针对大数据驱动的传输网络智能运维领域的挑战性问题，项目组从SDN管理信息可拓方法、多标签特征选择方法、协同进化深度神经网络、基于大数据平台的智能优化算法并行方法四个方面开展了相关理论及关键技术研究，形成系列创新性成果，主要内容如下：
针对传输网络中异质性问题，考虑到SDN管理层与基础设施层之间可能存在的管理信息语义不匹配问题，当SDN基础设施层的管理信息基元表示发生变化时，SDN管理层的管理信息基元表示应保持一致性。本课题将可拓学引入到SDN管理信息的研究中，利用基于可拓论的信息-知识-智能形式化体系，从SDN体系结构演化的视角，分别研究SDN管理信息在知识与智能层面的可拓方法，用于网络拓扑结构的构建与优化；
针对多个语义标签的实例受到高特征维度影响的难题，开展基于岭回归特征图和特征向量中心性的多标签特征选择方法研究，该方法具有岭回归和特征向量中心性。岭回归用于学习特征标签相关性的有效表示，将学习的相关性表示映射到图，以有效地显示和使用特征关系；特征向量中心性用于评估图中的节点，以获得特征的分数；
针对大数据环境下传输网络数据由于规模巨大、价值密度低而导致的分析处理难题，创新性地引入深度进化神经网络智能学习，对传输网络中的动态告警、性能、业务数据、网络节点的资源数据，以及经验知识库进行持续综合学习，智能的对传输网络风险点、拥塞点做出评估预警和提供解决方案，从而实现对传输网络中影响业务感知的风险点洞察和优化仿真；
针对大规模传输网络数据分析任务中训练过程时间开销巨大的难题，提出了数据并行和计算并行融合的分布式架构，采用基于内存进行存储的Spark计算框架可以将迭代运算的中间结果存放至内存 ，在完成第一次迭代加载后，后续的迭代都可以直接使用内存中的中间结果，而不需要再消耗额外的计算时间，提升了执行效率。
项目先后申请30项发明专利（获得授权专利 20项）、软件产品3项、软件著作权2项，公开出版专著2本，发表SCI检索学术论文10余篇，培养硕士研究生20人。该成果技术成熟，相关研究成果已经在省内外网络运维中得到广泛应用。在网络调度、智能决策、优化处理等综合工程中取得了良好的效果，极大地促进了智能网络运维相关产业的发展，销售额累计达22亿余元，新增利润达3亿余元，社会和经济效益显著。

1.武汉烽火技术服务有限公司  2.烽火通信科技股份有限公司  3.武汉软件工程职业学院  4.光谷技术有限公司  5.武汉理工大学  

1.叶志伟  2.张玉泉  3.高榕  4.付相  5.徐慧  6.刘新灵  7.孙云  8.涂家勇  9.李桐  10.彭凡