本发明属于结构优化技术领域，公开了一种面向多种微观结构的材料结构一体化构建方法，针对传统变密度法得到的连续变化的材料分布以及单元密度，基于后处理机制对材料区域进行划分与单元密度分组，实现对宏观结构内具有不同材料属性的区域进行定义与划分，实现对宏观结构内的多种微观结构进行定义；其次基于参数化水平集拓扑优化方法与均匀化理论建立材料结构一体化设计模型，即针对定义的多种微观结构与宏观结构进行一体化设计，实现宏观结构与多种微观结构并行化设计，在给定约束条件下，实现整体结构的性能达到最优。

1、区块链应用技术与实践 2、地震体数据三维建模技术 3、大数据算法研究与应用 4、基于ARM的智能终端研究与应用

本实用新型提供了一种改进的预制混凝土内墙板的限位结构，通过设置角钢、预埋件和预留钢筋；预埋件包括钢板和连接钢筋，两个钢板面平行间距设置，且两个钢板之间通过多个连接钢筋固定连接；预埋件埋设在预制混凝土内墙板内；角钢的一侧边与钢梁固定连接，另一侧通过螺栓与预制混凝土内墙板顶部的预埋件固定连接；预留钢筋的一端设在楼层板状混凝土内，另一端穿过楼层板状混凝土并向外延伸到预制混凝土内墙板下端的预留锥形孔内。本实用新型的连接新形式的应用能够使得预制混凝土内墙与主体结构之间形成柔性连接，满足墙体与主体结构之间的相对

 在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。       通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。       进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。 

基于物联网、大数据、云平台的社区风险源的评估，日常监控和处置，采用物联网+运行服务的商业模式。需要相关大数据计算和云平台技术研究及支撑。

得到三个重要结果：（1）在在线社交网络中，个体的传播力可以被精确地定义为最大连通渗流集团的大小与个体在该连通集团的概率的乘积。这里第一次给出了社交网络中个体传播力的简洁数学方程。（2）任何个体的影响力都可以在特征关联长度内，仅仅通过局部的网络结构信息来精确衡量，其误差会随该长度成指数衰减。这种现象与物理相变中临界行为之间有着深刻的理论关联。（3）基于上述发现，设计了一个优化算法来选择最具有影响力的个体。该算法不需要知道网络结构的全局信息，从而其计算时间复杂度与网络规模无关为一常数。在顶点数量以亿为单位的网络上，该算法时间复杂度比以往最快的贪心算法快上千万倍，且可以获得质量极高的优化解。

本书共11章,第1章阐明了研究背景与意义,国内外研究现状,研究对象概况,三维建模技术方法;第2~6章分别介绍了海清寺的阿育王塔,万年宝鼎,关圣帝君像,浮雕长廊三维建模的技术方法;第7~9章分别介绍了淮海工学院苍梧校区的欣园亭,化工工程学院实验楼,测绘工程学院集中办公区三维建模的技术方法;第10~11章分别介绍了石灰岩矿与地质灾害体的三维建模与应用技术方法.

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

成果描述：本实用新型公开了一种用于串行雷达数据的协议转换器,包括中央处理器、网卡芯片、PHY芯片和交换芯片；其中,中央处理器对外部输入的串行雷达数据进行解析而得到数据报文,并通过数据总线传输给网卡芯片；网卡芯片按照设定的以太网协议,将数据报文封装成网络数据并将网络数据传输给PHY芯片,PHY芯片通过与其连接的交换芯片将网络数据转发至目标端口。因此,本实用新型能够通过协议转换实现串行雷达数据在网络中的传输。市场前景分析：本实用新型能够通过协议转换实现串行雷达数据在网络中的传输。与同类成果相比的优势分析：国内领先