本项目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，形成了智能化集成化的机器学习云平台。主要创新如下：

　　1. 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%。

　　2. 提出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。

　　3. 首次提出基于语义网的机器学习流程智能组装技术。建立统一语义模型，系统性描述各类算法组件的功能；通过模型转换，自动将面向场景的用户需求转换为优化的机器学习流程，流程设计的代码量减少90%。

　　4. 首次提出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%。

　　项目申请国家发明专利27项（授权18项），软件著作权5项。项目成果已应用于电力大数据、城市大数据等相关领域，在多家大型国企、高新技术企业成功应用。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，打造了新型的人工智能生态。