吉星实训移动数据采集推车，用于职业院校、高校实训室，从不同角度展现实训过程，内置操作系统，触屏即可完成拍照、录制、回看等操作，HDMI直连电视，一体化灵活设计，满足不同实训场景的移动需求，解决移动实训中围观教学以及推车场景应用单一的问题。 在教学过程中，利用实训移动数据采集推车，解决移动实训围观展示、实训录制、微课编辑难的问题，提高学校进行实训课程授课的效率与便捷性。

吉星跨时代实训移动数据采集终端，用于职业院校、高校实训室，双角度高清展示，触摸控制，内置专用操作系统，HDMI直连电视，单双屏切换，放大微距细节画面拍摄精细操作过程，解决精细操作中围观教学和微课录制的难题。 在教学过程中，利用实训移动数据终端，解决精细操作课程细节展示、实训录制、后期编辑难的问题，提高学校进行精细操作实训课程授课的效率与便捷性。

Tempo大数据应用能力成长平台（简称：Tempo Talents）是美林数据自主研发的面向高校大数据与人工智能领域“教学实践、集中实训与科研创新应用的一体化实验平台”。平台以专业课程教学实践、项目实训为核心，以创新产业应用孵化为目标，围绕大数据核心技术体系及应用，提供丰富元子化课程实践与实训案例资源。依托可视化分析与机器学习开发引擎，过程与结果兼顾的教学管理方式，闯关、考试、竞赛、数据游乐场等多种实验模式，为高校打造教与学充分互动的“大数据应用能力成长平台”。 一、创新教学管理模式，打造自驱型能力成长平台——教学管理平台→柔性化定制课堂教师可以根据教学目标、学生情况，灵活搭配原子课、实训项目及教材→教学考评管一体化统一的审阅、评分入口，实时查看作业提交情况→全景学情分析多维度图表展示学生的学习进度、学习成绩，直观了解到课堂的学习情况 二、Docker集群化部署，支持实验环境一键式访问及智能化管理——实验管理平台→高可用的容器化集群基于容器及容器集群架构运行的大数据实验基础平台，系统高可靠，高灵活，高伸缩性。→智能化实践环境管理预装实验需求的各类软件运行环境，基于浏览器的B/S模式直接访问，根据访问自动启停→一键式虚拟桌面实验台支持基于浏览器B/S模式的 “一键式”访问基于Linux的虚拟桌面环境，可提供 Linux 桌面和命令行操作，并可实现 Linux系统管理 三、不同难易度 不同实践模式相结合，因材施教更进一步——课程实践平台→多模式课程实践在线编码式、命令行、云桌面等多种实验模式→课程自动评测学生在线提交代码，一键自动评测打分，快速获取学习成果反馈→趣味闯关寓教于乐将课堂小测验转换为趣味闯关，激发自主学习热情 四、编码式与拖拽式双环境，开发型与应用型兼顾——项目实训平台→编码式与拖拽式双环境交互式笔记和拖拽式平台双操作模式，满足不同层次学生学习需求→完整实训项目指导手册还原项目落地全过程，将业务分析方法论融入具体项目实训中 →实验报告点评与优秀作业共享实验报告在线提交与点评，分享优秀作业，积累优秀成果 五、智能机器学习开发平台，满足人工智能教学科研需求——人工智能平台→强大的建模算法引擎9大算法类型、120余种分布式算法支持、15种文本算法→全面的分析洞察帮教全方位观察建模过程及结果，让学生在掌握方法的同时也能洞悉建模原理→多模式扩展编程R\Python\Java\Scala\Tensorflow等多种编程语言，学生可自定义算法开发实践 六、拖拽式大数据分析平台，培养学生数据创新探索能力——大数据分析平台→自助式大数据探索分析低门槛拖拽式数据可视化分析，让学生快速构建数据分析应用能力→灵活的可视化交互看板40余种可视化图形，钻取、联动、链接等多种交互模式 →多样的分析报告可视化大屏、分析看板、word报告、数据报表等多种报告形式呈现 七、真实项目经验 名师课程资源，构建优质教学课程资源库——课程资源平台→多学科教学名师课程引入国内一流高校教学团队优质课程，贴合学科最新发展趋势 →创新原子课设计将专业课程的知识点“原子化”，层层递进融会贯通→丰富行业实训案例精选美林数据 200+能源、政府、高端制造等行业头部客户真实项目案例 八、丰富数据资源与灵活数据资源管理，满足教学科研多层次需求——数据资源管理平台→多种数据源接入满足不同大数据平台和SQL数据源、Excel文件数据库、多维数据库、分析型数据库实时数据等不同类型数据源接入 →数据管理与权限分配支持后台配置数据权限，多种数据资源自定义管理→开放数据超市提供宏观、中观、微观全维度数据体系，上亿条数据，数据总容量超过500T丰富数据资源与灵活数据资源管理，满足教学科研多层次需求  

本发明公开了一种基于大规模无序图像的多起点增量式三维重·699·建方法,包括图像匹配与匹配关系图构建、重建起点选择、边界检测、多起点三维重建和子模型拼接的步骤；利用聚类和迭代漂移的策略，自适应地从无序图像集合中选取适合作为起点的图像对同时开始重建；在重建开始之前，根据分层最短路径算法确定每幅图像的最佳重建子过程，确定重建边界；并根据不同子过程得到的子模型，通过其包含的公共部分进行拼接，获得完整的三维重建

本发明公开了一种保留已有路网数据并利用OSM数据进行路网扩展的方法，该方法能够让用户自定义需要扩展的路网区域，并快速地将用户需要扩展的路网范围连接到原有网络中，同时保留了原路网的数据信息，最终得到利用OSM数据进行扩展后的路网数据文件。在实际工作中，用户会遇到需要在已有路网基础上扩大研究范围的情况，本发明由用户自定义选择需要扩展的路网范围，自动从OSM数据中提取扩展路网信息后与已有路网数据进行合并，保留了原有用户已经维护好的路网信息，节省了人工逐条添加路段和对扩展后路网进行重复校核的人力和时间成本，同时提高了扩展路网的准确性。

本发明公开了一种用于大数据处理系统的内存数据集置换系统， 包括分析模块、信息监测模块、决策模块。分析模块用于对上层用户 程序进行逻辑分析，得出各运算阶段中生成内存数据集时的运算步骤 集合；信息监测模块用于对运行中的用户程序进行监测，并收集生成 内存数据集时的信息提交给决策模块；决策模块用于对收集到的信息 进行分析和排序，判断当前阶段是否需要对系统中的内存数据集进行 置换，在系统需要进行置换时确定需要移除的内存数据集并

技术分析(创新性、先进性、独占性) 为了充分利用先进的人工智能的新技术，提高医疗影像辅助诊断的水平，使得智能医疗诊断技术提高临床诊断的质量和效率，使其尽快走入家挺、社区，满足人们的医疗健康的需要。研究临床医学影像的2D病灶精细分割和三维跨模态的影像三维重建技术。首先，通过建立多层感知的神经网路，对医学影像的特征进行充分学习，得到影像的几何映射的关系，从而实现对医学影像的三维重建，克服了现有的三维重建技术中度量关键问题，关键技术对于医学影像的精准度量，具有现实意义:其次，在2D病灶分割中，利用半监督学习技术，实现少标签情况下的分割技术，半监督学习技术可以有效解决医学影像中标签难以获取的问题。技术的研究成果的特点是医学影像跨模态辅助诊断技术，对于超声、CT以及核磁共振等影像都有效，并且攻克的神经网络过于复杂的关键问题，所研究技术适用于临床快速便捷辅助诊断。此外，在医学度量方面的关键技术中，突破了人体腹腔及皮下脂肪的精细分割技术的关键技术，可以用于临床辅助诊断中，在关键技术探索中，实现对腔内脂肪特征的精细学习，该技术仅需要少量的影像标准数据，就可以实现皮下脂肪的准确分割，并证明了关键技术的有效性。

本发明公开了一种基于多尺度大核卷积双残差神经网络的超分辨率图像重建方法，适用于图像处理领域，包括以下步骤：对数据集进行裁剪，将裁剪后原始低分辨率图像输入到预处理模块中，进行图像归一化和数据增强操作，生成预处理后的低分辨率图像；预处理后的低分辨率图像组成失真图像块数据集，构成训练集、验证集和测试集；根据已有的失真图像块数据集，构建一个基于多尺度大核卷积双残差神经网络的超分辨率图像重建方法；将数据集输入到构建的多尺度大核卷积双残差神经网络中分提取语义特征，并用模型的上采样模块对特征图进行放大，生成超分辨率图像。本方法引入多尺度大核卷积与双残差结构，在神经网络中使用视觉注意力机制，提取的特征更符合人类视觉感知特性，使图像超分辨率图像重建更加准确。

自美国 2011 年实施材料基因组计划（Materials Genome Initiative，MGI），现已成为全球材料创新研发的强大助推剂，将高通量实验、材料数据和高通量计算三要素有机结合，加速材料创新性研发并降低成本。MGI 将成分-工艺-组织-性能的关联集成化、跨尺度分析，将材料的研发由传统经验式提升到科学设计。高通量材料计算和数据挖掘技术是材料基因工程的重要组成部分，通过材料的高通量热力学/动力学计算、高通量相场模拟、数据挖掘和性能预测，实现材料合金成分、制备工艺、微观组织结构和宏观力学性能的调控及优化，为新材料的开发设计提供指导，实现产品全制备周期的数字化、智能化管理，提高产品质量稳定性、降低产品研发周期和成本、提升企业的核心竞争力。