本发明公开了一种基于多感知数据融合的人机自然交互系统，包括MEMS手臂跟踪装置、视觉跟踪装置，以及安装在操作者的手掌上的力反馈装置，上述各装置由PC终端控制，PC终端包括手臂运动解算模块、图像处理模块、力学解算模块和虚拟场景渲染模块；虚拟场景渲染模块根据手臂运动轨迹和手指运动轨迹生成虚拟手臂和手指，力学解算模块根据虚拟手指与虚拟物体的碰触信息，计算操作者当前状态下应得到的期望反馈力矢量；本发明可满足手臂大范围运动情况下的手臂运动轨迹的跟踪要求；其次，可通过图像信息测量操作者手指的运动轨迹，可精确测量手指上多个关节的角度；再者，可为操作者提供力反馈和虚拟场景的视觉反馈，增强系统的临场感、交互性。

美林数据技术股份有限公司（简称：美林数据，NEEQ：831546）是国内知名的数据治理和数据分析服务提供商，重点面向企业客户提供数据资产管理、数据分析与挖掘、数据开发应用为主的大数据产品及增值解决方案。成立至今，在能源、制造、金融、政务等领域积累了丰富的项目经验，自主研发的 Tempodata 系列大数据产品广泛应用于上千家大型企业，为用户提供从数据采集、数据资产管理、数据挖掘、数据分析应用等综合解决方案。 当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素，实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案——Tempo Talents 大数据人才应用能力成长平台。  

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。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

青岛酒店管理职业技术学院是2002年经山东省人民政府批准、教育部备案的全日制大专层次普通高校，是我国第一所独立设置的酒店管理学院，隶属于山东省教育厅和山东省商业集团有限公司。学院继承和发扬60余年办学历史所积淀的优良传统和作风，真抓实干，锐意改革，开创了生机勃勃的发展局面。先后荣获山东省“职业教育先进单位”、“省级文明单位”、“中国商业职业教育先进单位”等称号。在2006年山东省高职高专人才培养工作水平评估中，在2007年山东省高校德育与校园文明建设检查评估中，均以优异成绩荣获优秀等级。学院开创的“三位一体”育人模式，“两点三全一融合”的特色德育模式，都得到了评估专家和广大学生及用人单位的一致好评。教育部、省政府、教育厅等各级领导莅临学院视察时，对学院的办学实力和教学质量给予了高度评价。 学院位于青岛崂山风景区，校园环境优雅，秩序井然。多媒体教室、语音室、机房、校园网、校园电台、电视台等现代教学设施设备先进。图书馆馆藏丰富，管理规范。 学院面向全国29个省市招生，现有在校生万余人。学院师资力量雄厚，双师型教师、研究生以上学历或副教授以上职称教师、专兼职教师等结构合理。学院长期聘请了二百多名行业知名专家、学者和高级技术人员作为客座教授、专家顾问，提高了学院的整体教学力量，围绕专业建设与发展，打造出一支支强有力的教师团队。 学院面向培养中、高级技术及管理人才，下设旅游与酒店管理学院、酒店工程学院、烹饪学院、工商管理学院、信息工程技术学院、艺术学院、培训中心、基础教学部等8个二级院部。根据社会发展和经济建设需要，学院以酒店管理类专业为核心专业群，有机辐射相关产业领域，设置了工程类、烹饪类、信息技术类、工商管理类、艺术类40余个专业，其中酒店管理、烹饪工艺与营养两个专业是首批山东省职业教育示范专业，其它各专业均发挥各自的优势和特色，形成了重点专业群为龙头，带动各专业全面发展的良好局面。建立了职业教育研究中心，下设高等职业教育研究所、酒店管理研究所、旅游管理研究所、信息技术研究所、会展经济研究所、烹饪文化研究所、环艺设计工作室、网络媒体研究所、旅游工艺品研究所、影像艺术研究所等10个专业研究所，充分发挥智力高地的作用，在教育教学研究、科技服务社会上，发挥了重要力量。 学院依托行业办学优势，围绕就业需求，强化校企合作，先后与上百家业内知名企事业单位建立校企合作关系，突出实践教学，充分利用不断完善的校内各类实验实训室，校内校外各实习基地，大力推进实践教学。同时，建立健全订单式教育、工学交替、顶岗实习等各种教学模式，把理论教学与产业一线的实践教学紧密结合到一起，大大提高了学生的实际动手能力和岗位群适应能力。 学院不断拓展国内、国际教育合作，积极融入到高等教育发展的大潮中。定期选派教师到国外大学和企事业机构进行学术交流、访问考察和职业培训，同时，邀请国外的教育专家和行业专家来讲学授课。短短几年间，学院先后与美国、英国、法国、德国、澳大利亚、瑞士、加拿大、日本、新加坡、韩国等十几个国家高等教育机构和有关行业组织建立了广泛的联系，并与山东大学、北大青鸟教育集团、美国饭店业协会、新加坡莎顿商学院、瑞士洛桑酒店管理学院、韩国湖南大学等业内知名高等院校和教育机构签署了合作协议，在互派留学生、师资交流、课程建设等多方面，开展了广泛而深入的教育合作。 多年来，学院积极探索和创新教学模式，在长期的办学实践中逐步形成并大力实施以提高学生综合素质、促进学生全面发展为宗旨，以强化专业技能、突出外语能力、提升人文素养为重点的'三位一体'的人才培养模式，人才培养质量获得广泛好评，学院办学水平得到社会各界的充分认可。录取分数线、毕业生就业率、就业质量连年提高，毕业生受到用人单位的广泛欢迎。 经过多年的文化积淀，学院在省内同类高校中率先导入CI系统，提炼学院文化精神，明确学院发展愿景，确定了 “勤、真、灵、雅”的校训 ，树立了“爱心、实力、责任”的校风，弘扬微笑文化，完善服务理念，形成了特色鲜明的校园文化生态。学院将继续坚持“专业领先、就业导向、产教结合、品牌制胜”的办学方针，以国际化的教育和服务为酒店及相关产业培养具有可持续发展能力的职业化人才，立志在美丽的青岛创建一所开放式、国际化、特色鲜明的高品质酒店管理职业技术学院。 地址：青岛市李沧区九水东路599号 邮编：266100 电话：0532-86051666 0532-86051600

随着我国旅游业的飞速发展，旅游对生态环境造成的压力越来越大，对旅游目的地过度开发而产生的消极效应也开始出现，并逐渐显示出其巨大的潜在威胁，安全隐患突出，环境质量急剧恶化，等等，所有这些都不同程度地威胁着景区生态旅游业的可持续发展。该成果可应用于基于RFID技术的景区管理上，实现景区高效率的精细化管理。 RFID九寨沟景区管理系统旨在解决景区资源利用效率和游客拥堵问题，促进RFID技术在旅游景区、展览馆、博物馆的大规模推广应用。景区管理系统主要分为数据采集、门禁系统、智能导览系统、分布式管理平台四个部分，分布式管理平台对其它三个部分进行统一的管理。 整个网络平台由多个类似的局域网组成，每个局域网在逻辑上有其独立的功能，而同时又受管于统一管理平台，各个景区及博物馆的展示将由统一的门户网站完成，从而实现了景区、展览管、博物馆的一体化管理，有效整合了整个行业的资源。 4、 门禁系统能够实现售票、验票、回收、打印明信片、制票及票务数据管理等功能； 5、 经过阅读器的所有RFID标签都可以通过读写器获取，然后实时将RFID数据发送到后台系统中，实现实时调度； 6、 监控系统能够完成密度监控与行为追溯、基于RFID的游客参观行迹记录和追溯及数字化景区实时展示等功能； 7、 数字化导览部分通过集成RFID读写器的手持导览设备读取13.56MHz的无源高频标签信息，在后端数据库中检索标签记录并进行实时数据传输。

知识是经验的积累，是智慧的结晶。企业知识是企业团队的共同财产。为企业不断的进步和发展，必须要管理好企业的各项资源。其中无形资产中的知识管理是一项重要的管理内容。根据人类认知结构，知识是由构造人类知识不同方面的模型组成。我们将企业各种不同类型的知识作为知识模型，基于知识构建的思想来获取和应用各类知识。利用知识工程、机器学习与自然语言处理等技术为知识库的构造提供理论与技术支撑。从企业知识内容入手，以知识结构与知识的组织为主线，基于本体论对知识进行描述，并建立知识之间的关联关系，以满足领域知识的表达、共享、重用，实现知识组织和推理，提供了动态与静态知识获取技术以及知识模板。 在知识库中应用本体来描述行业领域概念以及概念术语之间的关系，即知识，形成知识结构，完成行业知识库的构建。主要技术包括：1）基于模型的知识构建技术，以模型为核心来组织、管理、共享与应用知识体系；2）知识分类、知识结构与知识结构模型；2）基于本体的知识结构模型，基于本体的知识库构建与管理技术；3）依据知识复用的原则，建立了基于模板与模型的知识复用技术；4）基于模型的知识获取与描述技术；5）知识库系统的设计与实现技术。 本技术可用于通信、能源、交通、政府、国家中医药管理局、医疗机构、冶金行业、石油石化等行业。

1. 项目的简单概述 项目的可视化管理，指的是项目团队和项目相关人员为了更加有效地收集和传递信息，更好地对项目进行管理，而采用一些可视化技术，使项目管理过程可以用图形、图像、动画、视频等方式展现出来。 高炉大修项目的可视化管理的主要有以下几个方面的内容： 在IE浏览器上实现高炉大修项目进度二维可视化的动态显示和跟踪，Web上的二维图形能同时反映出计划进度和实际进度，并具有一定的统计功能，自动生成所需要的各种统计图表； 利用实时数据和可视化三维建模技术，建立高炉的三维数字化模型，采用三维模型各模块的动态化组装来动态反映大修工程的进度，在IE浏览器上实现B/S模式下的高炉大修过程三维可视化的动态显示，并可以在IE浏览器上对高炉信息进行查询和浏览； 能够对拖期工作进行报警和初步的原因分析； 自动调整项目计划，如果对某个子项目的进度计划进行调整，则系统将根据自定义的规则对项目整体计划和项目跟踪情况进行自动调整。 2. 项目来源 本项目的来源是北京冶金设备研究院为上海宝钢的高炉大修工程开发的“高炉大修工程计算机管理系统”中的项目进度管理模块，功能是提供B/S模式下基于Web的项目进度可视化管理，包括二维可视和三维可视。 3. 项目的最新进展、所达到的水平 传统的项目管理系统是非可视化的，不能直观明了地表达项目管理过程，从而导致项目团队和项目管理人员不能在日常工作中方便有效地使用相关信息。在项目管理中采用可视化技术，可以使项目相关人员及能够更好地了解项目活动的内容和项目的进展情况，及时发现问题，对项目进行适时有效的调整，使项目保持合理的进展状态。 基于B/S模式，根据高炉大修项目的实际进度在IE浏览器上动态显示高炉的三维模型，在技术上属于国内外首创。 4. 项目的关键数据 基于B/S模式，根据高炉大修项目的实际进度在IE浏览器上动态显示高炉的三维模型，并可以在IE浏览器上对高炉信息进行查询和浏览，系统还具有一定的统计分析和进度预警功能。

该系统可以完成整车直发、零担干线、零担配送、城配、短驳等运输业务，功能涵盖基础设置、货票合同、签收回单、运输计划，调度派车、运单管理、货物交接、异常处理、回车、行车可视化追踪，以及对账、收付款和费用结算等；可对中小运输企业的“车、货、场、人”进行全面管理，最大程度上提高作业效率和人员绩效。该系统以自主研发的基于动态容重比的智能配载优化算法为技术核心，可代替传统的人工排线和调度，大幅度提升车辆配载效率，平均降低物流成本 10%～15%，可以为中小型运输企业（如专线、零担、城配）提供从“接单-配载调度-运输-回单-回款”的全流程运输解决方案。