可以量产/n该项目是提供一个大数据处理框架和处理平台，具备较强的大数据 处理能力。 该项目需求广泛，将产生较大的经济效益。

项目简介 本成果基于高性能计算技术和大数据存储与处理技术，避开传统依赖单个计算机或 集群计算的缺点，应用先进的分布式文件系统和并行计算架构，使用普通的 PC 级机器构 建高性能的大数据处理平台。属国内领先项目。该成果处于中试研究阶段，并申请了专 利，专利号：ZL201010510071.8。 性能指标 （1）能利用 PC 级机器实现高速的大数据处理。 （2）能高效存储和管理海量的数据。 （

针对柴油机气态排气污染物遥感检测难题，提出了基于柴油机燃烧过程过量空气系数修正的遥感测试数据反演计算方法，从而实现对柴油车NO等气态排放物浓度实时检测，满足了国家遥感标准中对柴油车NO排放浓度检测要求。 一、项目分类 关键核心技术突破 二、技术分析 针对柴油机气态排气污染物遥感检测难题，提出了基于柴油机燃烧过程过量空气系数修正的遥感测试数据反演计算方法，从而实现对柴油车NO等气态排放物浓度实时检测，满足了国家遥感标准中对柴油车NO排放浓度检测要求。并针对国内遥感大数据提出了遥感大数据处理方法，分工况区域动态确定排放阈值，从而达到动态高精度筛查高排放柴油车的目的。在汽车排放遥感监测领域具有良好市场前景。

DanaStudio 基于 B/S 架构，底层可对接通用的大数据底层平台，经历了多个大数据项目考验，是一款稳定、高性能的技 术服务平台。DanaStudio 作为数据智能工具中台，与底层大数据平台可灵活适配，适配不同数据规模环境，支持 GB 级 别数据量的单机业务数据库场景、TB 级别 MPP 分布式数据库场景，也支持 PB 级别 Hadoop 离线数仓大数据处理场景。 DanaStudio 采用前后端分离架构，后端服务支持微服务化管理，便于运维和管理。

成果简介：当前已经完成成果：已完成星上实时云剔除、关键区域/目标的快速提取算法研究；实现了光学遥感星上处理SoC芯片功能样片研制和测试，单片可实现155Mbps输入速率的实时处理，功耗小于600mw。 2015年完成成果：完成高性能、抗辐照星上光学遥感数据SoC处理器研发，并基于自主芯片构建星上并行实时处理原型样机，实现星上90%以上实时云剔除、关键区域/目标的快速提取等智能实时处理。 项目来源：民口863项目 技术领域：地球观测与导航技术

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。

鹏博士深耕云计算、网络SDN、自然语言处理、情感分析、图像理解，专注大数据的采集存储和信息挖掘，致力于提升各行业的大数据技术创新能力，通过全面的信息可视化、精准营销、新媒体数据挖掘、人群画像等为政务、工业、金融、医疗、交通、建筑、公安等各行业的合作伙伴提供一揽子的大数据解决方案，帮助企业实现增效降损，提高业务能力

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。

南京农业大学农学院农业时空大数据门户软件、数据管理中心软件及遥感影像处理智能处理系统采购项目招标项目的潜在投标人应在江苏省南京市雨花台区软件大道109号雨花客厅2幢1307室获取招标文件，并于2022年07月06日14点00分（北京时间）前递交投标文件。

南开深海大数据智能分析平台，是面向公共安全、电子政务、医 疗卫生、金融保险等行业领域的大数据智能分析平台。在处理多源异 构大数据问题上，平台具有先进的信息融合与深度分析技术，其中包 括异质多源行业领域大数据的融合处理、异构行业领域大数据的存储 管理、面向行业领域大数据的深度分析等关键共性技术；此外，平台 为行业领域大数据的智能分析提供支持，有效辅助管理部门感知、响 应、追踪与处理各类事件。已申请相关软件著作权两项:《南开深海行 业领域大数据智能辅助决策平台》、《大数据多任务调度计算平台》。以及相关专利一项：《一种多源异构行业领域大数据处理全链路解决 方案》。 项目特色：  平台提供了多源异构行业领域大数据处理的全链路解决方案， 覆盖了数据的全部生命周期，包括数据抽取、数据转换、数据 加载、数据挖掘、数据存储、数据可视化等步骤。  平台提供了高性能的多源异构行业领域大数据的清洗集成方 法以及特有的三层存储模型，实现了对行业领域信息的实时清 洗、高度融合以及高效存储管理。  平台提供了适用于海量异构行业领域大数据的多层次多维度 数据分析与知识发现方法，此外平台还支持自定义方法，具有 很强的扩展性。  平台提供了集群管理及多任务调度管理的功能，适用于不同级 别的用户群体的使用需求。