本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。

本平台实现交通数据的可视化、预测、关联性分析

西安电子科技大学计算机科学与技术学院智能软件与系统新技术研究所副教授张亮团队依托上海瑞金医院、西安交通大学第二附属医院等的新冠肺炎疑似、确诊患者肺部CT影像，通过综合分析新冠肺炎患者的肺部CT影像特点（磨玻璃、体积大小、位置等特征），张亮团队加快技术攻关，设计开发了基于深度学习的新型冠状病毒的早期检测筛查模型系统。

本发明涉及一种基于机器学习的空间数据匹配方法，包括四个步骤:1)自动生成匹配训练样本，2) 通过机器学习建立分类器模型及其参数，3)应用分类器模型对输入空间数据进行目标匹配，4)顾及逻 辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多 种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性，匹配精度较加 权平均方法更高;匹配模型基于样本数据学习建立，数据的自适应性较高;建立模型的典型样本数量少， 可大规模应用;利用空间数据的内在几何信息，无需额外属性信息，使用准入性低。

多模态医学影像信息处理与分析，具有重大的应用背景，是国家和社会当 前高度重视的研究领域之一。 本项目拟基于机器学习方法，主要研究医学影像的特征描述、设备无关性 的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、 参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为： （1）建立统一的特征描述模型，实现跨模态医学影像的统一特征描述； （2）提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无 关性问题的通用框架； （3）在医学影像标注数据有限、数据库为海量等条件下，实现高效率单模 50 态影像检索，有效提高多模态、跨模态医学影像检索的精度，实现用户友好的 检索结果展示； （4）从结构复杂的多模态医学影像数据中，挖掘有用的知识，构建有效的 辅助诊断模型、实现个人疾病风险预警； （5）完成首期参考库建设与算法辅助研发平台的开发，为项目研究内容的 开展提供有效数据和环境支撑。本项目获得国家自然科学基金重点项目资助，项目执行期 2013.1-2017.12。

本发明提供了一种基于随机蕨的自举弱学习方法及其分类器，本发明属于计算机图形识别技术领域。图形识别通常采用弱分类器的加权、高斯概率分布的均值距离来判别正负样本。或采用分类树作为弱学习器，用误差测度减少最大化的划分准则划分节点，然后将这些弱分类器提升为强分类器。但是，这些弱学习方法要么收敛速度慢，要么准确率不够高，要么计算效率低。本发明选择图像特征和构造随机蕨、基于随机蕨的弱学习方法、基于随机蕨的弱学习方法、构建弱分类器、结果分类器等步骤可以很好地解决成像环境复杂且对运算量要求严格的图像模式识别，实现快速收敛和高效的自举弱学习方法，得到实时处理且准确率高的分类器。主要用于各种模式识别场合。

本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。 项目特色：  面向综合能源时空数据的需求分析和预测可以根据历史数据，结合地理区域的相互关系来预测给定时间范围和空间位置的能源需求。  针对综合能源的特性，项目提出了联合学习和迁移学习的思想对模型进行训练。同时优化不同区域中多种类型能源的联合预测模型，将已有模型的结果迁移到训练集数据不足的模型中，提高能源用量预测的准确率。  面向智慧城市的综合能源信息应用服务场景，并利用 GIS 技术实现配电网分析和用户用电特性分析的可视化。

本发明的主要工作是基于多源异构网络推断主体(用户)之间的社 会关系(包括同类型之间或不同类型之间的主体关系，本发明中只以用 户为例)的方法，异构网络是指网络中主体类型多种或者主体之间的关 系类型多种，关系可以分为好友和其他两种。主要内容包括在两个(例 如 Twitter 网络、通讯网络)异构网络中，两个网络的主体类型都包含有 用户，但不同网络中主体之间的关系链接类型是不同的在 Twitter 网络 中用户之间的关系是

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。

分布式光纤传感网络系统是一种融合传感、控制等功能的网络系统。光纤传感器通过改变的各种特性，比如波长、相位、强度等，来实现对外界物理量的传感。同时光纤又是一种很好的通信媒介，因此可以很好的同光纤传感网络系统融合。该网络系统具有抗电磁干扰，可靠性高，远距离分布式监测等特点，具有广阔的应用价值和市场前景。 　　电子科学与工程学院光子学与光通信研究室早在上世纪八十年代中便开始了光纤传感器的研究工作，九五期间又承接了国家重点科技攻关项目"光纤工业控制网络系统"的研制任务。多年来潜心攻关，埋头研究，成功的研制了多模光纤光栅、长周期光纤光栅，各类光纤传感器件（包括微弱力传感器，光纤温度传感器等）以及光纤工业控制网络系统，各项成果通过国家、部省级科技成果鉴定，达到国际先进水平，取得多项自主知识产权。 　　该成果进一步加速了我国在光纤传感以及光纤工业控制网络系统领域的发展，为发展全光传感控制网络奠定了基础，广泛用于工业控制、管道监控以及周界安防等领域。