本发明公开了一种数据流跟踪方法，包括三个阶段：客户操作 系统指令静态反汇编，根据静态的客户机 x86 指令生成对应的污点传 播指令，进行污点数据传播更新操作，对于在静态反汇编时不能获取 的内存操作数物理地址，通过采用共享缓存的方式在动态执行过程中 获取；编译产生宿主机执行代码，根据上一阶段的污点指令生成宿主 机上的可执行代码，以处理函数的形式进行生成，方便下一阶段的执 行；开启新的执行线程，执行污点指令，逐条取出污点

本实用新型提供了一种黄曲霉毒素的流态化连续式等离子体降解装置，所述黄曲霉毒素的流态化连续式等离子体降解装置设有等离子发射器、等离子体发生器、传送带装置、鼓风机及控制面板。本实用新型提供了一种黄曲霉毒素的流态化连续式等离子体降解装置，主要用于粮食表面的黄曲霉毒素的降解，物料在处理过程中处于流态化，保证每颗粮食都能接触到高能粒子和活性自由基，因此可以快速连续化地降解每粒粮食表面的黄曲霉毒素。该装置降解过程低温、无溶剂残留，无环境污染，且能保护粮食中的营养成分不被破坏。

本发明涉及一种多视角地面激光点云数据自动化全局配准方法。该方法分为两个关键的模块:语义 特征点的提取与特征匹配。第一步，进行语义特征点的提取，通过数据切片、距离聚类、几何基元拟合 等一系列方式，获得语义特征点;第二步，进行语义特征点的匹配，通过构建三角几何约束条件与语义 约束条件来匹配语义特征点;并采用几何一致性的聚类方式剔除其中错误的匹配;最后，以匹配的特征 点个数的倒数作为权值，构建一个加权无向图，以加权无向图的最小生成树作为配准的路径，最终得到 各个站的全局配准参数，实现全局最优配准。本发明构筑了一种适用于多视角的自动化地面站激光点云 配准方法，该方法能够有效抵抗噪声、点密度与遮挡的影响，提高了激光扫描作业效率，具有很好的实 用价值。

本发明公开了一种保留已有路网数据并利用OSM数据进行路网扩展的方法，该方法能够让用户自定义需要扩展的路网区域，并快速地将用户需要扩展的路网范围连接到原有网络中，同时保留了原路网的数据信息，最终得到利用OSM数据进行扩展后的路网数据文件。在实际工作中，用户会遇到需要在已有路网基础上扩大研究范围的情况，本发明由用户自定义选择需要扩展的路网范围，自动从OSM数据中提取扩展路网信息后与已有路网数据进行合并，保留了原有用户已经维护好的路网信息，节省了人工逐条添加路段和对扩展后路网进行重复校核的人力和时间成本，同时提高了扩展路网的准确性。

南科大生物医学工程系助理教授郭琼玉课题组在肿瘤介入栓塞领域构建透明化离体模型方面取得最新研究进展，相关成果论文以“构建透明化肝脏离体模型评估肿瘤血管栓塞治疗（Decellularized liver as a translucent ex vivo model for vascular embolization evaluation）”为题发表在生物材料领域顶级学术期刊Biomaterials。 此项研究工作为建立透明化器官模型可视化研究及评估临床治疗手段开辟了新的途径，有望为蓬勃发展的生物技术和生物材料提供更加有效的评估策略。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本发明涉及光致发光材料技术领域，具体公开了一种配位聚合物闪烁体、柔性闪烁体薄膜及其应用，本发明所制备得到的配位聚合物闪烁体在360nm的激发光源下和X射线光源辐照下均发射绿光，并且对X射线展现处优异的线性响应性，并且表现出明显的热活化增强发光，当信噪比为3时，该闪烁体的最低检测限达到29.6nGy/s，这一数值较典型医学成像系统所需的检测限(5500nGy/s)低约186倍，同时，本发明所制备的闪烁体薄膜可对不同物体实现X射线成像效果，本发明所制备得到的闪烁体薄膜完全可以替代目前商用的闪烁体。

西安电子科技大学机电工程学院多智能体研究中心郑元世教授团队通过引入了智能体及邻居的历史状态，提出了一种基于记忆信息的一致性协议并建立了该协议下显式的一致域。