（一）项目简介 项目背景：机器学习是大数据核心技术之一，其基本思想是基于训练数据 构建统计模型，从而使计算机具有对新数据进行预测和处理的能力。2013年以 来，随着数据量的上涨、运算力的提升和新算法的涌现，机器学习不断推动大 数据在智慧城市、智慧金融、智慧政务等领域的应用，其中，机器学习基础设 施是大数据进一步广泛应用和高效整合的核心前提。然而，机器学习算法框架 的异构性、机器学习流程组装的多样性、软硬件资源管理的复杂性等，都给机 器学习基础设施构建带来了极大挑战。就此，2014年始，项目组针对上述挑战， 研究了集成化的机器学习算法库、智能化的机器学习流程组装、自动化的软硬 件资源管理，形成了智能化集成化的机器学习云平台。 创新点： 创新性提出了集成化的机器学习算法库与统一编程模型。建立机器学习算 法的统一编程模型，涵盖异构框架中分类、聚类、回归、关联等四种类型39个 算法组件；提出6种面向领域的专用算法，相比通用算法性能提升10%。 系统性研发了机器学习流程组装工具及执行引擎。建立通用机器学习流程 描述语言，实现可视化编程环境及支撑工具，流程开发的时间减少60%；建立 机器学习流程执行引擎，实现流程在异构框架上的执行和监控。 针对计算资源泛在化的挑战，突破了云-端协同的资源智能调度技术，实现 资源动态可协同。设计了基于PSO-GA的云-端协同资源调度技术，通过搜索得 39 到合适的资源调度方案，相比传统算法性能提升比率达到10%；设计了基于学 习算法的云-端协同资源调度技术，能够通过自主学习获得调度模型，模型决策 的准确率达到90%。 创新性提出了云计算软硬件资源的协同建模与执行技术。建立面向场景的 协同管理模型，将软硬件资源抽象为资源运行时模型，通过模型转换保证模型 间的双向同步，在模型层对资源进行协同管理，管理程序代码量减少80%。5、 突破了云计算软硬件资源的管理知识自学习技术。围绕服务质量，建立软件服 务模型、运行环境模型和管理知识模型，基于数据驱动方法，构造管理知识自 学习算法模型库，自主学习知识的准确率达到85%。 应用场景：与国网信通亿力、星云大数据、六壬网安等企业联合研究了集 成化的机器学习算法库、智能化的机器学习流程组装、自主学习的软硬件资源 管理，形成了机器学习云平台关键技术体系。项目成果已应用于电力大数据、 城市大数据等相关领域，累计实现销售额11.86亿元，利润2.93亿元。此外， 项目推动智能化信息基础设施建设，形成适应智能经济、智能社会需要的基础 设施体系，打造了新型的大数据生态，支撑带动大数据生态产值数十亿元。

 （二）应用技术成果 技术优势：福建省人工智能学会组织鉴定委员会对“智能化集成化的机器 学习云平台”进行成果鉴定，一致认为：“项目总体上达到国内先进水平，部 分技术达到国内领先水平，有助于形成云计算基础设施、大数据行业平台和人 工智能海量服务的完整产业链条”。 产业化前景：与国网信通亿力、星云大数据、六壬网安等企业联合研究了 集成化的机器学习算法库、智能化的机器学习流程组装、自主学习的软硬件资 源管理，形成了机器学习云平台关键技术体系。项目成果已应用于电力大数据、 城市大数据等相关领域，累计实现销售额11.86亿元，利润2.93亿元。此外， 项目推动智能化信息基础设施建设，形成适应智能经济、智能社会需要的基础 设施体系，打造了新型的大数据生态，支撑带动大数据生态产值数十亿元。 

（三）已合作情况 40 与国网信通亿力、星云大数据、六壬网安等企业联合研究了集成化的机器 学习算法库、智能化的机器学习流程组装、自主学习的软硬件资源管理，形成 了机器学习云平台关键技术体系。项目成果已应用于电力大数据、城市大数据 等相关领域，累计实现销售额11.86亿元，利润2.93亿元。此外，项目推动智 能化信息基础设施建设，形成适应智能经济、智能社会需要的基础设施体系， 打造了新型的大数据生态，支撑带动大数据生态产值数十亿元。