科技部：云计算和大数据重点专项2016年度项目申报指南

同;突破支撑大规模数据处理、内存计算、科学计算等具有海量资源需求的巨型虚拟机支撑方法，支持新型异构设备的巨型虚拟机;研究基于容器的虚拟化方法，在提升效率的同时显著提升容器的隔离性;研究面向领域需求的快速领域虚拟机定制方法，建立领域虚拟化组件库，集成面向领域的虚拟机仓库;研究管理灵活性、能耗和性能损耗之间的合理平衡，降低软件定义系统的复杂性和故障率，通过软件管理降低系统能耗，研究评估理论、方法及其工具软件。

考核指标：研发具有自主知识产权的网络化操作系统;显著提升现有虚拟化方法的资源整合能力与管理效率，云系统整体资源利用率比现有世界先进水平提高1倍;支持包括FPGA、GPU、RDMA与非易失内存等设备虚拟化，单个巨型虚拟机支持各类内存超过2TB，虚拟处理核数目超过500个，性能相对当前主流虚拟化平台提升30%以上;建立面向专业领域的虚拟机示范仓库，支撑不少于5个领域的应用，可定制的虚拟机类型超过100种;研发新一代云计算核心软件，形成软件定义的技术体系、方法、工具、环境和最佳实践，初步形成支持软件定义的一体化硬件架构、基础软件，并在2个或者2个以上的重点领域进行应用验证与推广。 支持年限：不超过4年。 拟支持项目数：1-2项。

1.5面向特定领域的大数据管理系统(共性关键技术类)

研究内容：支持典型应用场景的开放架构大数据管理系统的设计，以及大数据管理系统标准和规范、系统评测基准的研制;面向关系数据、

图数据、键-值对数据、非结构化数据等不同数据模型的大数据管理关键技术研究与相应大数据管理系统研制;数据驱动的大数据管理系统的监控、运维与调优工具研制。

考核指标：设计开放式架构大数据管理系统架构，形成大数据管理系统的系列国家标准和规范，提出针对至少3种数据模型的大数据管理系统评测基准和测试工具。研制针对不同数据模型的具备高扩展性、高可用性、高性能的数据管理系统及其关键技术，在基准测试上的指标与国际主流产品可比。研制大数据应用所急需的、可独立部署的系统管理工具不少于5个。开展2-3个示范应用，数据规模达到EB级别。申请一批本领域的知识产权。 支持年限：不超过3年。 拟支持项目数：1-3项。

2.基于云模式和数据驱动的新型软件

2.1基于大数据的软件智能开发方法和环境(共性关键技术类) 研究内容：研究软件开发相关大数据的收集、整理、存储、检索等关键技术;围绕知识获取、管理和利用形成知识驱动的软件开发方法，提升传统软件工具的知识处理机制，为软件建模、编码、程序理解、测试等工具建立起基于知识的处理架构，形成知识驱动的功能支撑，为开发人员提供基于问答(QA：Question-Answer)的开发环境，面向特定领域建立软件知识图谱，实现基于大数据的软件智能开发环境。 考核指标：产出基于大数据的软件智能开发关键模型、算法、技术、工具和系统，形成PB级的软件工程大数据资源，问答系统覆盖10个

领域或行业的软件开发，问题回答性能与效果均优于通用中文搜索引擎，在5个大型软件企业进行应用推广，申请一批本领域的知识产权。 支持年限：不超过3年。 拟支持项目数：1-2项。 3.大数据分析应用与类人智能

3.1 大数据知识工程基础理论及其应用研究(前沿基础类+共性关键技术类)

研究内容：针对大数据异构、自治、复杂、演化的网络环境，研究多源、动态、异质碎片化知识/知识簇的表示模型与在线挖掘方法，揭示碎片化知识的时空特性和演化机理;研究碎片化知识间语义关联与涌现特性，探寻其动态挖掘与拓扑融合机理;设计多粒度情景感知与知识寻径模型，研究交互式个性化服务的知识适配机理。

考核指标：建立大数据知识工程基础理论，针对目前大数据向大知识转化过程中困惑人们的难题，设计出一组有效的算法并在实际应用中得到验证;研究和形成利用海量、低质碎片化知识构建新型多通道知识服务平台的方法学体系，在此基础上融合10个以上领域的碎片化知识，建立PB级别的网上知识服务中心;选择既能体现国家重大需求又具有知识密集型应用特点的应用领域(如普适医疗、远程教育、互联网创业等)，开展示范应用，用户规模超过100万人。 支持年限：不超过5年。 拟支持项目数：1-2项。

3.2面向大范围场景透彻感知的视觉大数据智能分析关键技术(共性关键技术类)

研究内容：从个体、群体和场景三个方面研究大范围场景视觉感知大数据的智能分析关键技术。在个体信息感知方面研究多模态高通量生物特征获取与身份识别技术、个体属性特征与动作行为识别技术、行人重识别技术;在群体信息感知方面研究人群流量监测与人群密度估计技术、群体行为理解和群体事件检测技术;在场景信息感知方面研究大范围场景的视觉语义建模、复杂事件的演化分析、视觉对象的时空定位与搜索、跨场景数据关联技术等。

考核指标：实现十万到百万级以上视觉感知终端的图像视频大数据智能分析;远距离获取和分析虹膜、人脸、步态等多模态生物特征，个体身份识别精度>98%，个体属性特征和行为识别精度>90%，行人重识别精度>90%;人群流量监测和人群密度估计误差<10%，群体行为理解和群体事件检测的准确率>90%;复杂事件演化分析的准确率>85%，视觉对象位置信息分析和预测的误差<3米，视觉对象检索准确率>90%。 支持年限：不超过4年。 拟支持项目数：1-2项。

3.3跨时空多源异构数据的融合、开放共享技术与平台(共性关键技术类)

研究内容：研究非完整、非一致、非准确、跨时空多源异构数据的精准采集和清洗、异构数据的结构化描述和语义协同、以人为中心的多源信息感知融合与理解、数据程序化交易及其在线监管等关键技术;