可组装结构，包括线圈、常开、常闭、公共端连接件、底座等。

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

数据采集（DAQ），是指从传感器和其它待测设备等模拟和数字被测单元中自动采集非电量或者电量信号，送到上位机中进行分析、处理。数据采集器是结合基于计算机或者其他专用测试平台的测量软硬件产品来实现灵活的、用户自定义的测量系统。本项目所设计的多功能数据采集器具有8路24bit的A/D转换接口、2路SPI总线、1路I2C总线和6路GPIO，能适应于高精度数据采集的需要。提供多种通信接口，包括CAN、USB、RS232和TCP/IP等，保证其与上位机和其他各种工业、商业设备的实时通信。主控芯片采用ADI公司的Blackfin系列DSP处理器进行数据接收和预处理，保证了数据的准确性、实时性和系统的可靠性。为了方便用户进行二次开发，该数据采集器提供了+12V、+5V、+3.3V等多种电源接口，结合所提供的8路A/D转换接口、2路SPI总线、1路I2C总线和6路GPIO，用户可以方便地外挂各种传感器模块。基于丰富的通讯接口，用户亦容易开发上位机应用软件或控制装置，进而达到快速设计出自己的产品的目的。已申请国家发明专利?项：《一种基于CAN总线的在线故障检测系统》 公开号：10145852

一、平台概况 数字农业大数据平台（以下简称“平台”），是面向各地农业农村局及其相关科室的数字农业大数据产品。 平台以农业信息化数据大集中为原则，通过整合全区农业数据资源及农业信息化设施，统一管理、统一部署、统一规划，搭建起包含“底层数据+业务系统+终端应用+分析系统+可视化系统”的区域数字农业产品体系，为实现区域农业信息汇集、区域农业现状掌握、农业发展指导及监管提供了有力的信息化支撑。 二、产品简介 平台涵盖GIS、产业结构、农业社会化服务、农机信息、乡村振兴、美丽乡村、科技农业、质量安全、综合预警、农村经济、品牌农业、一卡通12个模块，针对区域农业中重点关注的内容，从多个维度对相关数据进行可视化分析，结合当地农业特色，全面展示当地的农业发展面貌。 三、详细介绍

本项目是基于windows系统的综合性数据防护系统，拥有数据驱动级隐藏保护与文件彻底销毁等主要功能。本项目由学生自主开发并且参加2011年全国第四届大学生信息安全大赛获得全国二等奖。

1 成果简介本项目是基于云计算技术开发的模块化数据中心，将成为未来云服务端的主要模式，是新一代的绿色智能数据中心。设计思路：是一种具有通用性和便于维护的模块化（集装箱式）数据中心，为微数据中心模式的运行提供硬件支撑，这种模块化数据中心相比于现有的数据中心更有利于分散部署和运行维护，与目前业内的其它厂商的集装箱数据中心相比，不过多追求于单位面积所容纳的数据处理能力，而是侧重于 IT 设备、供配电设备以及制冷设备的模块化设计，侧重于利用物联网技术加强集装箱数据中心的综合监控能力和远程运维能力，提高数据中心整体的模块化程度，降低数据中心的维护、维修难度，缩短数据中心的部署和维修时间，提高数据中心的组态性，降低云计算的运行成本。 本项目开发的模块化数据中心为软件与硬件相融合的产品。在完成集装箱数据中心设计的同时，开发一整套云计算管理中间件，用于对整个云计算平台的管理、维护，为应用提供安全、高性能、可扩展、可管理、可靠和可伸缩的软件支撑平台。  图 1 加工定制现场 根据模块化数据中心的功能要求，依据国家有关标准和规范，结合各种系统运行特点进行总体设计。设计方案以功能完善、技术规范、 安全可靠为主，确保系统的可靠安全运行，满足微数据中心运行模式对集装箱数据中心的要求。 模块化数据中心包括六个子系统和一个云计算服务管理平台。 （ 1）智能 IT 设施系统； （ 2）箱体及智能机柜； （ 3）智能电源管理系统； （ 4）智能制冷系统； （ 5）智能防雷保护系统； （ 6）物联网智能监控系统。 其中子系统（ 6）除了包括对模块箱体内部温度、湿度和外部温度的环境监控、箱体内动力设备的监控、空调制冷设备的监控，还包括消防系统和安全门禁系统，是一个基于先进物联网技术和理念的综合监控系统。 模块化数据中心的设计思路以最优化的综合统筹设计和系统实施，提高这种绿色智能数据中心关键设备的供给能力。针对微数据中心模式的应用，模块化数据中心的设计从整体规划、集成、服务、运营、管理等几个方面综合考虑。2 技术指标（ 1）安全可靠性 云数据中心必须具有高可靠性的，不能出现单点故障。要对数据中心布局、结构设计、设备选型、日常维护等方面进行高可靠性的设计和建设。在关键设备采用硬件备份、冗余等高可靠性技术的基础上，采用物联网技术及相关的软件技术提供较强的管理机制、控制手段和监控与安全保密等技术措施提高云数据中心的安全可靠性。 （ 2）灵活性与可扩展性 集装箱数据中心具有良好的灵活性和可扩展性，能够根据今后业务的不断深入发展的需要，扩大设备容量和提高用户数量和质量的功能。具备支持多种网络传输、多种物理接口的能力，提供技术升级、设备更新的灵活性。 （ 3）通用性 目前的市场上的集装箱数据中心在机架的设计上往往按照特定的 IT 设备的安装尺寸进行设计，力求空间的充分利用而牺牲通用性，我们设计的云数据中心要能够适应多数的服务器结构，以满足一定阶段内利用集装箱对传统数据中心改造的要求，侧重于数据中心的通用性。 （ 4）标准化 虽然集装箱数据中心尚处于发展的初级阶段，未出台针对集装箱数据中心的国际、国家标准，但在系统的结构设计中务求基于国际标准和国家颁布的有关标准，包括各种建筑、机房设计标准，电力电气保障标准以及计算机局域网、广域网标准，坚持统一规范的原则，并为多模块部署的增容奠定基础。3 应用说明针对模块化数据中心最大的特点是便于部署和完善的远程监控能力，结合清华大学信息技术研究院在海量数据处理方面的优势，综合云计算平台的应用，提出一种新的计算基础设施运营方式，称之为微数据中心模式。所谓微数据中心模式是针对一个单位或者一个特定区域，根据这个单位或者特定区域的应用需求部署模块化数据中心，这个数据中心为该局部范围提供云平台服务，用户不需要高性能的计算机即可拥有高性能的计算能力和高性能计算机提供的服务，不需要都具备高速电信服务商互联网连接即可获得高性能的网络连接，与此同 时可以享受云平台所提供的各种服务。微数据中心的部署方式不同于现有的分散数据中心方式，微模式利用模块化可伸缩、便于维护的特点，将数据中心部署到用户侧，使其更接近于用户的应用。 模块化数据中心内部设备完全采用模块化设计，利用物联网的技术实现模块化设备的有效监控和科学管理。数据中心出现故障时不需要现场专业的技术人员维护、维修，仅仅由操作人员即可通过完善的物联网监控系统和科学的设备管理系统即可完成数据中心的维护、维修，最大程度上的模块化设计又可以保证数据中心的快速修复，这样将极大降低分散部署数据中心的维护、维修费用，从而为微数据中心运行模式提供实际支撑。 作为一种新型的计算基础设施运营方式，为了实现一种比“ 湿租” 模式更进一步的应用方式，提供用户和客户所需计算平台，在模块化数据中心设计的同时将开发一整套云计算服务管理平台。实现对整个云平台的管理、维护，为应用提供安全、高性能、可扩展、可管理、可靠和可伸缩的服务，实现基于云计算的产品创新和应用模式创新。4 效益分析超过 70%的全球前 1000 企业都将在今后 5 年内对数据中心的设备进行更新与扩展，应用和计算密度的快速增长，使得资本压力不断上升，数据中心的电力消耗在过去 10 年增长了 5 倍，一台 1U 服务器的使用成本高达采购成本的 2 倍，并且还在继续增加、能源价格飙升也导致更加困难的局面，用于空调冷却的电力甚至超过了计算用的电力。传统数据中心IDC 能源的巨大消耗急需呼唤新一代数据中心的出现。因此，模块化数据中心将有 70%市场需求率。 模块化数据中心的设计与升级方便，一体化交付，货到即用，灵活部署，智能化管理技术保证数据中心上线后可以无人值守，具有便捷的移动性、易部署性和智能性，可以作为移动式数据中心、企业政府的数据中心以及大型云数据中心的部署模块。 项目研发初期投资 1000 万元。形成建设规模达年产 50 套模块化数据中心后，年销售总额预计超 30000 万元。5 合作方式商谈。6 所属行业领域信息领域。

小试阶段/n大数据监控管理平台的目标为：建立基于大数据处理技术的数据中 心，整合各种数据源的数据；实现多源数据的高效管理和可靠存储；为 应用开发人员提供统一的数据访问层，方便平台的二次应用开发；提供 图形化的文件管理；实现界面化的数据管理；提供图形化的集群的部署 和监控；实现方便高效的数据迁移。同时，提供有效的安全访问控制和 界面化的快捷操作。 当前各行各业均有大数据应用的需求，需要投入巨大的人力、物力 来简历和维护大数据平台，技术升级和平台迁移的成本非常高，大数据 监控管理平台的应用，将在大数据应

1 成果简介本项目基于 iSCSI 的块数据 I/O 连续跟踪、块差异存储及压缩、虚拟镜像及快速启动、数据库一致性检测以及嵌入式技术等，结合现有的高性能硬件平台，提供文件级和卷级连续数据备份方案，可实时、透明保存企业内的分散数据，保证用户数据的安全和完整。该系统提供任意时间点或版本的数据恢复；采用基于差量的版本管理，存储空间小，网络传输数据少，易于实施，系统后台透明运行，稳定可靠；支持远程异地办公人员使用；备份数据集中管理，便于公司集中备份和保护企业价值数据。与传统备份产品相比，具有可靠性高、可用性好、速度快、部署简单、无缝集成的特点。本地化的生产和服务，可以大大地提高服务质量和降低成本。而且作为具有自主知识产权的安全产品，可以更加稳定地保护数据安全，减少风险。本产品在国际市场上具有一定的竞争力。2 技术指标数据恢复点目标（ RPO）： 任意点恢复；全盘恢复速度： 30~40MB/s；快速差异恢复速度： 150~200MB/s；数据压缩比： 15~20:1；单服务器负载： 20~30 保护对象；服务器存储平均写入速度： 120~150MB/s。3 应用范围各企事业单位、军队、大中小型企业，数据托管的服务运营等。4 效益分析资金投入： 500 万元； 年销售收入： 1000 万元； 年净利润： 200 万元。

成果简介：由于数据库本身安全性的不足，攻击者可能通过非正常途径来访 问数据库，甚至实施缓冲区溢出或 SQL注入来攻击数据库，从而造成敏感 信息的泄漏，危害数据安全以及系统的安全。数据库透明加盟有选择性的对 敏感数据加密存储，防止信息泄露。 项目来源：自行开发 技术领域：软件，数据库 应用范围：信息系统、数据库应用系统、数据库安全。 现状特点： 1) 系统直接运行在DBMS&nbs