所属分类：电子信息产业

所属单位：山西大学

成果简介：针对国土空间整治和生态修复过程中空间数据杂乱无章、异构、海量等核心信息集成的技术难题，研发了“空天地网”一体化的多源数据空间集成关键技术与大数据平台，主要包括山西省“自然资源价值一张图”、山西省固废信息综合管理平台、内蒙古自治区水土保持展示系统、基于“空天地”一体化的晋城市旅游资源管理系统等。关键技术主要包括高分辨率多源数据融合技术、统计背景数据空间集成技术和海量数据快速显示技术等。

所属分类：电子信息产业

所属单位：重庆大学

成果简介：

所属分类：电子信息产业

所属单位：中国石油大学

成果简介：个性化、可视化、可定制挖掘流程对满足不同的挖掘任务奠定了坚实基础；支持从数据融合、数据预处理、数据分析、可视化整个生命周期全流 程，为不同类型用户提供了易用的可视化平台； 融合了内存云计算、批处理等不同的云计算风格，适用于不同的计算任 务； 数据挖掘、软件工程的理念对大数据挖掘平台进行了设计、开发、测试 、部署工作； 对整个大数据挖掘平台进行了详细的评估与测试，确保了大数据平台的 性能、可靠性等软件质量属性 融入了各种先进的框架和技术，确保了平台的技术领先性 为创造性数据分析提供了无限可能！

所属分类：电子信息产业

所属单位：中国石油大学

成果简介：常规储层预测方法一般只能通过井相关分析优选出少量地震属性进 行人工分析预测，难以发现上百种地震属性之间的隐含关系，忽略了大 量与储层有关的地震属性，同时人工预测时也只能根据经验优选2～3种 测井数据，存在数据漏失问题。基于大数据的储层预测方法可使用更多 甚至全部的地震属性与井数据，可自动挖掘数据间的隐含关系，发现对 预测效果更好的属性。可通过LSTM循环神经网络把属性作为时序信号来 处理，也可利用Resnet卷积神经网络把属性作为特征图来处理，均取得 了较好于常规预测方法的预测效果。

所属分类：电子信息产业

所属单位：中国石油大学

成果简介：为了提高无线传感网数据包交付率，我们对多节点多数据包采用累积性丢包反馈，设计实现了以最小簇数量为目的的成簇算法，簇头和簇节点分别采用不同的通信策略，并使用获得定长的反馈包可以减轻网络负载，提高数据包成功交付概率，最终可以减少，从而延长网络寿命。实验结果表明，相对于传统方法该技术可以提高21.6%的数据包交付率。

所属分类：电子信息产业

所属单位：中国人民武装警察部队工程大学

成果简介：围绕密文域可逆信息隐藏嵌入理论创新、密码体制向后量子密码技术拓展、嵌入的容量与可分离性提升等核心问题开展研究，攻克了一系列关键技术，首次提出了基于加密过程的密文域可逆信息隐藏嵌入理论和技术框架，设计了多种格基后量子密文域的可逆嵌入算法，并对算法的可分离性、嵌入容量与鲁棒性进行改进，相关技术指标均达到该领域国际前沿水平，最后根据云环境下的应用需求完善了密文域可逆信息隐藏的评价指标体系，支撑面向云端网络空间的数据安全、通信安全和服务安全。项目的主要要成果包括：（1）针对密文域可逆嵌入的理论与技术尚在起步，发展不完善问题，首次提出了“基于加密过程冗余”的密文域可逆嵌入理论与技术框架；（2）针对现有可逆嵌入适用密码体制安全前景不足的问题，首次在密文域可逆信息隐藏领域引入后量子密码体制，提出了格基后量子密文域的可逆信息隐藏嵌入方法；（3）针对密文域可逆嵌入技术实用性能不高的问题，以及云环境下载体类型复杂、密文数据量大、权限管理困难等现实需求，提出可分离、大容量的通用密文域可逆嵌入方法；（4）针对密文域可逆信息隐藏技术安全性和实用性评价指标体系不完善问题，提出了密文域可逆信息隐藏的安全准则和技术评价新体系。成果丰富了密码与信息隐藏等技术领域的基础理论与应用实践，为云环境下的可逆认证、密文检索与数据管理，以及密文域隐蔽通信等领域提供了重要的理论技术支撑。

所属分类：电子信息产业

所属单位：浙江理工大学

成果简介：本发明涉及一种融合区域颜色和HoG特征的视觉显著性检测方法。目前方法通常都基于区域颜色特征的纯计算模型，对于纹理的显著性差异不敏感。本发明方法首先在原始图像的CIELAB空间彩色分量图上，通过分析超像素区域的颜色对比度和分布特性，计算每个像素的颜色显著性值；然后在原始图像的RGB空间彩色分量图上，提取基于HoG的局部矩形区域纹理特征，并通过分析局部矩形区域的纹理对比度和分布特性，计算每个像素的纹理显著性值；最后采用二次非线性融合方法将每个像素的颜色显著性值和纹理显著性值融合为该像素的最终显著性值。本发明方法获得不仅可获得符合人眼视觉感官的全分辨率显著性图像，并且对显著性目标具有更强的区分能力。

所属分类：电子信息产业

所属单位：浙江理工大学

成果简介：本发明涉及一种双通道颜色对比度融合的视觉显著性检测方法。本发明方法首先提取输入图像的高斯尺度图像，将每层高斯尺度图像划分为多个互不相交且区域面积近似相等的超像素区域。其次采用彩色变换方法，分别提取每层高斯尺度图像在CIELAB空间的三个彩色分量图，基于上述三个彩色分量图为每个像素分配基于CIELAB空间的颜色显著性值。然后采用彩色变换方法，分别提取每层高斯尺度图像在RGB空间的三个彩色分量图，基于这三个彩色分量图为每个像素分配基于RGB空间的颜色显著性值。最后将两个空间的颜色显著性值融合得到输入图像中每个像素的最终显著性值。本发明可有效克服单一颜色通道检测的局限，提高显著性检测的鲁棒性。

所属分类：电子信息产业

所属单位：浙江理工大学

成果简介：本发明公开了一种多核环境下基于海量日志的类似行为模式用户识别方法。现有的方法运算量巨大、I/O操作繁重。本发明方法首先在WEB服务器端设置单独的日志数据库，用于存放记录用户访问信息的日志数据集；其次读入日志数据集中的部分日志信息至内置多核CPU的通用计算机内存；根据多核环境下设置的线程个数，均分日志数据集，得到多个局部日志数据集，作为各线程的处理数据源；然后各线程分别搜索局部日志数据集，获取局部类似行为模式，并进行归约；最后并行归并各线程获得的局部类似行为模式集至全局类似行为模式集，获得具有类似行为模式的用户。本发明可使类似访问模式的识别过程具有较高的运行效率和加速比。

所属分类：电子信息产业

所属单位：浙江大学

成果简介：面向智能驾驶场景，研究院园区企业整数智能率先推出了行业领先的4D数据标注工具，已在该领域与多家头部车企与智能驾驶算法客户达成深度合作，累计交付超200万公里的高质量数据，实现了数百倍的效率提升。 智能数据工程平台：能够处理图像、视频、文本、音频、点云等多模态数据。通过AI智能工具加持，使数据标注效率提升500%以上；通过平台内置的MLOps模型训练系统，实现数据标注工程与模型训练工程的闭环与迭代。 高质量数据集：全场景多领域覆盖的高质量数据集。

所属分类：电子信息产业

所属单位：长安大学

成果简介：车联网在低复杂压缩、高可靠传输、强安全通信等方面有着突出要求。本研究从2009年起在国家自然科学基金等项目的资助下，经联合攻关，取得了如下创新成果。 1. 在低复杂压缩方面建立了一套完备的分析理论，并得到了初步应用。分布式算术码是重要的数据压缩方法，具有低复杂的突出优点。本研究对其进行了深入的理论分析，提出了陪集势谱和汉明距谱。前者可以推导出解码算法；后者可以推导出理论误码率。 2. 在高可靠传输方面提出了一种联合信源信道编码方法，取得了良好的误码率性能。本研究采用双原模图LDPC码实现联合源信道编码，将信源码和信道码整体作为一个码对进行联合优化，有效减轻了有限长度效应，降低了系统的误码率。 3. 在强安全通信方面提出了一种批量认证方案，在车联网中实现了条件隐私保护。车联网中的证书吊销列表检查过程复杂度高、耗时长，易于导致隐私泄露。本研究通过计算消息哈希码来替代证书吊销列表检查过程，降低了复杂度、缩短了延时。 本研究共发表SCI论文20余篇，累计谷歌学术引用1000余次，单篇最高谷歌学术引用248次，出版学术专著1部，获国家发明专利10件，培养博士研究生5人，硕士研究生20人。团队完成了教育部“新世纪优秀人才支持计划”项目、国家自然科学基金面上项目、陕西省“青年科技新星”项目、陕西省重点项目和多项其他基金项目。项目成果与国内外同类技术相比，处于国际领先水平。

所属分类：电子信息产业

所属单位：长安大学

成果简介：本项目基于动态交通业务特征和优化理论，研究多源异构车联网信息资源管控的方法与应用。提出了基于用户业务特征的信息资源接入策略、复杂场景下的网络选择与切换配置，以及密集非对称网络中的用户信息资源管控优化方法。旨在提供稳定优质的服务质量，最大化网络资源利用率，支持多源异构车联网关键技术的发展。 申请国家发明专利3项；授权国家发明专利1项；授权软件著作权2项目；发表(含录用)高水平科研论文4篇，其中SCI检索2篇、EI检索2篇，高水平国际会议2篇； 创新点：本项目注重源头的分析和创新，统一描述车联网中各类业务的动态特性，定量描述车联网业务的本质需求。有别于目前网络选择与切换领域的主流技术路线，本项目不是固态的根据量化标准进行优化，而是从多源异构车联网的特殊场景入手，着重分析用户移动特性对网络选择和切换配置的影响。首次考虑车联网用户协作簇对接入调度性能的影响，探索协作传输可能对车联网带来的性能收益。 通过本项目的开展与实施，项目将对车联网中多源异构信息资源管控领域的接入策略、网络选择、网络切换、协作优化等内容进行研究，预计产生包括高档次论文、发明专利、软件著作权、仿真平台和科技报告等多种形式的科研成果，并带动高层次人才的培养与引进。项目针对车联网通信资源管理等相关技术与汽车、交通产业走向深度融合，将成为国内外新一轮科技创新和产业发展的必争之地，具有重大的经济和社会效益。