技术领域,所解决的是提高流处理器处理效率的技术问题.该系统包括数据流单元缓冲区,数据流单元聚类队列池,数据流单元映射表,流处理器池,数据流读取部件,DSU聚类分配部件,任务调度部件,计算后处理部件,所述流处理器池由多个GPU构成,其中数据流读取部件用于将并发数据流写入数据流单元缓冲区,DSU聚类分配部件用于对数据流单元缓冲区中当前被处理的数据流单元进行分类,任务调度部件用于将数据流单元聚类队列池中的就绪队列加载至流处理器池中的GPU上执行流计算,计算后处理部件用于将GPU的计算结果返回到数据流.本发明提供的系统,能提高流处理器的处理效率.

本发明公开了一种分开处理数据与元数据请求的方法。包括： 增加请求的元数据语义；为每个 SCSI 设备设置数据请求队列与元数据 请求队列，后者专门用来处理元数据请求，且对不同的请求采用不同 的处理方式。根据元数据请求粒度小、实时性强、分布分散的特点， 元数据请求队列采用优先响应处理的方式，请求不经过 I/O 调度层， 不在请求队列中延迟，直接下发到磁盘驱动器；对请求粒度大，频度 相对低，分布集中的数据请求，采用经过 I