Tempo大数据应用能力成长平台（简称：Tempo Talents）是美林数据自主研发的面向高校大数据与人工智能领域“教学实践、集中实训与科研创新应用的一体化实验平台”。平台以专业课程教学实践、项目实训为核心，以创新产业应用孵化为目标，围绕大数据核心技术体系及应用，提供丰富元子化课程实践与实训案例资源。依托可视化分析与机器学习开发引擎，过程与结果兼顾的教学管理方式，闯关、考试、竞赛、数据游乐场等多种实验模式，为高校打造教与学充分互动的“大数据应用能力成长平台”。 一、创新教学管理模式，打造自驱型能力成长平台——教学管理平台→柔性化定制课堂教师可以根据教学目标、学生情况，灵活搭配原子课、实训项目及教材→教学考评管一体化统一的审阅、评分入口，实时查看作业提交情况→全景学情分析多维度图表展示学生的学习进度、学习成绩，直观了解到课堂的学习情况 二、Docker集群化部署，支持实验环境一键式访问及智能化管理——实验管理平台→高可用的容器化集群基于容器及容器集群架构运行的大数据实验基础平台，系统高可靠，高灵活，高伸缩性。→智能化实践环境管理预装实验需求的各类软件运行环境，基于浏览器的B/S模式直接访问，根据访问自动启停→一键式虚拟桌面实验台支持基于浏览器B/S模式的 “一键式”访问基于Linux的虚拟桌面环境，可提供 Linux 桌面和命令行操作，并可实现 Linux系统管理 三、不同难易度 不同实践模式相结合，因材施教更进一步——课程实践平台→多模式课程实践在线编码式、命令行、云桌面等多种实验模式→课程自动评测学生在线提交代码，一键自动评测打分，快速获取学习成果反馈→趣味闯关寓教于乐将课堂小测验转换为趣味闯关，激发自主学习热情 四、编码式与拖拽式双环境，开发型与应用型兼顾——项目实训平台→编码式与拖拽式双环境交互式笔记和拖拽式平台双操作模式，满足不同层次学生学习需求→完整实训项目指导手册还原项目落地全过程，将业务分析方法论融入具体项目实训中 →实验报告点评与优秀作业共享实验报告在线提交与点评，分享优秀作业，积累优秀成果 五、智能机器学习开发平台，满足人工智能教学科研需求——人工智能平台→强大的建模算法引擎9大算法类型、120余种分布式算法支持、15种文本算法→全面的分析洞察帮教全方位观察建模过程及结果，让学生在掌握方法的同时也能洞悉建模原理→多模式扩展编程R\Python\Java\Scala\Tensorflow等多种编程语言，学生可自定义算法开发实践 六、拖拽式大数据分析平台，培养学生数据创新探索能力——大数据分析平台→自助式大数据探索分析低门槛拖拽式数据可视化分析，让学生快速构建数据分析应用能力→灵活的可视化交互看板40余种可视化图形，钻取、联动、链接等多种交互模式 →多样的分析报告可视化大屏、分析看板、word报告、数据报表等多种报告形式呈现 七、真实项目经验 名师课程资源，构建优质教学课程资源库——课程资源平台→多学科教学名师课程引入国内一流高校教学团队优质课程，贴合学科最新发展趋势 →创新原子课设计将专业课程的知识点“原子化”，层层递进融会贯通→丰富行业实训案例精选美林数据 200+能源、政府、高端制造等行业头部客户真实项目案例 八、丰富数据资源与灵活数据资源管理，满足教学科研多层次需求——数据资源管理平台→多种数据源接入满足不同大数据平台和SQL数据源、Excel文件数据库、多维数据库、分析型数据库实时数据等不同类型数据源接入 →数据管理与权限分配支持后台配置数据权限，多种数据资源自定义管理→开放数据超市提供宏观、中观、微观全维度数据体系，上亿条数据，数据总容量超过500T丰富数据资源与灵活数据资源管理，满足教学科研多层次需求  

数据资源中心主要用于维护系统分析所用的数据源、构建数据模型、新建视图，并进行数据权限分配与管理。师生可以根据实验和实训需求，自定义新的数据源，作为学生实验练习的数据。同时也满足教师科研项目需求，对接各类科研数据。支持数据按人员、按类型进行分类，确保满足不同数据的精准使用要求，也保证教学与科研的顺畅进行。1、 数据管理数据源管理支持多种类型数据源添加、API数据接口配置；数据模型支持同一数据源下的数据分类管理、元数据管理和维护、数据抽取加速、数据权限设置等功能；模型授权支持将数据模型按照组织机构、角色、组的方式授权给设计用户；总体上来说，数据管理实现各类科研数据的统一接入、管理与权限的按需分配。2、开放数据超市数据超市提供了30多个维度、700多个二级类目、上万个业务标签的全维度业务数据画像，数据总量超过500亿，存储总量超过100T，日均增长超过500万条,为企业采购风控、销售客户评估、AI精准获客、精准招商、投融资、高校科研机构、政府事业单位及各类专业人员提供了企业活力指数评估和全息数据画像，从微观、中观、宏观多方面提供了各类企业数据分析报告、行业趋势报告和相关指数。同时基于国家电网创新应用开发平台、中广核新能源数据价值创新联合体等行业组织，可以精准提供电力、新能源等产业的真实业务数据，为高校相关课题研究提供数据支撑。

教学大数据分析展示平台作为专为高校教研开发的数据挖掘分析应用系统，致力于通过对学校教学中的数据的科学采集、存储，智能建模、分析，辅助学院管理员及时把控教学进度，让教师科学制定教学方案，让学生精准认知自我。

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。

一种对多源数据来源下的公交站点位置纠偏的方法，首先确定每条路段的公交站点搜索范围，将搜索范围内的公交站点作为待纠偏站点，然后逐个判断待纠偏站点与路段的距离以及经过该站点的线路与路段走向关系是否满足站点与路段的匹配要求，满足要求则匹配成功，否则判断该站点与反向路段是否满足匹配要求，最后，对匹配成功的站点进行纠偏处理，使与路段匹配的站点位于路段右侧合理偏离范围内，匹配失败的站点交由用户完成匹配后纠偏。本发明基于公交站点与路段的位置关系以及线路与路段的走向关系自动修正公交站点在路网中的位置，实现多源数据来源及部分数据存在偏差情况下的公交站点与路段的匹配以及站点位置纠偏，提高匹配的准确性。

本发明公开了一种基于均值漂移的不同精度下的三维点云数据 的融合方法，针对两组精度等级不同的三维点云数据，利用高精度点 云建立低精度点云的误差分布，进而对低精度点云进行均值漂移，消 除低精度点云的漂移误差，从而实现两组数据信息的融合，该方法包 括：S1：建立低精度点云的拓扑结构信息，包括每个样点的邻域点集 和单位法矢；S2：利用高精度点云对低精度点云进行密度聚类，根据 聚类结果确定低精度点云每个样点的漂移误差；S3：利用低精度点云 的拓扑结构信息和所述漂移误差确定低精度点云各样点的漂移矢量， 根据该漂移矢量对低精度点云的各样点进行漂移，实现融合。本发明 的方法在消除低精度点云漂移误差的同时，可实现小幅度噪声的光顺。 

本发明公开了一种基于遗传算法的异构 CAD 模型数据交换的系统及方法，本发明的异构 CAD 模型数 据交换的系统包括二个部分:源端 CAD 系统和目标端 CAD 系统。同时，将异构 CAD 模型数据交换分为两 层:3D 特征参数层和 2D 草图参数层。在 3D 特征参数层，采用了直接特征映射和间接特征映射的方法实现 特征数据的交换。在 2D 草图参数层，采用直接元素映射、间接元素映射及样条映射。将 2D 草图参数层中 样条映射问题转换为样条拟合问题。创新性的将遗传算法引入到异构 CAD 数据交换领域。在遗传算法个体 的适应度计算中，引入了 Hausdroffdistance。本发明可以用于复杂模型的异构 CAD 数据交换，交换之后的 目标模型，不仅与原始模型具有极高的相似度，而且保留了原始模型的参数化特征信息。

本发明涉及一种跨比例尺矢量地图水网数据同名目标匹配方法：1.导入具有相同投影坐标系的两份 同区域不同比例尺版本的待匹配水网数据，将小比例尺数据设置为匹配层，大比例尺数据设置为参考层； 2.分别对匹配层和参考层水网数据进行几何维度一致化处理，使之统一表达为结点—弧段的线状水网结 构；3.引入概率松弛模型依据距离关系指标进行结点匹配，4.基于结点匹配关系以及距离、长度指标进 行弧段匹配；5.由线状水网结构间的弧段及结点匹配关系，导出原始匹配层水网数据与参考层水网数据 间的同名目标匹配关系。本发明克服了不同比例尺版本水网数据目标表达存在维度差异的难点，能够准 确高效地建立不同比例尺版本水网数据同名目标匹配关系。 

本发明公开了一种容三盘失效纠删码的单数据盘失效快速重建 方法，包括：单条带重建时将每个条带的每个条带单元划分为 p-1 个 子分块，其中 p 为素数，且满足 p+2 等于 RAID 组中磁盘的数量,获取 每个条带中用于重建失效盘的子分块的总数量 Rideal＝Rlow+w%，在 磁盘个数为 p+2 的阵列中，将失效盘 i 失效的可行解值初始化为 3^p-1，初始化计数器 j=0,用辗转相

本发明公开了一种基于 I/O 流水线的失效节点数据重构优化方 法 ， 包 括 ： 从 纠 删 码 存 储 集 群 中 的 存 活 节 点 中 任 选 k 个 节 点 N1,N2,…,Nk，并初始化计数器 i＝0，j＝1，节点 Nj 读取其自身的分块 Blocki,j，并将其发送到 Nj+1，并设置 j＝j+1，节点 Nj 读取其自身的 分块 Blocki,j，并与接收自节点 Nj-1 的分块 Blocki,j-1 进行线性组合计