发布时间：2020年7月27日
日前，学校组织开展了2019年度大学生创新创业训练计划（“大创”）项目的结题验收工作，我所8项大创项目经过专家评审，顺利结题。其中“基于移动信令数据的道路交通指标计算”、“光场相机超分辨”、“基于动态图卷积的自动睡眠分类”和“基于生理电信号的情绪识别方法研究”4个项目获评国家级创新项目，“基于知识图谱的校园食堂窗口智能推荐系统”和“基于大数据的新能源汽车动力电池性能评估”和“基于运动想象的脑电信号分类方法研究”3个项目获评北京市级创新项目。此次评审结果，从数量和级别上均实现了我所大创项目新的突破，标志着我所大创项目的研究水平迈上了一个新的台阶，可喜可贺！
国家级项目“基于移动信令数据的道路交通指标计算”
（项目组成员：胡海波、唐伟文、王誉杰，指导老师：万怀宇）
该项目研发了基于移动信令的道路交通指标计算系统，主要功能包括 ：(1) 基于移动信令数据生成用户轨迹； (2) 对用户轨迹点进行道路匹配 ；(3) 计算道路交通流量并在前端地图展示； (4) 计算区域热力流量并在前端地图展示 ；(5) 绘制各类型交通流量图表； (6) 对异常区域交通情况进行预测。
国家级项目“光场相机超分辨”
（项目组成员：孙庆言、朱立玺、黄煜，指导老师：张硕）
该项目提出了多维度融合的光场图像超分辨网络，由三部分组成：多维度融合结构，残差结构以及动态滤波器结构。多维度融合结构通过在空间、角度、不同极面图像上同时进行二维卷积从而有效提取亚像素信息。动态滤波器根据视差信息生成每个像素对应的特定的二维卷积，并通过上采样对原始图像进行超分辨。与其他光场超分辨算法相比，在多个光场图像测试集中得到了目前最好的结果，且参数量仅仅是原有最好方法的六分之一。
国家级项目“基于动态图卷积的自动睡眠分类”
（项目组成员：周荣昊、宁晓军、何远来，指导老师：王晶）
该项目提出了一种新型的自适应时空图卷积网络并首次应用于睡眠分期领域。该模型通过脑图学习模块自适应的学习脑网络结构（邻接矩阵），克服了传统图神经网络需要预先定义网络结构的缺陷，自动为不同睡眠阶段提供最佳的网络结构服务于高精度的分类任务。此外，该项目使用了时空图卷积分别捕获睡眠阶段的时空特征，并且融合注意力机制提高对有用信息的关注度，进而提升模型的表示学习能力。在睡眠阶段分类数据集MASS的实验表明，该模型与现有方法比较能够达到最优的分类结果。
国家级项目“基于生理电信号的情绪识别方法研究”
（项目组成员：蔡晞阳、陈昊斌、苟海军，指导老师：王晶）
该项目设计了一种基于脑电信号时频空特征的情绪识别模型。该模型能够利用脑电信号不同特征之间的互补性，融合脑电信号的时、频、空特征进行高精度的情绪识别；同时，设计了一种时频空注意力机制，以捕获脑电中对情绪识别任务有辨识力的局部模式。在公开的脑电情绪识别数据集SEED与SEED-IV上的实验表明，该模型有着出色的性能优于传统的基线方法。
北京市级项目“基于知识图谱的校园食堂窗口智能推荐系统”
（项目组成员：彭真、牟楠、李嘉贤，指导老师：万怀宇）
该项目在校园食堂窗口的菜品推荐应用中引入知识图谱技术，完成了以下研究工作：(1) 构建了全新的食堂窗口菜品知识图谱，并利用Neo4j实现了可视化；(2) 研究并实现了基于知识图谱的菜品推荐算法；(3)开发了一款微信小程序，实现了用户注册、菜品推荐、用户反馈等功能，服务于广大师生解决“吃什么”的纠结。
北京市级项目“基于大数据的新能源汽车动力电池性能评估”
（项目组成员：贡乐天、宋昱锜、孙嘉葳，指导老师：万怀宇）
该项目完成一个基于电池充放电大数据的电池性能评估软件，用户可上传电池充放电数据进行电池性能的在线分析，可得到包括电池健康状况、电池剩余寿命等评估指标，使得用户能够更好地掌握电池运行状况。软件对多个车辆进行监测，对出现电池报警的车辆进行追踪，同时用户可以看到自己车辆有关电池健康状况的多项指标，可对用户不良用车习惯给出改进建议。
北京市级项目“基于运动想象的脑电信号分类方法研究”
（项目组成员：杨凯昕、刘天航、张鑫旺，指导老师：王晶）
该项目设计并提出了一种多分支多尺度卷积神经网络对运动想象脑电信号进行特征提取和分类。多分支多尺度的设计解决了该领域两个关键问题：受试者差异性和时间差异性问题，在3个运动想象的公开数据集上均达到了最佳的分类效果，对轻量级深度神经网络在运动想象分类的应用有一定的参考价值，推动了可穿戴智能设备的发展。
大学生创新创业训练计划旨在鼓励大学生积极开展创新创业训练与实践，提升大学生的创新精神、创业意识和创新创业能力，培养适应创新型国家建设需要的高水平创新人才。将创新创业教育融入整个人才培养过程，正成为我所培养大学生创新思维、提高学生创新实践能力，在学生学习、就业和工作中形成核心竞争力的重要环节。研究所将以此次获评成绩为契机，继续加强对大创项目的指导和管理，为产出更多科研成果，培养更多优秀人才而努力。