XM-604C脑外形及右半侧脑血管模型   XM-604C脑外形及右半侧脑血管模型可拆分为5部件，大脑作正中矢状切面，显示脑的外形结构、大脑外侧面主要结构、大脑半球内侧面和底面的主要结构、脑干各面的主要结构、小脑的主要结构、右半侧脑的动脉分布。 尺寸：自然大，20×20×15cm 材质：PVC材料

一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像 进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作; 计算所有训练图像块的低维流形表示，聚类得到一组聚类中心;对每一幅场景密集采样得到局部图像块， 对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特 征;将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全 局特征表达;随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始 高分辨率遥感场景的标注任务。

本发明属于风功率爬坡预测领域，涉及一种基于大风气象分类的风功率爬坡预测模型切换方法，按 以下步骤进行：首先根据指定地理范围内的历史大风波动天气提取出可以明显表征大风天气的特征量和 特征指数，并形成判别表达式。进而采用 Fisher 判别法中的判别准则计算出判定范围以及特征量和特征 指数的加权系数，得出判别结果，并通过统计检验进行验证分析。通过判别法进一步得出大风天气分类 结果，依据不同大风天气的时空尺度的特征，最后形成对不同统计预测模型之间的切换机制。本发明将 数值天气预报的结果进行爬坡天气判别研究，在风功率爬坡的综合预测方法上为不同的统计预测方法提 供了更准确的切换机制。 

基于亚胺类动态共价反应以及课题组对于组分动态网络方面的前期研究基础，对有机笼状与环状化合物自分类组分动态网络的设计和动态适应性进行了深入研究。该研究首先以两种多胺（T、NON）和二醛（Py）构成的三元混合体系为原料，考察其自分类性能。理论上，各组分基元可以在体系中进行随机的结合，产生由单一或混合组分基元所构成的多元复杂体系。因此，在最简单三元组分基元体系中（Py、T、NON），可能产生三种平衡态：1）Py与T或NON选择性结合，产生Py3T2和Py2(NON)2的同质自分类（homo-self-sorting）结构；2）Py与T和NON同时结合，产生一种特定的异质自分类（hetero-self-sorting）结构；3）Py与T，NON的反应不具备选择性，进而产生具有统计学分布的超复杂混合状态。而实验结果表明，该混合体系首先产生一系列的复杂中间体，随后这些中间体有序的转化为热力学稳定状态，生成有机笼状化合物和大环的同质自分类产物，即平衡态1进一步将三元混合体系扩展到更为复杂的四元体系，构建出基于有机笼状与环状化合物的自分类组分动态网络。通过对组分基元的合理设计和选择，该网络能够实现对于环境变化由动力学控制的亚稳态到热力学稳定态的动态自适应过程：通过核磁共振对于各个组分分布的实时监控，该混合体系在有机笼状化合物（动力学优势产物）的驱动下首先经历具有失衡组分分布的亚稳态；随着时间的延长，亚稳态产物的含量会逐渐减少，进而最终达到处于相反的失衡组分分布的热力学稳定状态。这项工作首次将自分类的概念扩展到两种不同维度（有机笼状和环状化合物）的有机拓扑学结构，为自分类设计摆脱金属模板化的常规体系，从而实现纯有机自分类体系的构建。为开发物种多样性和环境适应性并存的复杂化学系统提供了新的设计思路。

本发明公开了一种利用多光谱图像分类进行典型地物参考图制备的方法，从多光谱图像提取出感兴趣类作为地标，并制备出包含所述地标的参考图，以用于目标的间接定位识别，该方法具体包括：从多光谱图像中选择感兴趣类，提取其光谱-空间纹理特征，根据提取的光谱-空间纹理特征对多光谱图像进行分类；在分类基础上，提取完整的感兴趣类，并依据地标选取准则选择用作地标的感兴趣类；根据地标材质类型，利用红外辐射公式计算出地标在大气参数条件下的红外

本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤:步骤 1，划分 待分类遥感影像获得场景单元;步骤 2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本; 步骤 3，采用非监督学习法学习局部图像块训练样本获得滤波器组;步骤 4，将场景单元与滤波器组中 各滤波器分别做卷积获得各场景单元的幅滤波器响应图，采用二值编码法分别融合各场景单元的幅滤波 器响应图获得各场景单元的全局特征描述;步骤 5，基于场景单元的全局特征描述进行场景单元分类。 本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。

非常规交叉口的通行模式是在交叉口上游设置预信号，组织左转和直行车流交替使用进口道来提高通行能力，是一种对策交叉口拥堵的新思路。其虽已在我国数个城市有过实际应用案例，但多由于缺乏坚实的理论和技术支撑而不得不以失败告终。本团队将基于自身既有的非常规交叉口理论研究成果，构建非常规交叉口的失效概率模型，建立预防死锁、动态启用和动态控制的机制与优化方法；此外，基于驾驶行为和选择偏好研究，设计综合考虑驾驶员适应性和车道排队均衡的动静态交通语言系统。本项目研究前期已经发表8篇相关论文，取得1项国家发明专利和1项软件著作权，在此基础上将通过与优秀的企业、单位合作，以面向应用为目的，一方面继续深化成果的科学性和实用性，另一方面，实现成果的推广应用，为研究机构，交通规划、设计和管理领域提供新的技术支撑，为预防和缓解交通拥堵提供有效的应用系统，解决实际交通问题的同时，服务于整体交通系统品质的提升。 在资源、环境等多约束下，相对于道路拓宽等传统手段，非常规交叉口方案是更具可持续性、更有前景的交通拥挤对策手段。本项目研究成果既能够为是否选择非常规交叉口通行模式提供理论支持，也能为非常规交叉口的优化设计提供技术支撑，因而成果可以广泛地应用于城市道路交通设计和拥挤管理之中。研究成果还可以为起草考虑非常规交叉口通行模式的交叉口规划设计规范，为缓解交通阻塞，提高交通系统的稳定性与可靠性提供理论基础和技术支持。进一步，设计的软件可以直接应用于非常规交叉信号设计方案的制定。最后，在此基础上形成的交叉口交通流分析、实验和优化技术，对于研究复杂交通系统问题具有广泛的应用效果。  图1 非常规交叉口通行模式示意图    A: 预信号控制                           B: 主信号控制图2 上海共和新路临沂路非常规交叉口   本研究的内容是交通工程领域里出现的新问题，以非常规交叉口的适应条件和优化方法为重点，以预防和缓解交通拥挤、提高通行能力和节能减排等应用为理论研究的导向。项目研究所转化的成果具有可观的经济、社会效益，主要包括： 1）成果可服务于研究机构：促进对交叉口新型通行模式的探索及其适应性分析、优化设计理论与方法的研究及应用； 2）成果可服务于交通规划、设计和管理领域：成果将为非常规交叉口的规划设计规范奠定基础；为非常规交叉口交通设计、管理实践提供新的技术支持，并在交通拥挤管理的实践中发挥重要作用； 3）成果可服务于系统开发与咨询机构：为基于新模式的交通控制、交通设计咨询和辅助系统开发提供技术指引。

本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。

成果描述：本实用新型公开了一种用于铁路调度系统的信号接入装置,其通过模数转换模块与调度信号生成装置连接,将调度信号生成装置输出的调度信号转换为调度数据；通过协议转换器与模数转换模块连接,将模数转换模块输出的调度数据转换成网络数据,上位机通过与协议转换器连接,而获取协议转换器输出的网络数据,并通过局域网将网络数据传输给铁路调度服务器。因此,本实用新型通过将以高速串行SPI协议传输的调度信号转换成网络数据,使铁路调度系统能够直接地获取各个站点的调度信号。市场前景分析：本实用新型通过将以高速串行SPI协议传输的调度信号转换成网络数据,使铁路调度系统能够直接地获取各个站点的调度信号。与同类成果相比的优势分析：国内领先

本发明所述方法可以直接应用于SRS，通过利用空载波技术，减小了信号对噪声功率估计的影响，有效地估计出噪声功率，进而得到准确的平均信噪比估计和子载波信噪比估计。