本发明公开了一种基于多感知数据融合的人机自然交互系统，包括MEMS手臂跟踪装置、视觉跟踪装置，以及安装在操作者的手掌上的力反馈装置，上述各装置由PC终端控制，PC终端包括手臂运动解算模块、图像处理模块、力学解算模块和虚拟场景渲染模块；虚拟场景渲染模块根据手臂运动轨迹和手指运动轨迹生成虚拟手臂和手指，力学解算模块根据虚拟手指与虚拟物体的碰触信息，计算操作者当前状态下应得到的期望反馈力矢量；本发明可满足手臂大范围运动情况下的手臂运动轨迹的跟踪要求；其次，可通过图像信息测量操作者手指的运动轨迹，可精确测量手指上多个关节的角度；再者，可为操作者提供力反馈和虚拟场景的视觉反馈，增强系统的临场感、交互性。

美林数据技术股份有限公司（简称：美林数据，NEEQ：831546）是国内知名的数据治理和数据分析服务提供商，重点面向企业客户提供数据资产管理、数据分析与挖掘、数据开发应用为主的大数据产品及增值解决方案。成立至今，在能源、制造、金融、政务等领域积累了丰富的项目经验，自主研发的 Tempodata 系列大数据产品广泛应用于上千家大型企业，为用户提供从数据采集、数据资产管理、数据挖掘、数据分析应用等综合解决方案。 当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素，实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案——Tempo Talents 大数据人才应用能力成长平台。  

产品详细介绍我们公司多年来一直专注于图书馆自动化管理系统，谢谢广大客户朋友们多年来对我们产品的支持与肯定。今天又要给大家带来一个惊喜了。现在隆重给大家介绍一款我们公司最新推出的免费软件——《瑞天书目数据共享平台》！ 　　《瑞天书目数据共享平台》采用最新技术实现图书套录，达到资源共享。具体什么意思呢？就是您用我们的  《瑞天书目数据共享平台》可以在录入书籍信息时只需要输入书籍的ISBN码就可以远程获取我们公司服务器里的图书书目信息，而且我们这个书目数据库信息目前是完全免费开放的。 　　大家都知道，图书馆自动化管理中，最重大而繁琐的事情那就非“图书信息录入”莫属了，自己手工录入太累，找专门做数据的公司来录入图书数据经费又大，那怎么办呢？呵呵··当然是能找到一个可以免费获取图书书目信息的渠道最好呀。有这种想法的人，不妨使用我们的《瑞天书目数据共享平台》，体会这款系统的功能效果就知道是不是你们想要的。 　　此软件配合您现有的图书管理软件使用，让您的工作异常轻松，关键是免费！ 注1：目前中国大陆所有“联合编目数据中心”想要获取他们数据库里的数据都是需要花几毛钱一条的，有兴趣的可以网上了解，我们是中国大陆唯一一家免费提供数据共享平台的。 注2：远程编目服务器的开放时间一般是工作日时间段(作为我们的正式版用户，如果您需要其它时间段获取数据，请随时联系我们，我们会尽量安排开启服务器，请不用担心，这些都是免费提供的服务)。 注3：因近段时间远程编目服务器地址经常变动，若发生链接不上服务器，请联系我们的在线工作人员，我们会把最新服务器地址告诉您。  更多资讯及相关产品讯息可登录北创科技官网wwwbc863.com进一步了解。  

CS2350M双恒电位仪是基于常规单通道CS350M 型电化学工作站拓展的产品，可以实现2个通道同步测试，搭配旋转环盘电极（RRDE）使用，各通道独立，可以实现不同参数、不同电分析方法的独立使用，软件友好，可以实现组合编程功能。具体应用于： 1）电合成、电沉积（电镀）、阳极氧化等反应机理研究； 2）电分析化学研究、电化学传感器的性能研究； 3）新型能源材料、先进功能材料以及光电材料的性能研究； 4）金属材料在不同介质（水/混凝土/土壤等）中的腐蚀研究蚀性评价； 5）缓蚀剂、水质稳定剂、涂层以及阴极保护效率的快速评价。 1、硬件参数指标   2，3，4电极体系 双恒电位仪，双通道独立使用 电位仪电位控制范围：±10V 恒电流控制范围：±1.0A 电位控制精度：0.1%×满量程读数±1mV 电流控制精度：0.1%×满量程读数 电位分辨率：10mV(>100Hz), 3mV(<10Hz) 电流灵敏度：<1pA 电位上升时间：<1mS(<10mA),<10mS(<2A) 参比电极输入阻抗：1012W||20pF 电流量程：2A～2nA, 共10档 最大输出电流：1.5A 槽压：±21V   CV 和LSV扫描速度：0.001mV～10000V/s CA和CC脉冲宽度：0.0001～65000s 电流扫描增量：1mA @1A/mS 电位扫描时电位增量：0.076mV @1V/mS SWV频率：0.001～100KHz DPV和NPV脉冲宽度：0.0001～1000s AD数据采集：16bit@1MHz, 20bit @1KHz DA分辨率：16bit, 建立时间：1mS CV的最小电位增量：0.075mV 低通滤波器：8段可编程 电流与电位量程：自动设置 接口通讯模式：网口   2、电化学阻抗功能指标   信号发生器： 频率响应：10mHz~1MHz 频率精确度：0.005% 交流信号幅值：1mV~2500mV 信号分辨率：0.1mV RMS 直流偏压：-10~+10V DDS输出阻抗：50W 波形：正弦波，三角波，方波 正弦波失真：<1% 扫描方式：对数/线性，增加/下降   信号分析器： 最小积分时间：10mS 或循环的最长时间 最大积分时间：106个循环或者105S 测量时间延迟：0~105秒 直流偏置补偿： 电位自动补偿范围：-10V~+10V 电流补偿范围：-1A~+1A 带宽调整(Bandwidth) ： 自动或手动设置，共8级可调   3、CorrTest测量与控制软件主要功能 第一通道软件功能 稳态极化：开路电位测量（OCP）、恒电位极化（I-t曲线)、恒电流极化、动电位扫描（TAFEL曲线）、动电流扫描（DGP） 暂态极化：任意恒电位阶梯波、任意恒电流阶梯波、恒电位阶跃、恒电流阶跃 计时分析：计时电位法（CP）、计时电流法（CA）、计时电量法（CC） 伏安分析：线性扫描伏安法（LSV）#、线性循环伏安法（CV）、阶梯循环伏安法（SCV）#、方波伏安法（SWV）#、差分脉冲伏安法（DPV）#、常规脉冲伏安法（NPV）#、常规差分脉冲伏安法（DNPV）#、差分脉冲电流检测法（DPA）、双差分脉冲电流检测法（DDPA）、三脉冲电流检测法（TPA）、积分脉冲电流检测法（IPAD）、交流伏安法（ACV）#、二次谐波交流伏安（SHACV）、傅里叶变换交流伏安【标#号的方法包括相应的溶出伏安分析方法】 交流阻抗：电化学阻抗～电位控制模式、电化学阻抗（EIS）～时间扫描、电化学阻抗（EIS）～电位扫描（Mott-Schottky曲线）、电化学阻抗～电流控制模式 腐蚀测量：动电位再活化法（EPR）、电化学噪声（EN）、电偶腐蚀测量（ZRA）、氢扩散测试 电池测试：电池充放电测试、恒电流充放电、恒电位间歇滴定（PITT）、恒电流间歇滴定（GITT） 其他：圆盘电极测试以及转速控制、溶液电阻测量（IR降）、溶液电阻正反馈补偿（IR补偿） 第二通道软件功能 稳态极化：开路电位测量（OCP）、恒电位极化（i-t 曲线）、恒电流极化、动电位扫描（TAFEL 曲线）、动电流扫描（DGP） 暂态极化：任意恒电位阶梯波、任意恒电流阶梯波、恒电位阶跃（VSTEP）、恒电流阶跃 计时分析：计时电位法（CP）、计时电流法（CA）、计时电量法（CC） 伏安分析：线性扫描伏安法（LSV）、线性循环伏安法（CV） 电池测量：电池充放电测试、恒电流充放电、恒电位间歇滴定（PITT）、恒电流间歇滴定（GITT） 其他：圆盘电极测试以及转速控制、溶液电阻测量（IR降）、溶液电阻正反馈补偿（IR补偿） 通道二可选配功能：交流阻抗功能   交流阻抗：电化学阻抗～电位控制模式、电化学阻抗（EIS）～时间扫描、电化学阻抗（EIS）～电位扫描（Mott-Schottky曲线）、电化学阻抗～电流控制模式 4、仪器配置 1）仪器主机1台； 2）CorrTest测试与分析软件1套 3）电源线1条 4）网口通讯线1条 5）电极电缆线2条 6）模拟电解池2个（仪器自检器件）

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

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

成果介绍人脸图像分析研究不仅能丰富和发展图像处理与分析的理论和方法，而且在教育、医疗、公安等社会服务以及公共安全等行业中具有重要的应用价值。基于人脸视觉特征的表情、身份以及亲属关系识别是当前人脸图像分析研究的前沿课题，而光照和人脸姿态变化等因素对人脸视觉特征提取与建模的影响则成为当前该研究面临的主要瓶颈。开展鲁棒人脸视觉特征的提取、建模与识别研究，突破现有研究的局限性，能显著推动人脸图像分析的研究进展，进一步满足国家在社会服务与公共安全等领域中的需求。技术创新点及参数1、 突破局部二值模式编码的视觉特征描述算子的局限性，提出局部三值模式编码的视觉特征描述算子，提出解决场景光照变化干扰以及高斯噪声干扰的图像处理一般性方法。2、 率先提出基于区域协方差矩阵的非正面表情特征描述方法，提出基于高斯混合模型和最小贝叶斯错误率估计的异方差鉴别分析方法，建立基于高斯混合模型的多视角表情识别理论。3、 率先提出基于人类学和遗传学的“父母—子女”亲属关系鉴别方法，提出以父母年轻时面部图像为桥梁的“父母—子女”亲属关系鉴别的子空间迁移学习理论和方法。4、 提出人脸视觉特征提取和识别的多流形鉴别分析理论，提出双子空间鉴别分析的增量式算法，突破双子空间鉴别分析方法的计算瓶颈。市场前景本项目围绕人脸图像中的表情、身份以及亲属关系识别等科学问题，深入开展鲁棒人脸视觉特征的提取、建模与识别的理论和方法研究，重点解决视觉场景中光照与人脸姿态变化下的鲁棒人脸视觉特征的提取与建模问题

成果描述：葡萄籽作为酿酒工业的下脚料，其中含有大量的原花青素。原花青素是植物王国中广泛存在的一大类多酚物质的总称，由不同数量的的儿茶素或表儿茶素缩合而成。研究发现，葡萄籽提取物中含有大量的原花青素，具有强大的抗氧化、清除自由基能力和对人体微循环具有特殊改善的双重功效，以高效、低毒、高生物利用而著称。本产品以葡萄籽提取物为主要原料，辅以其他的具有抗氧化功效的原料，以突出该产品抗氧化的保健功效。市场前景分析：保健食品市场。与同类成果相比的优势分析：所用原料符合中国卫生部关于保健食品的原料要求，产品的卫生指标、理化指标、功效成分指标和安全性指标等均符合卫生部关于保健食品的相关要求。

本技术方法提取的DNA质量 高，产率达0.4ug DNA/g湿土，适 合进一步纯化以构建宏基因组文 库。