数字政府建设旨在利用现代信息通信技术改进政府的运作方式和服务质量，实现政务管理的高效化、精细化和智能化。政务数据共享交换平台是数字政府建设的重要组成部分，海算治数平台则提供了一套面向下一代数字政府的扁平化“网”状政务数据共享交换体系。为实现海算治数平台的自动化测试，降低研发成本，提高平台的产品质量，综合运用数据驱动测试(Date Driver Test, DDT)和Mock Test理念，基于Python、pytest、Requests等自动化测试技术，重点解决测试时需要繁琐的测试环境部署搭建、依赖多样化的基座数据、单一自动化技术用例覆盖率低的难题。
针对消费者行为预测与精准营销领域的挑战，设计了一种基于大语言模型(Large Language Model, LLM)的递归提示与混合修正框架(Recursive Prompt & Hybrid Correction Framework, RPHC)模型，利用Qwen2-1.5B-Instruct处理电商评论数据，实现购买意图分类、用户分群和营销策略生成，提升营销效率，方法包括零样本提示工程、后处理修正和语义特征提取。实验在亚马逊中文数据集上采样1 000条评论和100个用户进行验证，结果显示意图预测准确率(Accuracy)从0.805优化至0.850,加权F1分数(Weighted F1-Score)0.842,用户分群有效率95%以上。该系统在电商平台中具有显著应用价值，为企业精准营销转型提供了高效、低成本的技术路径。
针对传统衣柜普遍存在的衣物堆放杂乱、易受潮发霉及滋生细菌等问题，设计并实现了一款智能储衣系统，以优化储衣环境、提升衣物管理效率与用户体验。项目融合人工智能物联网(Artificial Intelligence of Things, AIoT)、无线通信及自动控制技术，以STM32F103ZET6单片机为核心，集成PTC加热模块、DHT11温湿度传感器、LD3302语音模块、无线传输模块、LCD电阻触控屏及WiFi模块。系统通过传感器实时监测柜内环境，利用PTC模块智能调节湿度。通过WiFi实现远程监控与控制，支持语音交互。在智能化方面，STM32调用天气应用程序编程接口(Application Programming Interface, API)辅助决策，并采用基于C3k2＿Ghost DynamicConv模块优化的ClothingYOLO算法，在Backbone引入交叉注意力融合模块增强细节检测，结合细粒度分类注意力机制提升区分度，采用轻量级共享卷积检测头降低计算量，进而实现衣物识别。算法部署于树莓派4B,与STM32通过串口通信协作。经测试，优化的ClothingYOLO算法在树莓派4B上实现了80.6%的识别准确率，参数量仅为2.49 M。系统成功实现了温湿度监测与自动调节、远程监控与控制、语音交互、天气信息获取及衣物识别等核心功能。测试表明，系统能有效改善储衣环境，显著提升储衣效率与用户体验，有效解决了传统衣柜的痛点。系统通过集成环境监控、智能烘干、远程交互、语音控制、天气感知及高效衣物识别(基于优化算法),为用户提供了智能化、便捷化的储衣与穿搭体验，充分展现了嵌入式系统在智能化管理、多样化交互及网络化应用中的优势。
为应对算力网络中接入算力资源分散、网络质量不均等问题，设计并实现了一种基于软件定义广域网(Software-Defined Wide Area Network, SD-WAN)的多元异构算力资源网络系统。该系统依托SD-WAN实现多链路与异构算力的统一管控，并构建复杂业务流程编排引擎，支持计算业务流程一次提交与自动化运行。在此基础上，提出网络与算力负载联合感知算法(Network-Computing Joint Load-Aware Algorithm, NCJLA),融合网络状态与资源负载多维指标，为业务流程编排中不同类型作业动态匹配最优计算集群。实验表明，相较于传统调度策略，NCJLA能显著提升系统吞吐率与实时作业响应速度，在千级并发场景下，作业总完成时间减少约20.0%,高实时作业等待时间最大降低超过75.0%。
异常流量可能使通信设备处理能力达到极限，进而引发设备重启，影响电力网络的正常通信。通过对异常流量的处理，可以及时发现问题，避免因设备故障而导致电网运行事故。基于此，结合贝叶斯时域卷积算法提出电网通信异常流量的识别与检测技术。在贝叶斯网络模型中，进行时域卷积运算，实现电力通信规约，完成电网通信规则库设计。利用规则库筛选异常流量，结合不确定性度量与检测机制，进行融合决策，完成电网通信异常流量的识别与检测。实验结果表明，该方法对电网异常通信流量的平均识别率超过90%,在保障通信设备高效运行的同时，不会出现处理能力超限问题，具有良好的泛化能力。
随着AI技术的突破发展，大模型在医学图像分割领域展现出巨大的应用潜力。通过系统梳理通用大模型(General Large Model, GLM)在医学图像分割领域的技术演进路径，揭示了以分割一切模型(Segment Anything Model, SAM)为代表的大模型虽在零样本迁移到医学领域时面临性能局限，但通过提示工程优化和参数高效微调等技术路径，能够有效适应特定医学任务需求。通过阐述适配器设计、低秩微调和医学特定预训练等实现SAM高效应用在医学图像分割的方法，揭示了医学图像分割技术正从特定任务导向向通用能力导向演进的发展趋势。探讨了大模型医学应用中的性能评价、可解释性、隐私保护和多模态融合等关键挑战，可为未来研究提供理论参考与实践指导。
介绍了一种基于传输控制协议(Transmission Control Protocol, TCP)网络的小型信号产生平台设备的设计，设备采用嵌入式网络通信技术，该技术的实时性特征，保障设备在自动化运行过程中的稳定性，提高了设备控制的响应速度。站位计算机上的设备软件通过网络方式完成设备的信息传输和自动化控制，设备具备在线加载功能，方便设备功能及程序升级和运行维护。设备采用VPX总线技术，具备高性能、高可靠性和灵活扩展的特点，可以高效验证各种样式的信号产生实验效果。结合实际工程应用，优化方案设计，充分利用网络资源和整合平台硬件资源，实现了信号产生平台设备设计的小型化、便携化，使设备成本大大降低。该设备能够实时产生多种信号，满足不同应用场景的需求，具有良好的性能和稳定性，在信号产生领域具备较高的实用价值。
电网的安全稳定运行是实现高效智能电网的关键。保障电力系统运行的安全稳定性取决于电力系统中控制保护系统的协调配合，精确统一的时间信息是控制保护系统协调配合的关键，如何确保电网内时钟同步系统的准确性和稳定性成为保障电力系统安全稳定运行的关键。针对现代电力系统广域时钟同步需求，提出一种面向电力系统同步数字体系(Synchronous Digital Hierarchy, SDH)通信网络、基于精确时间协议(Precise Time Protocol, PTP)的时钟同步方案。协议实现以及时钟修正全部由FPGA硬件实现，保障了系统的高性能和稳定性。考虑到对时过程中可能出现的延时抖动，在时钟修正过程中加入滤波算法，进一步减小系统误差。测试结果表明，所提方案可以达到100 ns以内的精度，满足电力系统中时间同步的最高精度要求。
多核极化码由不同大小的核矩阵构造而成，以较低复杂度的编译码模式丰富了传统极化码的码长从而受到广泛的关注。然而，在有限码长下，多核极化码的极化效应不够充分，导致了其连续消除(Successive Cancellation, SC)译码算法会出现错误传播，从而严重影响多核极化码的译码性能。为此，将SC比特翻转译码算法引入多核极化码，通过构造关键集来估计SC译码算法中首个错误出现的位置，从而改善错误传播。此外，根据位信道的可靠性估计，提出了适用于多核极化码的关键集排序。仿真结果表明，提出的多核极化码SC比特翻转译码算法相较于SC译码算法极大地提升了译码性能。基于可靠性的关键集排序可以在翻转相同数量的比特条件下，进一步优化译码性能。
随着在轨遥感卫星数量的快速增长，遥感卫星数据量爆发式增长，对遥感影像编目数据的存储提出了更高的并发存储与检索访问效率、扩展性和安全性要求。通过分析遥感影像编目数据本身的特征和应用特点，提出了一种可扩展的遥感影像编目数据统一存储架构，设计并实现了基于MongoDB、FastDFS和Redis的遥感影像编目数据分布式存储系统。实验结果表明，系统的数据检索和访问性能优于传统空间关系数据库结合商业分布式存储的存储模式。