XM-D017脊神经的组成和分布电动模型   XM-D017脊神经的组成和分布电动模型示感觉纤维传导本体感觉、触觉、痛觉，运动纤维传导内脏和躯体的运动传导及相应的效应器，适用于大、中专医学院校在讲解脊神经组成及分布范围时作为直观教具。 一、示教内容： 根据脊神经的分布和功能，可将其组成的纤维成份分为四类： ■ 躯体感觉纤维：分布于皮肤、骨骼面、腱和关节，    将皮肤的浅部感觉（痛、温度等）和腱、肌、关节的深部感觉冲动传入中枢。 ■ 内脏感觉纤维：分布于内脏、心血管和腺体、传导来自这些结构的感觉冲动。 ■ 躯体运动纤维：分布于骨骼肌、支配其运动。 ■ 内脏运动纤维：分布于内脏、心血管和腺体，支配平滑肌和心肌的运动，控制腺体的分泌。 二、技术参数： ■ 尺寸：40×40×8cm ■ 材质：PVC材料+木框 三、标准配置： ■ XM-D017脊神经的组成和分布电动模型：1台 ■ 电源线：1根 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-213男性躯干骨附主要动脉和神经分布   XM-213男性躯干骨附主要动脉和神经分布模型由男性半身骨架及血管神经附透明亚克力躯壳串制而成一个整体，固定在底板上，显示颅骨与脑，躯干骨与胸、腹、盆腔内脏器官毗邻的位置和关系，可以让学生通过透明体表了解血管、神经在躯干的形态、分布及位置关系。 尺寸：高95cm 材质：PVC材料

XM-D017脊神经的组成和分布电动模型   XM-D017脊神经的组成和分布电动模型示感觉纤维传导本体感觉、触觉、痛觉，运动纤维传导内脏和躯体的运动传导及相应的效应器，适用于大、中专医学院校在讲解脊神经组成及分布范围时作为直观教具。 一、示教内容： 根据脊神经的分布和功能，可将其组成的纤维成份分为四类： ■ 躯体感觉纤维：分布于皮肤、骨骼面、腱和关节，    将皮肤的浅部感觉（痛、温度等）和腱、肌、关节的深部感觉冲动传入中枢。 ■ 内脏感觉纤维：分布于内脏、心血管和腺体、传导来自这些结构的感觉冲动。 ■ 躯体运动纤维：分布于骨骼肌、支配其运动。 ■ 内脏运动纤维：分布于内脏、心血管和腺体，支配平滑肌和心肌的运动，控制腺体的分泌。 二、技术参数： ■ 尺寸：40×40×8cm ■ 材质：PVC材料+木框 三、标准配置： ■ XM-D017脊神经的组成和分布电动模型：1台 ■ 电源线：1根 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-106人体骨骼带神经与血管模型   XM-106人体骨骼带神经与血管模型（人体骨骼带心脏血管模型）显示男性全身骨骼的组成和形态外观，由男性全身散骨串制而成一整体骨架，成直立姿势，并显示人体全身主要血管和神经的行程及其分布概况，四肢大的关节部分均可活动，头颅含可活动的下巴、可移动的头颅盖，其中四肢骨和头颅骨可以灵活拆卸组装，整体固定在支架上，带底座，可灵活移动。 尺寸：高85cm 材质：PVC材料

XM-110A人体骨骼附主要动脉和神经分布模型   XM-110A人体骨骼附主要动脉和神经分布模型显示男性全身骨骼的组成和形态外观，由男性全身散骨串制而成一整体骨架，成直立姿势，并显示人体全身主要血管和神经的行程及其分布概况，四肢大的关节部分均可活动，头颅含可活动的下巴、可移动的头颅盖，其中四肢骨和头颅骨可以灵活拆卸组装，整体固定在支架上，带底座，可灵活移动。 尺寸：高85cm 材质：PVC材料

XM-134腰椎带尾椎骨模型   XM-134腰椎带尾椎骨模型（ 腰骶椎与脊神经模型 ）由5节带椎间盘的腰椎、骶骨、尾骨、脊神经和脊椎组成。 尺寸：自然大 材质：PVC材料

XM-631头面及颈部血管神经分布模型   XM-631头面及颈部血管神经分布模型由头面部动脉分布、头面部静脉及三叉神经3个部件组成，主要显示头部浅层、深层的动静脉及神经的分布情况及相应的结构形态。 尺寸：自然大 材质：玻璃钢材料

 在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。       通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。       进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。 

本发明的主要工作是基于多源异构网络推断主体(用户)之间的社 会关系(包括同类型之间或不同类型之间的主体关系，本发明中只以用 户为例)的方法，异构网络是指网络中主体类型多种或者主体之间的关 系类型多种，关系可以分为好友和其他两种。主要内容包括在两个(例 如 Twitter 网络、通讯网络)异构网络中，两个网络的主体类型都包含有 用户，但不同网络中主体之间的关系链接类型是不同的在 Twitter 网络 中用户之间的关系是

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。