本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

浙江财经大学鲍海君教授等编著的《失地农民创业行为理论与创业决策动态仿真》2017年5月由中国农业出版社出版，获2019年“浙江省第二十届哲学社会科学优秀成果奖”二等奖（基础理论研究类）。 该书是浙江省高校人文社科重大攻关项目“失地农民创业行为的发生机理、创业决策动态模拟及政策引导机制研究”（编号：2013GH007）的最终成果。在中国经济发展过程中，政府往往遵循的是GDP导向，重点关注城镇化率的提升以及土地财政的获取，缺乏对城镇化进程中利益相关者的关注。2013年国家开始实施新型城镇化战略，提出将发展重点从土地城镇化转向人的城镇化，政府绩效管理导向将更多地关注人的社会性需求和精神层面需求的满足，促进农民市民化和城镇的可持续发展。农民市民化主要可划分为两种路径，一是“被动城镇化”，二是“主动城镇化”。 “被动城镇化”的农民失去土地后，面临包括经济、社会、文化、资本、机会、权利在内的多方面风险。从理论研究和实践措施来看，现有解决失地农民问题的思路主要集中于补偿和保障上，然而此类措施只能解决他们最基本的生存问题。该书提出要从根本上解决失地农民问题，应转变思路，从保障生存转向促进发展，通过创业带动就业从而解决失地农民可持续生计问题。然而创业是一个复杂过程，创业决策受到诸多因素制约，在充满变化的环境下从事创业活动极大地考验着失地农民的能力。因此，迫切需要探索失地农民创业的理论体系及政策支持系统。该书通过定性和定量两种研究方法，剖析了失地农民创业意向、社会网络与创业行为之间的关系，构建了征地拆迁事件冲击下失地农民创业行为发生的“意识—情景—行为”理论体系，探明了失地农民创业意向与创业行为之间的相互影响关系以及征地情境因素对意向和行为的调节作用，最后从保护性政府行为、调节性政府行为、生产性政府行为三个维度提出了失地农民创业行为政策引导机制。该书成果有助于建立失地农民内在的保障生存与发展的动力机制，以创业促进就业，推动转型期城市底层社会的和谐与发展。

成都中医药大学梁繁荣教授项目组围绕“实现针灸研究证据科学评价、集中存储、深度分析、高效利用”关键问题，采用大数据分布式存储、计算、分析和服务技术方法，创建了基于“云服务器+终端”大数据服务模式的循证针灸临床诊疗决策支持平台，并在临床、科研、教育、产业等多个领域进行了推广应用。项目主要技术内容： 1.基于大数据的循证针灸临床决策支持平台的构建：（1）构建了循证针灸证据质量评价标准、证据强度及推荐等级标准，创建了“大数据-当前最佳证据-优化诊疗方案”的循证针灸临床决策模式；（2）研发了一系列针灸循证诊疗决策数据挖掘模型和算法，实现了针灸疾病诊断、辨证分型、处方优化、刺激参数组合等诊疗决策方案的准确挖掘、智能分析、客观判断和可视化交互；（3）采用DTS、网络爬虫等方法采集数据，建立了针灸数据资源主题数据仓库和数据集市，构建了循证针灸决策资源中心；（4）设计开发了分布式存储、计算、分析与服务的循证针灸临床诊疗决策支持平台，实现了针灸循证诊疗决策各数据挖掘算法不同粒度的构件化组装、快速集成、高效响应和大数据服务。 2. 基于大数据的循证针灸临床决策支持平台的应用：（1）制定并完善了基于最新研究证据的24个病种的循证针灸临床治疗决策方案，为临床治疗决策提供了可供参考的高质量证据；（2）将GRADE系统引入循证针灸临床实践指南的制定，牵头制定了中国针灸学会《针灸治疗坐骨神经痛临床实践指南》；（3）对针灸临床常见的14个病种的古今治疗证据进行了系统的处方规律分析，发现并验证了具有理论和临床价值的经穴效应规律，并为优化针灸临床诊疗决策提供了便利；（4）将平台推广应用于中医针灸临床实践和医院管理，提高医生诊疗水平、中医针灸临床疗效和医院信息化管理水平；（5）研发了集针灸大数据支撑与临床经穴诊断治疗于一体的智能化循证针灸诊疗设备，开创了循证针灸临床决策的应用新模式。 研究成果已在71家中医医疗机构和天津、上海、广州、南京等地高校、科研院所应用，获得2800余万元直接经济效益和上亿元间接经济效益，对于针灸临床疗效提高、科技创新和创新人才培养起到了积极的推动作用，开创了针灸学产、学、研、用合作推动科研成果转化的成功模式。由石学敏院士等专家组成的鉴定委员会一致认为：“本项目极大地促进了针灸学的现代化和信息化发展，显著提升了针灸临床决策水平，加快了针灸学国际化进程，研究成果达到国际领先水平。” 基于大数据的循证针灸临床诊疗决策支持平台的应用场景示意图

成果介绍针对采用比例积分观测器法，结合电池荷电状态估计，设计能够同时对模型参数和电池荷电状态同时进行估计的算法，可应用于整车的BMS软件算法设计。搭建的软硬件平台可应用于BMS算法测试。技术创新点及参数(1)采用比例积分观测器法，结合电池荷电状态估计，设计能够同时对模型参数和电池荷电状态同时进行估计的算法；(2)在观测过程中模型参数可实时更新，算法满足李雅普诺夫方程，估计计算时可保证收敛；(3)更好的动态特性与电池充放电周期整体估计精度，且在电流信号有噪声时仍有较好的估计精度；(4)基于STM32芯片主控，AD7280芯片采集数据，μC/OS-III系统完成了控制系统软硬件设计。台架实验表明，系统信号采集精度良好，性能实现成功；(5)采用OCV法对Ah法进行纠正，获得新的综合SOC估算值，针对性地设计了初值确定方法，得到改良的SOC估计算法。*明该算法能在整个电池恒流放电过程中稳定估算SOC；(6)为考虑电池工作过程中的产热，对传统的SOC估算方法，引入温度约束，建立改良的SOP估计算法。*明该算法能很好地考虑电池温度对SOP估测影响而提升估算精度；(7)采用STM32F103芯片主控，AD7280A芯片采集信息，μC/OS-III系统建立了BMS软硬件系统，并进行了实车试验。结果表明改良后的估计算法精度良好可靠，所设计BMS具备出色的控制性能。市场前景本项目的涉及的算法设计及软硬件架构，可以采用成果授权、成果转让或者技术服务的形式与汽车零部件供应商产生合作。

与传统图片级分类标注方法相比，Visionome技术可多产生12倍标签，而这些标签训练出来的算法显示了更好的诊断性能。基于此技术，团队训练出可准确识别多种眼前段病变的裂隙灯图像智能评估系统，可应用于大规模筛查、综合分诊、专家级评估、多路径诊疗建议等多个临床场景。不仅在回顾性数据集中表现出眼科专家级别的诊断水平，在前瞻性数据集中也表现出色。使用者通过在Visionome诊断系统中上传眼前段图像，即能一次获得多个部位的全方位诊断，与传统的人工智能算法相比，Visionome系统可生成更加全面、精细、具体的报告，真正让医学人工智能应用揭开神秘的面纱，成为一个接地气的“医生”。

谐波电能计量及其仪表用以定量描述电能生产、 传输、消费的全过程，广泛应用于包括光伏、风电、电动汽车、 充电站在内的新能源及传统电力系统。 项目主要功能包括：自适应迭代分解电压和电流信号得到 谐波与间谐波成分，计算其谐波含量；计量各个谐波/间谐波成 分的四象限电能计量参量；具有有功、无功能量脉冲输出，记 录参数设定、开盖检测以及电压不对称、过压、过流、超限等 事件，具有液晶循环显示功能，可通过 RS-48

研究目的和意义机器学习和人工智能已成为当今最热门的技术之一。2017年，国务院印发了《新一代人工智能发展规划》，正式将人工智能作为国家重要发展战略之一。人工智能已经成为信息技术时代的又一波浪潮。在这波浪潮的推动下，互联网行业、金融行业、传统制造业、政务民生、公安警务等各行各业都在积极向人工智能领域转型升级，利用人工智能先进技术提升智能分析和辅助决策能力，

本软件的主要用途是针对玻璃切割的场景提出求解多约束的矩形切割问题的分层智能搜索算法，为玻璃切割方案提供全局优化，实现原料利用率的最大化，在节约资源的同时提高产量。 一、项目分类 关键核心技术突破 二、成果简介 切割问题和装填问题在学术界属于一类经典的NP 难问题，它们有着众多的变种，例如：一维的背包问题，二维的矩形切割问题，三维的装箱问题等。其中以二维的场景应用最为广泛，相关求解算法可以作为玻璃、板材、管材、服装切割套料智能制造的算法内核。 本软件的主要用途是针对玻璃切割的场景提出求解多约束的矩形切割问题的分层智能搜索算法，为玻璃切割方案提供全局优化，实现原料利用率的最大化，在节约资源的同时提高产量。 对于玻璃切割问题约束复杂的特点，本软件有针对性的提出了一种局部解的表示方法，它使算法的分布式部署成为可能，并且大大减少了程序运行时的内存开销。为了提高算法的效率，软件采用了贪心随机的基本搜索框架，并结合问题特点，将搜索过程分为多层嵌套进行，以提高搜索的灵活性和精确性。

本发明公开了一种评价降相关算法效果的方法，首先通过对原始协方差阵进行 Cholesky 下三角（LLT） 分解，选择 L 矩阵作为规约基计算原始协方差阵的长度缺陷。其次，对原始协方差阵进行降相关，然后得 到降相关后的协方差阵，再对其进行 Cholesky 下三角（LZLZT）分解，同样利用分解后的 LZ矩阵计算其长 度缺陷，计算方法简单且顾及了矩阵维数。最后，降相关前的长度缺陷和降相关后的长度缺陷进行做差，得 到的数值越大，表明降相关效果越好。该方法可以有效的评价降相关效果，同时长度缺陷考虑了协方差阵的 维数问题，且计算简单，克服了耗时等问题。从而有效的提高了评价方法的稳定性和实时性。 

项目建设了面向机电设备的寿命预测和维修大数据决策系统，可为城市轨道交通建设运维过程机电设备维护检修提供了一种新的解决方案。 基于自主技术构建了基于云+管+端的机电设备大数据采集传输存储分析平台。“端”是自主研发的支持边缘计算的安全可信终端；“管”是基于MQTT的扩展增强安全传输通道；“云”是基于HADOOP技术的工业大数据云平台。平台对机电设备生产经营相关业务数据、设备过程数据和设备外部数据的采集、清洗、集成、建模及应用过程提供全方位支撑，利用机器学习技术对设备剩余寿命可靠度模型和全生命周期成本模型进行了训练和优化，并形成指导性维修方案。 项目采用了自主知识产权的嵌入式安全数据终端和融合安全的传输协议，为保护用户隐私，增强系统可信提供了技术保障。 项目采用了智能边缘计算终端技术，可以根据用户的不同机电设备下载不同的检修预测模型进行预测分析，能够支持灵活的组网方式，适应于各种应用场景，节省用户投资。