此成果对复杂环境3D感知问题进行基础性的研究探讨，该领域一 直是面向智能车辆导航的一个重要研究课题，特别有利于航空、遥感 测绘等领域的发展，对推动学科交叉，激励原始创新具有重要的现实 意义。由于曷能车辆视觉导航受光照、天气、场景变化、几何形变等因素的 影响，限制了动态复杂环境下智能车辆实时获取准确3D数据的能力。 本成果重要的创新技术是提出基于可形变的分层图模型来解决动态复 杂环境下的

本发明公开了一种云环境下的多模式安全访问控制方法，针对 云环境下不同域内数据访问特点，选择最优的访问控制方法。通过定 义一种访问策略描述语言，统一约束访问策略的制定和使用规则，使 得 IBAC、ABAC 和 DABAC 协同工作，实现云环境下的数据安全保障。 在个人域内使用 IBAC 实现细粒度的访问控制，在群组域内使用 ABAC 实现高效可扩展的访问控制，并在现有属性访问控制基础上，引入动 态属性的概念，采用多叉树

本发明公开了一种异构环境下的多任务运行时协同调度系统， 包括系统任务预处理模块、运行时动态任务调度模块和系统资源监控 和管理模块。系统任务预处理模块用于对代码进行静态分析和标记， 并以线程为单位生成可以用于进行协同调度的任务代码；系统资源监 控管理模块用于监测、整理和记录系统资源使用情况，处理后提供给 运行时动态任务调度模块进行系统运行时特征分析；运行时动态任务 调度模块用于接收和管理系统任务预处理模块生成的任务代码

本课题研发用于海洋环境（海水及水产品）中病毒、致病菌等病原微生物、重点针对可能引起人类疾病的细菌和病毒（如总杆菌数、大肠杆菌、粪链球菌、产气荚膜梭菌、铜绿假单孢菌、金黄色葡萄球菌、腺病毒、肠道病毒、甲肝病毒、副溶血弧菌、创伤弧菌、沙门氏菌及李斯特菌）快速检测的分子生物技术，为研制用于这些微生物的现场监测手段和设备奠定理论和技术基础。检测方法采用基因芯片检测、蛋白质检测和聚合酶链式反应（PCR）检测三种。

"一种高速移动环境下基于协作多点传输的车地通信小区切换方法，它适用于LTE及其演进系统，其作法主要是：根据上报的列车实时速度信息和位置信息判断列车是否进入重叠区；同时，根据测量信息判断当前信号质量是否低于设定阈值，任一条件满足，均激活当前基站与前方目标基站间的多点协作传输(CoMP)：车载台的数据面下行数据通过CoMP技术在相邻两基站进行共享，然后再发给车载台；车载台的数据面上行数据也通过CoMP技术，由相邻两基站的通信链路汇聚到源基站；在此过程中，如果满足切换触发条件，则将控制面的数据切换到目标基站。该方法的切换成功率高，中断概率低、频谱利用率高，并且不需对基站和车载台进行硬件改动，容易实现。 "

研究催化剂在实际催化反应过程中的状态对于理解催化剂的催化机理具有非常重要的意义。实际催化过程中，气体分子会通过影响表面能进而对催化剂的表面结构进行调制。但受限于研究方法，在真实催化环境中，气体分子如何重构催化剂表面仍然不清楚。此外，除了催化剂表面结构的变化，在催化反应过程中，催化剂颗粒整体的结构乃至物相也会发生变化。

（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。

癌细胞的快速增殖加上肿瘤血管的结构和功能异常，导致实体瘤内的区域氧气供应减少，形成缺氧微环境。研究证实缺氧与肿瘤高侵袭性特征、治疗抵抗以及临床预后不良密切相关。在缺氧条件下，缺氧诱导因子α（HIFα）的羟基化和泛素蛋白酶体降解减弱，因此HIFα稳定并转移到细胞核中，其与HIFβ形成异二聚体复合物，进而结合靶基因启动子中的缺氧反应元件（HREs）激活转录。HIFs是癌细胞适应缺氧环境最重要的内源性转录因子，可调节涉及增殖、葡萄糖代谢、血管生成、肿瘤侵袭和耐药的多种基因。因此，HIFs可以说是肿瘤中最有吸引力的药物靶标之一，进一步深入研究HIFs涉及的调控机制，有助于开发特异性靶向HIFs的肿瘤治疗新策略。

本发明公开了一种复杂背景环境中的风力机叶片表面图像提取方法，其包括如下步骤：(1)在风力机每个叶片的迎风面处分别设置方形黑白格标记图，粘贴的位置为平面且与叶片迎风面平行，进而利用标记图的姿态代替叶片姿态；(2)利用摄像头对风力机运行图像进行采集，并将采集到的图像实时传输至工控机中；(3)对摄像头采集到的图像信息进行图像处理以获得叶片表面图像，并根据叶片上的标记图获得风力机叶片信息。本发明可实现对野外环境中运行风力机叶片图像的提取，简化了分析处理过程、加快了分析速度。

该方案基于VR/AR/MR/虚仿/游戏等行业主流的核心技术，集聚行业主流应用的沉浸式、头戴式、桌面一体式、CAVE式等设备，融合基于润尼尔多年虚拟仿真、虚拟现实产品研发技术经验、技术优势的企业级别虚拟现实教学、实训案例，以复现企业真实工作线、对标行业岗位人才需求标准为技术要求，搭建软、硬一体化的综合实训环境。