面向军事指控领域的自适应动态演化基础设施

主题：针对指控领域需求，领域自适应动态演化基础设施实现指控系统的自主调控。

内容：针对指控系统面向的多种环境变化及升级需求决策最优策略，并有效应对不确定性变化等问题。以微服务技术为基础，提出基于多重MAPE区域规划的自适应软件建模方法，研究基于搜索优化技术的自适应决策技术，包括软件变化动态感知机制、软件行为多层次自适应调整策略、群体智能搜索自适应决策方法以及自适应策略并行搜索机制，实现基于微服务技术建模软件系统。

指控软件代码分析与逆向工程工具

主题：针对指控系统运行过程中出现的增量开发、在线调整工具，研发了指控软件代码分析与你想工程工具，提升了系统的持续演化能力和柔性适变能力。

内容：为解决指控软件运行过程中出现的增量开发、在线调整等问题，建立了逆向工程工具集（XDRE）对软件进行逆向分析和理解，推导出软件产品的体系结构等信息，为软件的动态演化提供有效、实用支持。基于多智能体的软件动态演化支持技术，从环境感知、数据分析、通信机制等多个方面，提升面向动态环境的复杂软件系统持续性演化能力，支持软件系统在运行过程中灵活调整、柔性适变。

 

开源软件供应链高可信管理平台

主题：研究国产自主可控开源软件供应链整合管理难题，构建开源软件高可信管理平台。

内容：重点突破国产自主可控的开源软件供应链整合管理难题，融合数据挖掘、深度学习、人机交互等智能技术，构建开源软件项目知识挖掘流水线，研究软件质量保障与软件缺陷修复的智能化机制，形成开源软件供应链管理的理论体系与技术集群，实现开源软件项目深入度量，开源知识库全面构建，闭源项目架构再工程，软件质量群智化保障，响应“十四五”规划对国产软件开源生态建设的重点部署，助力国产自主技术软件设施创新。目前，该研究方向已与中国科学院南京软件研究所、华为技术有限公司、青岛市城阳区政府等研究机构及企业单位展开深度合作，服务航空航天、智慧旅游、工业互联网等国计民生关键领域的软件开源化与智能化需求。

空间飞行器控制软件在轨自适应演化支持平台

主题：针对航空航天软件需求，研发高可靠、高可用的自适应演化平台。

内容：针对航空航天软件高可靠性、自主性、资源受限、运行环境动态复杂等特点，研究在资源受限场景下自适应软件演化和航空航天软件的结合的有效性和合理性，提出了以去中心化治理为基础的可定义Agent交互规则，实现指导Agent自治及自主协作通信、去中心化异构数据管理等功能。基于环境感知策略，建立了基于“规则分发-自主协作”的动态集成自主控制策略；建立了需求变化驱动的、全局环境变化驱动的、局部环境变化驱动的多种自适应演化机制。达到了航空航天软件系统的演化事件的实时监听、快速反应、精准决策的目的。

 

开放式临床诊疗智能决策支持系统

主题：针对临床诊疗领域需求，研发可辅医疗诊断的智能决策支持系统。

内容：通过构建临床指南的知识模型和基于本体的临床指南知识表示框架,借鉴OWL语言本体的描述,结合临床指南的特性,设计出临床知识的建模表示方法。抽取出共性的结构化的知识存储与知识库,将疾病之间差异的知识存储在本体中,从而实现了临床知识的可扩展性、开放性。

智能化个性搜索引擎系统

主题：针对用户个性化需求，理解用户搜索意图提高信息检索服务质量。

内容：基于Agent的智能元搜索引擎中的个性化机制,准确地理解用户的搜索意图,有效地提高了信息检索的服务质量.着重研究基于Agent的智能元搜索引擎个性化方法及功能实现所需的相关理论与技术,给出了查询语句分析与查询兴趣挖掘及成员搜索引擎调度过程,设计了基于动态学习的复杂查询识别机制,基于动态更新的用户兴趣概貌模型的检索兴趣挖掘机制,以及基于概念格与日志分析的搜索引擎评估调度策略机制.提出的基于Agent的智能元搜索引擎个性化机制,可较为准确地识别出复杂的查询语句并进行预处理,高效学习用户的查询兴趣,达到明显提高检索结果相关程度的目的,并智能化地调度成员搜索引擎,为提高用户信息检索效率提供充分支持,从而提高用户的检索体验.

基于领域知识图谱的智能问答交互系统

（INTELLIGENT QUESTIONANSWERING SYSTEMBASED ON DOMAIN KNOWLEDGE GRAPH）

主题：针对智能问答需求，研发智能助教、在线问诊系统实现人机对话交互。

内容：针对自然语言问句到知识库查询语言SPARQL之间的转换需求，提出了基于知识图谱的智能问答系统建设方案，开发了基于课程知识图谱的智能问答助教“网小西”，能够实现人机对话和智能问答交流：基于医学知识图谱开发面向眼科的智能电子医生“EYE问AI答”，实现了基于特征症状的眼科智能医生在线问诊服务。

迁移机器学习的智能算法及应用研究

（INTELLIGENT ALGORITHM AND APPLICATION RESEARCH ON TRANSFER MACHINE LEARNING）

主题：研究迁移机器学习的智能算法及应用，提升学习系统连续学习能力。

内容：从事迁移机器学习的研究，提出具有创新性的智能算法，使得学习系统具有普适性、具备连续学习能力，同时能在一个开放环境下自适应处理冷启动问题。在解决“迁移什么”的心问题上，提出了涵盖基于示例、基于特征和基于模型的新颖深度学习方法，论文成果被ACM/IEEE院士等本领域国际知名学者多次引用。

基于故障案例库的知识图谱建模和推荐原型

（ KNOWLEDGE GRAPH MODELINGAND RECOMMENDATIONPROTOTYPE BASED ONFAULT CASE BASE）

主题：针对故障画像解决方案推荐需求，设计建模方案实现故障案例诊断。

内容：面向故障画像解决方案的自动推荐需求，针对两万余条故障描述表单，设计了知识抽取算法和画像模型完成标签内容抽取和画像匹配；构建故障领域知识图谱，在数十万级节点的图谱规模上实现了专家经验、产品案例和故障数据的有效关联，突破了故障智能诊断和故障根因分析等关键技术，智能推荐准确率达90%以上，为故障解决方案的智能检索提供有效支撑。

高精度多目标定位与追踪系统

（High accuracy multi-target positioning and tracking system）

主题：研发支持多目标定位的智能化系统，共开发三代原型系统，已应用于多种复杂场景。根据不同场景，系统可自动调整不同的信号处理算法，以保证检测精度。

内容：目标定位追踪系统在许多实际应用中具有重要的意义。目前，大多数被动式定位系统依靠现成的商用产品来构建较廉价的系统，并且已经具有相对较高的精度，但存在场景变换后需要重新训练数据，重新搭建的问题。本研究设计并实现了一个支持多目标定位的智能化系统，可以应用于多种复杂场景。根据不同场景的不同目标，系统可以自动调整不同的信号处理算法，以保证检测精度。该系统软件具有高精度（可以实现厘米级的检测），高实时性（毫秒级响应），用户隐私性好和自主化程度高等特点。

图1.多目标定位系统软件

PicoScenes Wi-Fi综合感知平台

主题：揭开Wi-Fi基带设计的神秘面纱，实现PicoScenes Wi-Fi传感平台

内容：本团队历时四年研发了PicoScenes Wi-Fi综合感知平台，它是一款功能强大的通用中间件，用于基于CSI的Wi-Fi传感研究，是目前首个支持并发异构多网卡（及SDR）CSI测量阵列的软件平台。PicoScenes从硬件特性扩展、软件平台化、功能灵活性等方面尝试突破长期困扰Wi-Fi感知研究的两大根本瓶颈：CSI测量硬件特性及功能不足与配套的测量软件功能及特性不足。

图1. PicoScenes Wi-Fi传感平台示意图

图2. PicoScenes Wi-Fi传感平台架构图

图3. PicoScenes三级收发器架构

车联网下边缘计算可靠性迁移机制研究

（Reliable computing offloading mechanism design for Vehicular Fog Computing Network）

主题：研究边缘计算可靠性方法，提升车联网的安全性

内容：提出一种基于V2V通信的车联网高可靠协同雾计算架构，高端配置的车辆可以作为附近低配置车辆的雾服务器，以协助其执行复杂的智能计算，基于n-fold方法，实现多级边缘云架构下程序的动态分解及迁移策略，同时给出一种懒惰跟随计算策略，在提升协同计算效率和可靠性的同时，最小化系统计算备份的能量消耗，并基于离散牛顿方法给出了懒惰跟随计算的最小速度界。

图1应用示例

基于软件服务质量分析的软件服务推荐

（Software Service Recommendation based on QoS Analysis）

主题：课题组长期致力于研究软件服务质量（Quality-of-Service, QoS）分析，以提高软件可靠性，包括软件服务质量预测、基于服务质量分析的软件应用推荐与选择等。

内容：课题组基于对在移动计算环境下软件运行上下文的挖掘，提出了基于软件运行上下文的模糊聚类算法，以发现软件用户之间的相关性以及软件之间的相关性，建立神经协同过滤模型完成软件服务推荐。课题组提出了基于深度特征学习的服务质量预测模型，包括基于受限玻尔兹曼机的特征学习、基于去噪自编码器的特征学习等。基于得到的服务质量，完成高可靠的软件服务推荐、选择与组合。

图2.基于软件服务质量分析的软件服务推荐

面向软件开发的API推荐与分析

（API Recommendation and Analysis for Software Development）

主题：面向软件开发，提出了基于协同过滤与内容特征的混合Web API推荐方法，以及基于图神经网络的Web API推荐方法。

内容：课题组面向软件开发，特别是移动应用软件与Web应用开发，设计神经网络模型从Web API功能描述中学习深度内容特征，同时也提出学习开发者对于Web API历史调用序列的深度特征，结合需求挖掘开发者对于Web API的使用习惯，提出了基于协同过滤与内容特征的混合Web API推荐方法。课题组针对Web API生产与使用过程中涉及到的开发实体，包括Web API、类型、提供商三个角色，建立对称性元路径并构建异构信息网络，实现基于随机游走的相关性计算以支持Web API推荐，并将推荐方法以实际工具的形式落地，服务于软件开发，包括：桌面软件、门户网站、Python软件包与移动应用。项目组以研发的Web API推荐工具集参加“第六届CCF软件服务创新大赛“，获得大赛二等奖。

图1.面向软件开发的API推荐与分析

极大文本集中语义关联保持的子集抽取方法设计

（semantic relatedness preserved subset extraction from extremely large corpora）

主题：研究大规模语义集关键子集的提取方法，提升软件内容检索的效率.

内容：基于时间连续词间的语意关联和伪布尔优化方法，提出两种大规模语意集子集提取方法，在最大化目标子集对原集合语意覆盖度的同时，最小化子集的规模，可有效提升基于机器学习的自然语言理解算法的训练时间和训练效果。

图1子集提取示例

图2图1c的等价图

图3DLIB算法

文档摘要自动提取方法研究

（automatic document summarization）

主题：研究文档语义自动生成，提升软件的智能化水平

内容：基于小世界模型和粒子互斥模型，设计两阶段文档摘要自动提取方法。首先基于粒子互斥模型，抽取文档集的主题；然后基于组合优化及多样性最大化方法从尽量多的主题中抽取中心句组成文档摘要。该方法可有效屏蔽大量低质量互联网文档对搜索引擎的干扰，提升搜索引擎的效率。

图1应用示例

特定领域大数据系统元数据标准的设计

（Formulation and consulting of metadata standards for big data systems in specific fields）

主题：研究大数据基础平台

内容：设计煤炭等能源行业的元数据标准，以数据标准为驱动，实现能源领域数据中台，提供数据的统一采集、治理和存储，提供智能挖掘服务和分布式计算服务。主持完成《基于大数据的卫星数据测试数据管理系统》、《基于大数据的智能矿山服务系统》等项目，项目经费超千万。

图1应用示例

智能多通道多模态自然人机交互系统

主题：设计实现智能多通道多模态自然人机交互系统

内容：该成果依托军委科技委重点项目、国家自然基金等项目支持，基于结构化深度学习方法，采用包含语音、手势、体势、键盘、鼠标等多通道交互模式，突破多通道自然交互融合、复杂场景操作意图理解等关键技术和复杂时空行为建模理论，结合人在环路方法形成可适应于多操作场景模式的新一代智能化自然人机交互系统。

结构化智能场景感知与理解

主题：面向复杂场景下智能装备环境感知与理解需求，研究结构化智能场景感知与理解技术

内容：该成果依托国家自然科学基金、军委科技委重大计划等项目支持，面向智能装备对复杂场景环境感知与理解需求，采用深度学习方法，突破可见光图像、点云等多模态数据输入下的物体三维精准检测、分割等关键技术，形成包含对象多种属性内容的结构化场景关系表示框架，可为场景认知、交互等高级别任务提供技术支撑。

嵌入式智能视觉传感器