1、意向受让方须为依法设立的企业法人、其他经济组织或具有完全民事行为能力的自然人；
2、意向受让方须具有良好财务状况、支付能力；
3、本项目不接受联合体受让。

1.转让标的可拆分受让。
2.专利1名称：一种基于细粒度业务切分的校园卡系统自助服务方法
专利申请日：2017年5月27日
授权公告日：2020年8月14日
专利权期限：20年
介绍：本发明涉及校园卡领域，尤其涉及一种基于细粒度业务切分的校园卡系统自助服务方法。方法包括：对于给定的自助业务集Sa，根据专用部件依赖将其划分为若干占优相似业务组和非占优相似业务组，然后建立初始输出结果集R。基于业务量、终端数量和服务体验这间的关联，进而提出一种的最小代价自助设备复合算法和一种考虑人工替代度的最小代价自助设备复合算法。算法能够有效保证用户的服务体验，优化自助服务体系建设的经济成本。 
专利2名称： 基于Spark的校园卡租借行为检测方法及系统 
专利申请日：2020年12月24日
授权公告日：2022年5月3日
专利权期限：20年
介绍：基于Spark架构提出了一种校园卡租借行为检测模型。检测模型分为3个部分：行为数据模型、距离计算模型和并行检测。首先设计了一种消费行为数据模型，将巨量的、无显著行为特征的消费记录，转换为数量适中、有显著行为特征的消费行为数据后，然后通过距离模型计算待分类数据与标定数据的距离，最后通过基于Spark计算框架的并行检测模型对租借卡行为进行分类和析出。 
专利3名称：一种校园卡异常使用行为在线预警方法及系统
专利申请日：2021年5月20日
授权公告日：2022年9月6日
专利权期限：20年
介绍：针对随机森林算法在大规模数据集应用中的问题，从样本结构相关性这一新颖角度展开研究，提出了一种自适应权重的并行化提升优化方法。方法构造了一种考虑样本结构相关性的自适应权重偏置模型，通过基于样本结构相关程度的自适应可变权重偏置来对位补偿决策树相关性对算法性能的影响，将降低决策树之间的相关性问题转化为优化权重偏置的多样性问题。方法采用Spark并行计算引擎实现决策树构建过程的并行化，每一个Executor创建并维护一棵决策树，通过分布式计算方式实现了大规模数据集下随机森林算法的运行时间代价的显著降低。在随机森林算法的预测阶段，方法采用由决策树分类精度权重和样本结构相关性偏置权重构成的双权重加权机制预测选举类别，提升了算法的整体分类能力。 
3.截至挂牌日，已取得发明专利证书。

意向受让方须承诺，在递交受让申请并交纳交易保证金后，即表明理解并接受本次资产转让的所有内容及程序，完全了解与认可转让标的状况以及存在的瑕疵等一切内容，并自行承担受让转让标的所带来的一切风险和后果；成为最终受让方后不得以不了解转让标的为由退还转让标的，否则将视为违约；非因转让方原因所引发的风险因素，由受让方自行承担。
意向受让方须承诺，在收到《挂牌结果通知单》之日起5个工作日内与转让方签署《技术转让合同书》，并于签订《技术转让合同书》之日起5个工作日内支付应付交易价款至转让方指定账户（交易价款无息结算），交易费用支付至中心指定账户（如本项目公告对以上办理时间有不同约定的，从其约定）。协议成交不收取交易费用，若产生竞价，收取竞价佣金。