本发明提供了一种基于光学环镜的超宽带脉冲编码调制装置， 包括高非线性光纤、延时干涉仪和两个光纤耦合器，延时干涉仪包括 探测光输入口、探测光输出口、两个输出端口、第一耦合器、第二耦 合器、以及从第一耦合器延伸到第二耦合器的上臂和下臂，上臂和下 臂均置于一个温度控制装置中；高非线性光纤连接在两个输出端口之 间，两个光纤耦合器均设置在高非线性光纤上，用于分别引入外部的 信号泵浦光脉冲和辅助泵浦光脉冲。本发明采用光学非线性延

本发明提供了一种变异的 SCN11A 基因，即人类周围神经发作性疼痛致病基因 SCN11A，其特征在于该变异的 SCN11A 基因的第 673位碱基由野生型的 C 变异为 T；或该变异的 SCN11A 基因的第 2423位碱基由野生型的 C 变异为 G。本发明还提供了一种检测来源于人体生物样本中是否存在所述基因的突变方法及检测试剂盒。本发明提供的变异的人类 SCN11A 基因可用于制备人类周围神经发作性疼痛基因诊断芯片，变异的人类 SCN11A 基因所编码的蛋白质可作为治疗人类周围神经发作性疼痛的药

本发明公开了一种针对 RS 码存储集群的高效存储扩容方法，涉 及数据重新分布和校验更新两个过程。具体包括：增加Δk 个数据节 点，并按照转置式数据布局重新分布旧数据，其中原始数据分块只在 旧数据节点和新数据节点之间迁移，新数据分块直接填充到迁移后所 空出区域；完成数据重新分布时，需要进行相应校验分块的更新操作。 上述数据重新分布支持多次扩容并保持数据分布的均匀性。由于数据 重新分布采用转置式数据布局，校验分块更新时，

产品详细介绍 1.1产品简介 HE2020C高清编码器是北京蔚海视讯基于Cortex-A9多核处理器设计、研发的广播级高清视频编码设备，具有集成度高、功耗低、处理性能强的显著特点，可完成多路1080P高清视频的H.264压缩，是高清视频会议、IPTV、数字电视、教育录播、远程医疗等领域首选的新一代高清视频压缩产品。   1.2 功能概述 u  实时视频浏览 采用H.264视频压缩标准，可实时进行视频浏览。无需安装浏览器插件，支持在视频浏览时，对画面的亮度、对比度、饱和度和色度进行调节。   u  多路音视频输入接口 支持2路HDMI带内嵌音频输入，2路SDI带内嵌音频输入，2路CVBS标清视频输入，2路LINEIN音频输入。以上接口都是独立的，可任选以上接口的音频和视频组成一种编码。   u  多码流支持 可支持2路编码，每路编码支持高中低3路不同分辨率的码流同时输出。共有2×3＝6路码流。   u  85Hz高清无闪烁编码输出 用于安检等行业，对无闪烁要求高的场景。     u  多协议支持 同时支持RTMP和RTSP传输协议，支持多达上百路的连接。   u  多码流RTMP直播 可将所有码流（6路）推送到流媒体服务器实现远程直播功能。 第二章 产品参数 2.1 产品外观   图2-1 正面板 前面板从左到右分别是指示灯、液晶屏和控制按键。   图2-2 后面板 2.2 规格参数 2.2.1视频参数 输入接口 HDMI，SDI，CVBS 压缩格式 H.264 分辨率 1080P、1080i、720P、FULL D1、VGA、CIF、QVGA、QCIF 帧率 25fps、30fps、60fps 码率 64kbps ~12Mbps 2.2.2音频参数 输入接口 HDMI，SDI，LINEIN 压缩格式 AAC 声道 立体声/单声道 采样率 16KHz、24KHz、32KHz、44.1kHz、48KHz 码率 32kbps ~ 256kbps 2.2.3其他接口 以太网口 2路RJ45，10M/100M/1000M自适应  

本发明公开了一种按数据属性分类存放的混合存储方法及系统。 考虑到元数据在文件系统中所占空间小、访问频繁等特点，构建了一 种由硬盘驱动器和固态硬盘组成的混合架构，将文件系统中的数据按 数据属性分为数据和元数据，将数据存放在由 HDD 组成的 RAID5 中， 将元数据存放在由 SSD 组成的 RAID1 中，以达到将文件系统中的数 据和元数据分类存放到不同介质、不同阵列级别的设备的目的，提升 文件系统 I/O 性能和可

本发明公开了一种基于在线训练的视频运动目标分类方法，包括以下步骤：(1)获取原始视频序列的所有运动目标；(2)对运动目标提取速度、面积等标记特征和高宽比等分类特征；(3)将速度特征大于速度高阈值的目标标记为“车辆”，速度特征小于速度低阈值的目标留作步骤(4)进行二次筛选；(4)对速度小于速度低阈值的目标中面积特征小于面积阈值的目标标记为“行人”；(5)将标记完毕的“车辆”目标和“行人”目标设为训练集，训练得到人车分类

本项目围绕垃圾分类模式/方法及评价模型建立、农村易腐垃圾堆肥新技术开发、垃圾分类信息化技术及智能装备研发等进行关键技术研究，并集成团队研究成果研编了垃圾分类系列标准，构建了我国城乡垃圾分类体系并推广应用。 1、创建了垃圾分类新模式、方法和技术。基于社会化与专业化相结合的垃圾分类“双轨策略”理论，建立了生活垃圾分类“2+n”模式和农村生活垃圾“五类三段”分类模式；创建了垃圾分类的物元分析模型、投放方案灰色聚类比选模型及分类效果F-measure评价模型；结合农村易腐垃圾就近处理需求，研发了引风式静态堆肥技术和重力翻板式间歇动态堆肥技术及装备，在福建省明溪县胡坊镇和安徽省凤阳县小岗村进行了工程示范。实施垃圾分类制度对垃圾混合收运处理模式产生显著影响，垃圾分类后热值增加，每吨生活垃圾焚烧发电量上升约3%；与混合垃圾填埋相比，CO₂减排量接近80%。 图1 两型农村小型易腐垃圾（厨余垃圾）就地协同堆肥处理设施（左图为静态堆肥设施，右图为间歇动态堆肥装置） 2、研发了垃圾分类信息化技术及智能装备。将传统垃圾收运技术与信息化新技术相结合，研发了分类信息化管理平台，发明了具备溢满报警、感应开门、自动称重和容量监测等多功能的智能垃圾分类回收箱和溢满报警、快速升降的太阳能地埋式垃圾收集箱等系列智能装备，提高了分类系统效率与效能，在全国数以千计的县（区）街道广泛应用。应用案例垃圾无害化率100%，居民垃圾分类知晓率、参与率100%、厨余垃圾投放准确率88%。 图2 智能化垃圾分类投放/收运设施（左图为智能垃圾分类回收箱，右图为太阳能地埋式垃圾收集箱） 3、构建了城乡垃圾分类标准新体系。研编系列垃圾分类标准，就分类工作全范围、全过程提出了设施建设、设备配备、运行操作等全要素的规定与要求，是规范分类工作的基本依据；首次将农村垃圾堆肥原料和产品含水率上限值分别由60%、30%提升至65%、45%，增强了堆肥技术标准的适用性，扩展了堆肥技术的适用性；研编大件/园林/装修/餐厨/果蔬等垃圾分类系列标准，填补新兴垃圾标准体系空白，指导各行各业垃圾分类工作规范化进行。 图3 已发布实施的垃圾分类与收运处理标准（共计21项标准） 针对源头垃圾分类投放社会化特征明显、组织实施难度大和分类收运环节涉及原有收运系统向分类系统过渡的实际困难，研编、建立了的垃圾分类标准体系，正式发布实施国家团体标准21项，在编18项。在垃圾投放操作、设备运维、作业人员安全生产要求等方面进行了规定，保证了垃圾分类投放及收运过程的规范化和安全性；在数以千计的县区、街道、社区指导垃圾分类的稳步施行。 【技术优势】 1. 创建垃圾分类新模式、方法和技术，引领分类技术水平跨越式提升：率先提出垃圾分类“双轨策略”，实现垃圾社会化分类稳步推进和专业化分类技术水平跨越式提升；提出垃圾分类“2+n”模式，创建兼顾效率与可操作性的垃圾分类投放模型与效果评价指标体系。提出农村生活垃圾“五类三段”模式，解决农村垃圾分类的重点与难点；进行农村易腐垃圾就地协同堆肥处理，提高资源化、无害化水平。 2. 研发分类信息化技术及智能装备，实现安全、环保、精准、高效分类。开发垃圾分类全流程智慧运营、管理、监管平台，提高分类系统效率与效能；研发智能化垃圾分类收运设施装备，改善作业条件、提高工作效率；推广应用信息化技术及智能装备，加速推进分类制度施行。 3. 构建城乡生活垃圾分类标准体系，为全国范围内规范化推进垃圾分类工作提供依据。研编分类投放系列标准，规范/细化垃圾源头分类投放和收运操作要求；研编农村垃圾分类系列标准，提升农村垃圾分类处理水平；研编大件/园林/装修/餐厨/果蔬等垃圾分类系列标准，填补新兴垃圾标准体系空白。

该成果提出了一种基于同质块均值核类内协同表示分类方法。同质块均值核能够有效地为目标样本确定其邻域区域内的同质样本，并将目标样本和同质块内的样本与训练样本之间的相似度作为新的特征向量，在有效提高类别区分度和空间表征能力的同时，提升了特征生成的效率。其后在分类过程中，利用类内协同表示分类中的吉洪诺夫正则项加强测试样本和各个类别训练样本之间的相关性的同时进一步提高分类效率。 主要技术指标 不同数据集下的训练样本与测试样本数与在该训练样本集数量下的分类结果表现参阅表 1。 （1）相比于传统分类器 SVM，OA 提高了约 15%；相比于 JCR 方法，OA 提高了约 2-4%。 （2）该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。同时有效降低了离散错分样本的数量，改善了过平滑的分类效果。参见表 1 与图 1。 （3）同时该成果特征提取方法有效提高了特征提取效率，参见表 2。 表 1.PaviaU 大学数据的训练样本选取与分类结果 表 2. 不同窗口大小下的特征生成时间比较

本发明提供了一种基于随机蕨的自举弱学习方法及其分类器，本发明属于计算机图形识别技术领域。图形识别通常采用弱分类器的加权、高斯概率分布的均值距离来判别正负样本。或采用分类树作为弱学习器，用误差测度减少最大化的划分准则划分节点，然后将这些弱分类器提升为强分类器。但是，这些弱学习方法要么收敛速度慢，要么准确率不够高，要么计算效率低。本发明选择图像特征和构造随机蕨、基于随机蕨的弱学习方法、基于随机蕨的弱学习方法、构建弱分类器、结果分类器等步骤可以很好地解决成像环境复杂且对运算量要求严格的图像模式识别，实现快速收敛和高效的自举弱学习方法，得到实时处理且准确率高的分类器。主要用于各种模式识别场合。