一种基于数据驱动局部特征转换的噪声人脸超分辨率重建方法，包括对待重建的输入低分辨率人脸 图像和高、低分辨率训练集相应划分相互重叠的图像块;对于输入低分辨率人脸图像的每一个位置上的 图像块，分别从低分辨率人脸样本图像对应位置的图像块中找出 K 个最近邻的图像块，并对应找出相应 高分辨率人脸样本图像中的图像块，进行去均值化;利用映射系数计算出各图像块相应的高分辨率人脸 图像块，重构出高分辨率人脸图像，进行迭代后处理。本发明解决了主成分分析无法捕获处于高维流形 空间人脸特征的问题，利用局部流形的线性特性有效的进行了噪声人脸图像的超分辨率重建，同时进行 高分辨率图像后处理，进一步提高了重建结果的主、客观图像质量。

以人性化自助服务为设计理念，面向高校师生提供7X24小时服务，以在线业务系统为支撑具有多种登录认证机制、自助信息查询、自助打印成绩单及证明文件、校园卡或微信自助缴费、微信验证信息真伪、短信智能预警、终端远程管理、参数动态设置等功能，可实现多校区、多部门自助服务一体化管理，推动学校治理理念转变，使学校更多地从"管理"师生向”服务"师生转变，改善工作作风和治理方法，提高学校管理效益和社会效益。 ■线下智能服务终端自助打印输出能力一赋能一取材料场景 ●应用一：成绩单/证明文件材料自助打印 自助打印终端集查询、缴费、打印功能于一体，提供“一站式”服务，可为高校师生提供成绩单、在读证明、学籍证明等各种证明文件的“7*24小时不打烊”自助打印，不受时间、空间限制，提升学校校务管理行政效能。 ●应用二：固定资产标签自助打印 系统对接学校现有资产管理系统，为师生提供稳定、可靠、便捷、7*24小时的固定(无形)资产和低值耐用品等资产的入账单、资产标、申请单、签自助打印服务;资产标签含有唯一二维码，可以通过扫码查看设备基本信息，方便入库。 ●应用三：证件一体化自助办理 系统对接人事系统，实现按照学校、学院(系)、专业、学生等(公司、部门、个人)配置证件卡模板;模板能够实现卡面的不同以及字段位置的不同，卡面上字段能够从系统直接带出，师生(员工)直接能够在自助服务终端免费(付款)打印证件卡。 ■线下智能服务终端自助打印输出能力一赋能一交材料场景 ●应用一：智慧财务报账 智慧财务报账终端告别手动报账的繁琐与不便，开启“人机协作，智慧报账”的全新报账模式。实现智能设备与业务系统深度融合，改变传统报账交单方式，克服时间和空间上的局限性，向广大师生提供全方位、全天候的财务服务，方便快捷，实现报账管理的信息化、智能化。 ●应用二：学生证自助补办 学生证自助补办终端为提供便捷、高效的补办服务。通过身份验证、费用支付、学生证打印、学生证回收盖章、学生证领取等功能，学生可快速完成补办申请。操作简单、安全可靠，支持24小时使用，适用于学生证遗失、损坏或信息变更等场景，极大提升了补办效率，节省排队时间。 ■线下智能服务终端自助打印输出能力一赋能一强身份认证场景 学籍电子注册身份验证基于图像或视频输入进行检测，与注册库比对，实现1:N的人脸比对，或与证件比对，实现1:1的人脸比对。适用于人脸登录、VIP人脸识别、人脸通关等无需刷卡验证的场景。 ■线下智能服务终端自助打印输出能力一赋能一咨询问答场景 学校管理员可通过“问答知识库FAQ管理”，整理录入师生办事过程遇到的常见问题，师生可直接在自助服务终端上通过语音进行咨询问答的服务;师生在操作过程中，系统自动通过语音方式提醒用户操作每一个步骤，完成操作后，可通过语音方式提醒学生注销退出系统、取卡等事项。  

小试阶段/n该技术通过精细化水环境管理，构建了具有动力学机理、引入高性能计算技术的“空-地-水”一体化水环境模型体系，能快速精准模拟流域未来水环境变化趋势,评估污染源与水质的响应关系，核算水体环境容量，预测水体内突发事故的演进过程；针对智慧环保和环境大数据的国家战略需求，研发了环境大数据下多源异构数据融合、集成、挖掘、共享技术，建立了以流域水环境风险评估与预警智能云平台为主体的成套水环境风险评估与预警的技术体系，平台

目前，学龄前儿童误开高楼窗户坠落的事故时有发生，虽然德国研发出一种带锁头的执手，但价格昂贵，使用不是太方便。人们探亲访友、外出旅游、公务出差时驾车、乘车的时间越来越多，遭遇紧急状况的几率也越来越高，故越来越多的公共车辆上配置了破窗锤等破窗逃生工具，一些车辆还安装了车辆应急逃生窗，有的国家亦颁布了车辆应急逃生窗的有关标准。但目前常用的破窗锤等破窗逃生工具和车辆应急逃生窗用“两防”装置在应急时的表现，以及媒体和当事人反映的实际情况，相关应急逃生措施已满足不了人们对其安全性可靠性的需求。

本发明公开了一种多状态节能窗及三种状态切换方法，包括带凹槽的窗框、内窗、设于内窗的控制 装置、以及连接窗框与内窗的上端接合装置和球铰连接装置;控制装置包括把手、与把手相连的第一转 轮、通过第二连杆与第一转轮铰接的第二转轮、通过第三连杆与第二转轮铰接的第三转轮，第一转轮下 方铰接带插销的第一连杆，第二转轮和第三转轮上方分别铰接带插销的第四连杆和第五连杆;上端接合 装置包括滑槽、设于滑槽内可以滑动的滑

一、成果简介 针对我国食品安全现状，在科技部支持下，沈建忠教授领导的科研团队陆续研制出了三聚氰胺、β-内酰胺类、黄曲霉毒素、克伦特罗等30余种快速检测试剂盒和胶体金检测卡，其中20余个产品取得了农业部批准备案文号，并通过中国农业大学食品安全检测产业化基地北京维德维康生物技术有限公司实现了产业化，产品应用在国家兽药残留监控计划、农业部无公害食品行动计划、国家FDA食品放心工程以及伊利集团、北京三元、南京雨润等大型养殖和食品加工企业的例行检测中，特别是在

本发明公开了一种基于图像分割的数字体积相关算法中边界处理方法，该方法首先区分感兴趣区域和背景区域，然后对要进行DVC计算的其中一套三维图像进行图像分割，分割为感兴趣区域(VOI)和背景(BG)两部分，在进行DVC计算时只计算VOI内的计算点的位移和应变；计算位移时，子体块间的相关性匹配仅仅针对VOI部分，计算应变时，只利用VOI内的位移点来求解应变。此外，本发明通过区分子体块还有应变计算窗口内的连通域个数，只利用子体块或者应变计算窗口内的主连通域去计算位移和应变，进一步提高了处理复杂轮廓或者边界时计

本发明提供一种基于孔隙率的黏土扫描电镜照片图像分割方法，包括步骤有：采用土力学常规实验方法测得黏土试样的干密度，算出干密度的三分之二次幂；实验室制备黏土试样的微结构样品；采用ZD-A3冻干仪将制作的样品冻干并抽真空，真空度达到到10-6Pa时进行扫描电镜，观察样品的微结构并获得扫描照片；采用图像分析软件提取两个阈值对应的二值化数据；对比两个阈值条件下抽取到颗粒体和孔隙率的参数特征，算出孔隙体面积比；当孔隙体面积比等于干密度的三分之二次幂时，停止逼近，此时的阈值即为与所测干密度相对应的图像分割阈值。有

本发明公开了一种基于支持向量机的白细胞图像精确分割方法与系统，所述方法包括：细胞核初始定位与分割，粗略膨胀获得细胞大致区域标记图，利用颜色特征和支持向量机分类器进行细胞精确分割。本发明所述方法，一方面根据人类视觉显著性注意机制，模拟人眼对图像边缘变化的敏感性，提出利用边缘颜色点对聚类，实现细胞核区域准确快速分割；另一方面，本发明采用的支持向量机分类器具有良好的稳定性与抗干扰性，同时本发明充分利用颜色信息及像素点

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：