本发明公开了一种虚拟化环境下面向任务并行编程模型的优化 方法；在位于客户虚拟机的前端监控部分获取任务并行编程模型中失 败的窃取操作；在位于虚拟机监控器的后端加速部分根据加速发起者 和被加速候选者的运行状态和所在物理 CPU 的信息，做出是否执行加 速的决策。若执行加速，将加速发起者的剩余时间片提供给被加速候 选者，当被加速候选者被虚拟机监控器抢占(时间片耗尽或被阻塞)时， 若被加速候选者处于可运行状态，恢复其原本的调

本发明公开了一种网络化的多轴电机同步控制装置及方法，其装置包括脉冲采集模块、控制器模块、同步串行差分总线、多轴模块、伺服电机驱动模块和人机交互模块；通过包括脉冲采集模块采集主令电机输出的脉冲信号经过光电隔离处理后发送到控制器模块，控制器·746·模块对接收到的脉冲信号进行周期性的采样计数，将脉冲数通过同步串行差分总线发送给多轴模块，多轴模块根据当前的数据帧以及从动电机的反馈脉冲信号生成 PWM 控制信号

本发明公开了一种基于群体用户行为分析的个性化推荐方法， 属于计算机网络应用技术领域。本发明提出了一套基于群体用户兴趣 变化的个性化推荐方法，通过聚合海量个体用户对商品的时序动态兴 趣度从而快速有效的获得准确度更高的推荐列表。另外再定量分析时 间因素对用户兴趣度的影响权重，通过拟合大众用户从接触商品到购 买的时间及不同时间段购买用户数量分布图，从而提高推荐的准确性。 在充分分析用户行为数据及归纳总结出用户的兴趣后，计算

一种适于规则网格 DEM 的结构化多尺度重构方法，包括如下步骤:步骤 1，谷地汇水区域的提取 及结构化组织;步骤 2，谷地选取与汇水区域的合并;步骤 3，基于合并后的汇水区域进行约束内插生 成新的、删除次要谷地后的 DEM。其优点是:通过实验对比，传统重采样及滤波综合方法无论谷地和 山脊大小同等程度地削减正向、负向地貌，没有顾及地理特征的保持;而采用本发明方法综合后，图中 表示次要谷地的等高线弯曲呈现成组删除的效果，表示主要谷地源头的等高线弯曲保持较好，与专家手 工综合的效果接近。

青楷槭是长白山地区常见的乔木品种之一，在《本草纲目》、《本草再新》均被提及，其叶片、树皮及果实等部位，均可作为药材使用，具有清热、解毒、抗炎等多重疗效。此外，青楷槭的叶片亦常被用于泡茶或烹饪汤品，有助于缓解上呼吸道相关症状。人参被誉为“天然的能量补充剂”，在提升体力、缓解疲劳方面有显著的效果。现代研究表明，人参能提高体内的ATP（细胞能量来源）水平，改善微循环，从而有效抗疲劳。 青楷槭的抗氧化作用与人参的抗疲劳、增强体能的作用相结合，能够更好地抵御衰老和疲劳的双重挑战。青楷槭与人参的组合具有较好的互补作用。青楷槭的抗氧化、降血糖、调节内分泌等作用与人参的补气、抗疲劳、增强免疫力等特点相结合，能够在提升免疫力、抗衰老、缓解疲劳、调节血糖血脂等多个方面产生协同效应。通过科学的配比和加工，青楷槭与人参合用可以为消费者提供一种功能全面、健康有益的饮品。 1.独特的原料组合与健康功能创新：本项目的核心创新在于将人参与青楷槭这两种具有显著保健功效的天然植物成分进行有机结合。人参以其滋补强身、增强免疫力的传统功效著称，而青楷槭则富含丰富的抗氧化物质、维生素C及矿物质，具有较强的抗衰老、抗疲劳等健康功效。通过选择水醇提取法、冷冻干燥等来确保有效成分的高效提取，并保持其生物活性，创新性地将这两种植物的优势特性融合，开发出一种具有复合健康功能的功能性饮料，填补了市场上同类产品在多元化营养需求上的空白此外，开发了新型的成分稳定化技术，有效解决了植物成分在饮料中的保存和长期保鲜问题，确保了产品的品质稳定性与健康功效的长期有效。 2.口感优化与产品差异化创新：在口感方面，本项目通过多次配方调整与风味优化，使得人参和青楷槭的独特植物风味得到平衡，并加入天然水果香料，改善传统中草药饮料的“草本味”，使饮料口感更加顺滑、清新、适合现代消费者的接受口味。这种口感创新不仅提高了消费者的饮用体验，也突破了传统草本饮料的单一风味模式，为市场带来了差异化竞争优势。 根据市场研究，健康饮品领域，消费者越来越倾向于选择具有增强免疫、抗氧化、抗衰老、降血糖等多重功能的饮品。人参作为传统滋补佳品，已在市场上占据了一定份额，凭借其强身健体、补气养血的功效，广受消费者喜爱。而青楷槭，作为富含多酚类、黄酮类等抗氧化成分的植物，其抗衰老、抗疲劳、降血脂等效果逐渐得到消费者的认可。两者结合的功能性饮料，能够满足市场对天然健康饮品的需求，成为新兴的市场亮点。随着生活方式的变化，越来越多的职场人士、学生群体等年轻人开始关注抗疲劳、抗压、促进睡眠的饮品，这为人参青楷槭饮料的市场拓展提供了机会。 目前，市场上的功能性饮料竞争激烈，主要以一些大型饮料品牌为主导，如红牛、华润怡宝等企业推出的健康功能饮料占据了较大的市场份额。此外，还有一些植物性饮品品牌如植物萃取饮料、草本茶等逐渐获得关注，满足消费者对天然、低糖、无添加的偏好。然而，这些产品多集中在单一功能或传统草本成分上，缺乏多种植物成分的创新结合。因此，人参和青楷槭的结合，作为一种具有多重健康功效的饮品，有望在现有市场中开辟出新的细分市场，填补部分空白。

本发明公开了一种基于电流体动力喷印的阵列化图案喷印装置，包括金属针头，承印层，金属基板，运动平台和高压发生器，其中，所述金属针头设置在承印层上方，该承印层设置在金属基板上，该金属针头和金属基板分别连接到高压发生器正负端，从而在两者之间形成电场，所述金属基板可在运动平台的驱动下作平面运动，从而带动承印层运动，在电场作用下，喷印溶液通过金属针头流出并形成射流喷射到运动的承印层上，即可在该承印层上形成所需的喷印图案。本发明还公开了利用上述装置制备图案的方法。本发明基于拉伸辅助的高精度定位，实现了在工程环境下，高精度阵列化图案的简单、快速制造，突破了传统静电喷印技术在射流定位与喷印特定图案方面的限制。

本发明公开了一种波纹管成型机自动化安装模具装置，包括支座、Y轴移动单元、X轴移动单元、Z轴移动单元、摆动单元、夹具单元和输送单元；Y轴移动单元设置在支座上；X轴移动单元设置在Y轴移动单元上，能够沿Y轴方向移动；Z轴移动单元设置在X轴移动单元上，能够沿X轴方向移动；Z轴移动单元包括支撑梁，支撑梁能够沿Z轴方向移动；摆动单元设置在支撑梁上，包括摆动组件，摆动组件能够在XOZ平面内摆动，且能够沿Y轴方向浮动；夹具单元设置在摆动组件上，包括两个夹爪，两个夹爪能够沿Y轴方向相向移动或相反移动；输送单元能够沿Y轴方向输送模具。本发明具有对设备环境适应度高、设备调试方便、自动化装卸效率高等优点。

本发明公开了一种用于继电保护的数智化运维系统及方法，涉及运维管理技术领域，通过预测继电保护装置未来是否存在故障；若存在，则根据故障的类型合集确定可进行运维的机器人集合；并根据继电保护装置的预设重要值，确定可进行运维的机器人集合中派往继电保护装置进行运维的机器人数量；并计算可进行运维的机器人集合各机器人被派遣至继电保护装置进行运维的优先值，并根据优先值从大到小的顺序从可进行运维的机器人集合筛选对应数量的机器人进行运维；使得能有效地完成维护任务，减缓故障修复时间的延误，从而减小对电网稳定性的影响，确保不会导致大规模停电或设备损坏，确保设备的可靠性和整体运营效率。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

本申请涉及一种二维材料硒化铟的非晶化方法。本申请的非晶化方法包括：S1：提供设置有纳米层状硒化铟样品的电学芯片；S2：对电学芯片施加脉冲电压，使硒化铟发生非晶化。本申请通过施加脉冲电压来诱导非晶化，具有快速、精确、节能等优势，适用于高性能电子和光电器件的制造。