XM-614大脑分叶模型   XM-614大脑分叶模型可拆分为2部件，大脑作正中矢状切面，左侧大脑半球作水平切面，并剖开颞叶显示间脑，小脑作矢状剖面，按不同功能部位进行定位，并用颜色加以区别。 尺寸：自然大，21.5×17×14cm 材质：PVC材料

产品详细介绍Semi-dry可穿戴脑电测量系统可穿戴脑电测量系统世界首创的Semi-Dry EEG水电级脑电系统（半干式电极），能够在脑电电极上通过少量水滴湿润的情况下执行高质量信号采集的技术（半干式电极几乎是干燥的），实际数据质量比干电极脑电系统更精确。与纯干电极设备对比，Semi-Dry EEG半干式电极脑电设备可以只使用少量水滴的湿度，但采集脑电信号质量比干电极更好；与传统的凝胶电极对比，实验准备时间比大大缩短，极短的系统配置时间即可开始工作，使用后无需清洁设备和头部。少量水滴对比长时间涂抹凝胶对于参与者来说也大大提高了用户体验与满意度，并且一旦完成实验水滴会蒸发掉（不需要像凝胶电极脑电系统一样清洁设备和头部）。Semi-Dry EEG/ERP系统是紧凑型便携式脑电系统，可实时记录8-64个EEG通道；由于Semi-Dry半干式电极传感器的创新设计，湿度可持续长达6小时，适合长时间数据连续采集，为用户提供了自由移动的高可用性。当进行高导联实验采用20-64个传感器时，用户可以更好地配置，使用更舒适。同时通过津发科技ErgoLAB人机环境测试云平台的EEG脑电同步采集分析模块拥有能够协同工作并与其他眼动传感器、生物传感器实时同步测量身体生理参数（如HRV，EDA，BVP，RESP，EMG等）。Semi-Dry EEG传感器放置在标准位置，高度稳定的触点和有源屏蔽，另一个重要的优点是系统具有主动屏蔽，与湿度传感器相结合，使传感器接触更稳定，这意味着在运动状态下采集信号质量更好，即使在户外作业条件下或存在电磁噪声的情况下，也能实现可靠，精确的数据记录。专为实验室外真实自然户外现场研究条件下多功能监控脑电图而设计，其操作简便佩戴舒适，系统配置非常快速且不需要使用电解凝胶，为研究人员提供了极大的舒适性和极高实验效率，同时由于其256Hz-1000Hz高采样频率和24Bit高精度也为实验室环境基础研究和应用研究开辟了大量可能性。该设备可结合津发科技ErgoLAB多通道模块化同步平台进行基于云架构的实验设计、数据同步采集处理，以及多通道人-机-环境测试数据综合分析，通过津发科技ErgoLAB人机环境测试云平台的EEG脑电同步采集分析模块拥有能够协同工作并与其他眼动传感器、生物传感器实时同步测量身体生理参数（如HRV，EDA，BVP，RESP，EMG等）。 ErgoLAB平台允许与其他技术同步采集并自主执行分析或使用津发科技ErgoLAB的综合分析平台。此外，对于任何特殊要求，津发科技ErgoLAB支持二次开发定制服务。定制开发服务♦支持EEG/ERP/BCI脑电与事件相关电位分析和BCI脑机接口技术开发♦实时多通道信号时域分析;♦实时多通道信号频域分析;♦兼容OpenVibe、BCI2000、EEGLab等第三方BCI脑机接口软件♦支持SSVEP、ERP/P300、MI三种主流BCI脑机接口研究范式;♦识别多种BCI脑机接口指令;♦提供成熟的BCI脑机接口算法;BCI脑机接口应用♦ BCI脑机接口基础开发平台;♦ BCI脑机接口+外骨骼;♦ BCI脑机接口+机器人;♦ BCI脑机接口+VR虚拟现实交互。与广泛的数据同步将脑电数据与广泛的数据同步，包括常用的生理数据GSR皮肤电，呼吸和心率等、EEG脑电，眼动、fNIRS近红外脑成像，人体动作，行为观察、面部表情、生物力学、人机交互。实现极低延迟的同步水平同时确保您的整体方案的便携性。Pro Glasses 2 提供了独有的硬件同步能力，无需携带沉重的笔记本电脑。数据分析模块如果研究人员希望得到比实时观察更深入、全面的结论， ErgoLAB可提供数据后期分析的强大工具。该软件为可穿戴式眼动追踪研究而设计，功能包括数据的叠加、诠释和可视化等。

利用图像处理和机器学习技术，在多分类，样本不均匀条件下，对类型接近的目标进行识别与检测；在弱监督，无监督条件下对大数据集的目标自动分类识别技术；对目标识别算法的通用攻击和通用防御算法。

快速、准确的自动血细胞分类计数仪对减轻医生的劳动强度、提高测量准确度有着积极的意义。现有的各种自动血细胞分类仪各有优缺点，较先进的激光流式细胞仪价格昂贵，结构复杂，而且容易发生堵塞等现象，维护麻烦。本系统是基于静止悬浮式的原理，从原理上克服了流式细胞仪的缺陷。利用这种方法对血细胞进行分类计数，不需要固定和染色，不需要导电介质，更不需要昂贵的流式装置，可以方

本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。 主要技术指标 University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。 请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。 表 1 PaviaU 数据集上对比实验结果 表 2 不同数据集上时间运行对比实验结果

本发明公开了一种基于纹理基元的遥感图像分类方法，包括：·741·选取典型地物的遥感图像作为第一训练集和第二训练集；提取第一训练集中同类地物图像的邻域特征向量并聚类形成纹理基元，不同地物的纹理基元组成纹理基元字典；利用纹理基元字典对第二训练集中图像的邻域特征向量进行标记，并对中心像素进行分箱，统计各个图像的中心像素-纹理基元二维联合分布，形成纹理模型库；将待分类的图像划分成超像素，经拉普拉斯校准后统计各超

本发明公开了一种基于分类的社会化推荐方法，包括：构造用 户对分类的评分矩阵：根据用户对项目的评分数据和项目的分类信息， ·957·构造初始用户分类矩阵；对初始用户分类矩阵做归一化处理，并使用 矩阵分解方法重构用户分类矩阵；由用户的好友信息构造用户好友之 间的信任度；根据用户分类矩阵中用户对项目所属分类的评分、使用 社会化模型预测得到的用户对项目的评分以及用户好友之间的信任 度，使用随机梯度下降法学习得到模型的参数，从

本发明公开了一种分类应变限制的动态服装仿真方法，应变限制的方法应用到动态服装仿真，预防仿真中的失真现象。该方法采用的主要步骤包括应用动力学知识计算服装仿真动画、振荡形变过度区域的标识；对标识区域用我们改进的应变限制方法进行处理；碰撞检测及响应。本发明采用改进的应变限制方法处理了动态服装仿真中会出现的振荡和形变过度的问题，解决了动态服装仿真中的振荡和形变过度造成的服装视觉效果上的失真，也没有使用额外阻尼力时产生的服装形变粘滞感和服装在人体皮肤上悬浮的现象。

一种面向云存储的数据分类加密方法，属于计算机存储安全领 域，解决现有数据加密方法不识别数据内容，对所有数据采用单一加 密算法，导致存在的计算量大，效率低下的问题。本发明顺序包括： (1)构建安全特征库步骤、(2)数据分类步骤、(3)数据按类加密步骤和(4) 数据存储步骤。本发明只对涉及隐私需要高安全保护的那部分数据采 用高安全性的加密算法，而对于占大部分的一般数据采用安全性较低、 计算复杂度较低的加密算法，在对隐私数