基于跨行业数据挖掘标准流程CRISP-DM，实现数据的深度挖掘分析，帮助教师与学生发现数据中隐藏的关系及规律，为教师科研提供数据分析探索、模型构建、成果应用的一站式数据挖掘工具，高效开展行业应用研究。平台支持用户通过简单拖拽、低代码的方式快速完成挖掘分析流程构建。同时支持模型自动化构建、模型智能评估，推荐最优模型与算法。 1、极简的建模过程 基于拖拽式节点操作、连线式流程串接、指导式参数配置，用户可以通过简单拖拽、配置的方式快速完成挖掘分析流程构建。平台内置数据处理、数据融合、特征工程、扩展编程等功能，让用户能够灵活运用多种处理手段对数据进行预处理，提升建模数据质量，同时丰富的算法库为用户建模提供了更多选择，自动学习功能通过自动推荐最优的算法和参数配置，结合“循环行”功能实现批量建模，帮助用户高效建模，快速挖掘数据隐藏价值。 2、丰富的分析算法 内置150多个分析算子，包含30余种数据预处理方法，5种数据融合方法、11种常用特征工程，实现数据融合处理与特征构建；包含聚类、分类、回归、关联规则、时间序列、综合评价、协同过滤等7类N种机器学习算法，支持深度学习、集成学习与自然语言处理等人工智能分析方法，满足各类业务科研场景需求。 3、灵活的扩展能力 支持用户编制SQL\R\Python\Java\Scala\Matlab\PySpark脚本实现个性化的算法脚本。自定义算法功能允许用户通过R\Python\Java\Scala基于平台规范封装自主算法并发布形成平台节点，方便用户灵活扩展平台算法节点功能，增强平台的业务适应能力，充分满足不同领域科研的个性化需求。 4、全面的分析洞察 通过丰富详实的洞察内容，帮助用户全方位观察建模过程任意流程节点的执行结果，为用户开展建模流程的改进优化提供依据，从而快速得到最优模型，发现数据中隐含的业务价值。建模分析报告支持在线查看，并且支持下载可编辑Word版本，支持科研报告及相关成果发布应用。 5、全栈科研成果管理与应用能力 分析成果的快速工程化应用，支持模型以调度任务、异步服务、同步服务、流服务及本地化服务包等形式应用，满足工程化的不同诉求。提供统一的成果分类统计及统一管理监测，帮助用户高效便捷地管理成果、利用成果及监测成果。 6、跨平台模型迁移及融合 支持PMML文件的导入和导出，可以实现跨平台模型之间的迁移和融合，利于用户进行历史模型的迁移，实现用户在不同平台的模型成果快速共享，提升各类科研成果的复用性。    

学生综合服务平台，基于学工核心业务，结合智慧校园业务中台和数据中台，前端通过一站式平台、校园APP、自助终端方式呈现，基于表单流程工具开发的流程服务，并与学工业务打通，实现线上线下打通，实现无纸化办公； 提供从学生入校到学生毕业离校的全流程化管理，实现服务和管理打通； 另外学工业务和学校现有门户平台、认证平台、教务平台、一卡通平台在数据上实现完全共享，依托数据中台，提供强大的自定义数据与统计分析功能，实现学生在校期间表现的全面动态管理和学生数据的精准化管理，能更好的辅助决策； 结合业务中台流程工具和消息平台，提供全面的工作提醒机制，实现消息及时、全方位触达，各层次用户可快速准确的点击进入操作，真正做到快捷、方便学生办事、高效解决学生困难。

实验内容 1、单摆； 2、三线摆； 3、碰撞打靶； 4、李萨如图形； 5、液体表面张力系数； 6、应变力传感器定标及未知物体称重实验。

在加速建设工业互联网的国家战略背景下，培养工业互联网新兴职业人才。针对数据采集、组网通信到协议设计、应用的基础认知到实际项目工程实施等内容进行职业资格认证服务。

面向物联网、电子信息及计算机专业教学。包含硬件设备、软件平台和教学资源库的完整教学实验体系，可应用于相关课程的原理展示、动手实验及综合实训。

本书概述了三维激光扫描技术的概念与原理,分类与特点,研究现状与应用领域,阐述了点云数据的获取方法与精度分析,简要介绍数据处理的主要流程与基于点云的三维建模方法等.

本项目将研制一套软硬件一体化的医学图像处理与三维重建系统产品，该产品由三大部分组成，包括： 高性能、大容量、适合处理医学图像的硬件平台； 针对医学图像处理裁剪后的专用Linux操作系统；综合医学图像处理与三维重建的医疗专业应用系统。 成果性能：三维重建速度快、重建的图像真实、精细，操作方便。 应用范围：CT、MRI等医学图像处理与三维重建虚拟手术

根据复杂设备维护训练的需求，西安科技大学自 2011 年开始研发桌面式三维虚拟拆装训练技术，目前此技术已经成熟并在部队大型武器装备维护拆装训练中推广应用。该成果申请软件著作权 1 项。 3DVSATS 软件系统基于 OSG 三维渲染引擎开发，可根据客户需求定制拆装训练设备，支持 3DMax 、 Maya 等主流建模软件建立的三维模型，可对设备各部分零件进行直观的三维展示；设备维护人员通过鼠标、键盘等进行交互操作，可以完成定制设备的拆解和装配训练，并可记录操作过程，最终统计出每次操作的错误步骤并打分。

随着支配半导体技术数十年的摩尔定律日益接近其发展极限，多种功能器件集成被认为是超越摩尔定律延续集成电路发展进程的重要途径之一，这就需要能够满足多种功能器件高密度集成的制造技术。多元兼容集成制造技术就是为此而开发的，该技术通过在更大范围内优选结构/功能材料组合，开发异质集成制造工艺，大大拓展了功能微器件创新设计和制造的腾挪空间。经过多年探索，目前已形成了涵盖金属、聚合物、陶瓷、复合材料的MEMS异质异构制造技术体系，并在多种类型功能器件研发中发挥了关键作用，初步展现了其基础性支撑作用，相关技术获得2016年度上海市技术发明一等奖。 微系统集成发展趋势 多元兼容集成制造技术  获奖情况 上海市技术发明一等奖2016年团队获奖 国家技术发明二等奖2008年 上海市技术发明一等奖2007年 超薄超快高热流密度微通道散热器 上海交通大学团队在长期研究经验和技术积累基础上，创造性地提出了不同高热导率材料组合构造的复合结构微通道散热器设计方案，并基于多元兼容集成制造技术完成了多种尺寸样品研制，其中，热源面积与常用功率芯片尺度相当的超薄散热器冷却能力达到800W/cm2以上，在保留传统微通道散热器良好系统兼容性和适用性的基础上达到了相当高的散热能力水平，为解决高功率芯片系统超高热流密度散热问题提供了一个深具可行性的解决方案。 高温薄膜温度传感器研究  发动机燃烧室等极端恶劣环境下（高温、强振动、强腐蚀等）的工作参数现场监测对传感器技术是严峻挑战，国内外研究广泛。交大团队基于特种材料微纳集成制造技术的长期积累，在高温绝缘薄膜材料、多层薄膜应力调控、曲面图形化和高温敏感介质等技术上取得了一定突破，成功开发了多种可与现场结构共型的高温薄膜传感器，具有体积小、环境扰动小、响应快、灵敏度高、可分布式安置等优点，该团队已经掌握了温度、应力/应变、热流等多种高温状态参数测量技术，适用温度在800-1300℃之间。 薄膜绝缘电阻随温度的变化及测试结构 高温薄膜温度传感器制造及曲面图形化技术 薄膜温度传感器在发动机不同部位测温需求 无线温度传感器测温系统 高性能转接板 基于转接板的多芯片封装是2.5D高密度集成最具可行性的方案之一。但是传统的硅转接板性价比不高，阻碍了广泛应用。上海交大团队基于非硅微加工技术的长期积累，突破了硅转接板绝缘层完整性和再分布层热隔离的难题，成功研制了漏电流极低的低成本高性能硅转接板。此外，还开发了复合材料非硅转接板，TCV陶瓷转接板，TGV玻璃转接板等各种三维封装基板，实验室能够针对不同类型器件三维高密度封装的具体要求，定制开发不同功能的专用转接板，为多功能、高密度、高功率、低成本封装提供个性化解决方案。 TSV-3D 高密度封装概念图  金属-聚合物-纳米复合材料非硅基转接板实物图片

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。