葡京娱乐场-富盈娱乐场开户

本發明公開了一種數據去重過程中的并行分塊方法，其特征在 于，包括：(1)將數據流中的文件分成多個定長的數據段，所述數據段 的長度大于數據分塊的最大塊長；(2)利用計算機多核處理器并行對每 個數據段進行分塊，每個數據段都通過分塊獲得多個數據塊；(3)將最 后一個數據段除外的每個數據段的最后一個數據塊與后一個數據段的 第一個數據塊進行邊界銜接處理。本發明提出的并行分塊方法，采用 一種新穎的邊界銜接方法解決了傳統分塊方法的

本發明公開了一種基于配電網物理模型中的線路零序電流模擬 與檢測方法，屬于電力系統配電自動化領域；現有的檢測方法實際負 載阻抗和零序電流互感器的容量不一致時將會出現較大的誤差；本發 明提供的方法將三相線路和副方繞組繞在同一個環形鐵芯上，通過磁 平衡原理大大提高了零序電流互感器的二次電流值和測量精度。 

本發明公開了一種基于二次諧波顯微術探測單根彎曲半導體納米線中晶格畸變的高靈敏度方法。在顯微系統下，利用探針推動單根納米線一端使之彎曲，從而產生不同程度的晶格畸變。同時，將一束激光聚焦至單根納米線上一點 A，并連續改變泵浦光偏振方向和納米線長軸之間的夾角(偏振角θ)，測定二次諧波強度隨偏振角θ的變化關系。在保持泵浦光聚焦位置在 A 點不變的情況下，隨彎曲曲率逐漸增大，偏振角θ＝90°和θ＝0°時的二次諧波強度之比顯著減小。本發明提供了一種新型測定半導體納米線晶格畸變的全光方法，相對于傳統透射電鏡法，其

積極地從血液中去除β2-MG可以有效地預防和治療DRA。 一、項目分類 關鍵核心技術突破 二、成果簡介 β2微球蛋白(β2-Microglobulin，β2-MG)是由淋巴細胞、血小板、多形核白細胞產生的一種小分子球蛋白，是主要組織相容性復合物(MHC-Ⅰ )的輕鏈部分，由99個氨基酸組成，分子量為11.8KD，半徑1 .6nm，可以從腎小球自由濾過，99.9％在近端腎小管吸收，并在腎小管上皮細胞中分解破壞。正常人血清中β2-MG的含量是0 .5～3mg/L。長期接受透析治療的腎損傷患者體內β2-MG容易產生積聚，從而引發透析相關性淀粉樣病變(DialysisRelated Amyloidosis，DRA)。病理條件下，腎損傷患者血液中的β2-MG的含量是正常水平的50-60倍，約為84mg ,主要癥狀表現為關節和關節周圍組織淀粉樣蛋白的沉積，從而導致骨骼和關節的病原性病變。透析多年的腎病患者，DRA臨床癥狀包括腕管綜合征(CTS)、骨關節病、破壞性關節病、囊性骨病和病理骨折。血液透析治療15年以上的患者，將出現系統性淀粉樣病變。因此，積極地從血液中去除β2-MG被認為是有效地預防和治療DRA。

本成果2009年獲四川省科技進步一等獎（參加）。

本成果為獲得發明專利授權的專利成果。該成果可應用于視頻監控、傳感網絡等領域。

本發明公開了一種利用雙時相探測定位山體中地下建筑的背景濾波方法。包括紅外圖像濾波預處理、對紅外圖像取其像素灰度值的低位進行地下建筑的粗檢測和“剝洋蔥”算法尋優精確檢測三步驟，通過獲取白天和晚上的雙時相紅外圖，將晚上紅外圖作為背景場，首先對白天紅外圖進行雙邊濾波處理去除噪聲，再進行聚類分析，檢測出疑似目標區域，對疑似目標區域利用基于鄰近像素的截位算法處理粗略檢測出地下建筑區域，將粗檢測的地下建筑面積作為尋優準則，

本發明公開了一種 IκB 激酶 ε 的抑制劑 SIKE 在心肌肥厚中的功能和應用，屬于基因的功能與應用 領域。本發明確定了 SIKE 的表達與心肌肥厚之間的相互關系，以心臟特異性 SIKE 轉基因小鼠和非轉 基因為實驗對象，通過主動脈弓縮窄手術，模擬心肌肥厚疾病模型，結果表明 SIKE&n

（一）項目背景 當前，智慧教育具有智能導學、精準推薦、定制輔導、精細評價等特點，已成為國際國內教育信息化發展的趨勢。智慧教育的研究主要聚焦于智慧學習環境建設的研究、智能技術支持下的智慧教學研究和機器學習技術支持下的個性化學習研究。智慧教育的出現極大地促進了當前教育中學習空間的重構。在“學習空間”之前，人們通常使用“教學空間”來指代這種場所，將有教學活動的場所均稱作教學空間。隨著人們對學習過程的理解變化、智慧教育的快速發展以及人們對非正式學習的重視，學習空間逐漸由單一的物理教學空間向包含物理空間、網絡空間、移動空間的多元學習空間轉變。多元學習空間的提出雖然更多地體現出了“以學生為中心”的傾向，但如何具體衡量多元學習空間對學生學習效果的影響是評價多元學習空間的重要步驟。同時，在多元學習空間具體構建時，面對空間中來源不同、結構多樣、數量龐大的多模數據如何進行處理存儲、并在保證數據有效性的前提下對教育數據進行隱私保護是多元學習空間需要解決的另一個難點。 （二）項目簡介 本項目主要目標是針對信息技術支撐下學習空間多元化、場景復雜、需求多樣化，學習者及學習行為呈現出新的特點和規律，研究多元學習空間中學習行為數據化關鍵技術，構建“云-邊緣-物聯網”架構的多模態數據存儲與處理平臺，實現混合式學習環境下學習行為智能感知和數據化，優化學習行為模型，基于實際應用與不同學習目標函數及內容，建立可重復、可預測、可驗證的對比數據集，為數據驅動的智慧教育生態構建和教育應用提供核心技術與數據支撐。 （三）關鍵技術 我們面向智慧教育中準確認知學生的學習狀態和行為的大數據需求提出研究方案。本項目實施方案涉及教育學、物聯網、云計算、人工智能、隱私保護等多個領域，主要技術路線如圖所示： 圖 1 技術路線圖 其中，項目包括的關鍵技術主要有以下三點： 1.基于物聯網的多模態數據實時智能感知和多時間域數據采集技術 該技術針對學習狀態的數據化、特征參數量化問題，設計能夠采集多 重學習空間下的智能數據感知物聯網系統。主要技術難點在于抽樣頻率與 識別準確度的平衡、人機交互的變化規律等全新科學問題。 2.學習狀態多模態數據解析和智能處理技術 利用智能感知物聯網采集實時性的原始學習狀態數據，包括面部表情、 腦電信號、頭部姿態、交互行為等原始數據，這些數據具有數據量大、模 態多、冗余度高等特點，需要通過智能化的預處理方法轉換成可以量化的 狀態數據。 3.多層次數據差分隱私保護技術 學習行為數據是學習者被動采集的多方面行為數據，受到日益增長的 具有爭議性的數據倫理的制約。該項技術通過數據隱私保護機制實現數據 多層次化的差分隱私安全算法；在保證學習者最大數據隱私性的前提下， 研究滿足學習行為分析所需要的數據顆粒度。

本實用新型公開了一種采煤工程中底板破壞深度監測的多點位移計裝置，包括灌漿錨頭、測桿、測桿保護管、位移傳感器、過渡管、固定座，其特征在于：所述的錨固頭與位移測桿一端相連，位移測桿另一端與位移傳感器一端相連，所述的位移測桿外設置保護管，所述過渡管為壓縮波紋管。該裝置結構簡單，系統可靠，在礦井下可快速安裝。