蓬子菜中香叶木苷抗血栓作用研究

为研究蓬子菜活性成分香叶木苷改善血液流变学异常和抗静脉血栓作用,通过结扎大鼠下腔静脉造成下肢静脉血栓模型,通过检测血液流变学指标,以及观察下腔静脉在透射电镜下的组织学变化,考察香叶木苷对血栓大鼠血液流变学和内皮功能的影响.结果表明,与模型组相比,蓬子菜中香叶木苷能明显改善血栓大鼠血液流变学指标,并可有效改善下腔静脉内皮细胞功能.蓬子菜活性成分香叶木苷具有改善血液流变学异常和抗静脉血栓形成的作用.     

竹笋壳废弃物栽培平菇试验

通过向原种培养基、栽培种培养基和木屑栽培基质中加入不同含量的竹笋壳废弃物,探索竹笋壳废弃物对平菇菌丝生长和产量的影响.结果表明:向原种和栽培种培养基添加竹笋壳废弃物均能促进菌丝的生长发育,最佳添加质量分数均为60%;菌丝体对竹笋壳的分解和利用能力是可通过对母种的适应性诱导化培养而形成;添加竹笋壳废弃物的栽培生产基质能有效地提高平菇对栽培料的生物转化率,生产试验C和生产试验T的最佳添加质量分数分别为80%和60%,分别增加49.37%和43.36%的生物转化率;试验表明竹笋壳废弃物可作为平菇生产的栽培基质原料.     

考虑决策者偏好的洪水灾害模糊聚类迭代评估模型

决策者偏好对洪水灾害的评估结果有重要影响.传统的评估方法可能会出现次要指标权重过大的情况,难以有效体现决策者偏好对评估结果的影响,为此将模糊聚类迭代模型推广到考虑决策者偏好的情况,并给出单一偏好条件下的理论解,提出了基于决策者偏好模糊聚类迭代模型.在该模型中,通过增加一个松弛因子构造一个增广拉格朗日乘子添加到模糊聚类迭代模型的目标函数中,将体现决策者偏好的不等式约束转化为等式约束,并依此求出该偏好条件下权重向量的解析解,可为考虑决策者偏好评估方法的研究提供理论依据;再根据样本特征值矩阵与解得的最优权重向量求出各样本的灾情综合评价值,结合最优隶属度矩阵确定各样本所属洪灾等级,各等级内部样本依据灾情综合评价值排序.该模型直接利用样本特征值矩阵对洪灾样本灾情大小进行识别,降低对最优隶属度矩阵的依赖性,使得排序结果更准确合理.最后,将该模型应用于2013年四川省部分地区洪水资料,验证了考虑决策者偏好模糊聚类迭代模型的理论结果,灾情综合评价值法的排序结果比传统的类别特征值法更合理.     

一种改进的EPON动态带宽分配算法与仿真

提出了一种改进EPON轮询带宽算法的新方法,并利用OPNET仿真软件对新算法在带宽利用率方面进行了仿真.仿真结果表明,新算法较大地提高了带宽利用率.     

基于pro／e双圆弧齿轮参数化设计研究及有限元分析

介绍了基于pro／e软件平台对双圆弧齿轮进行三维参数化建模的方法,并把双圆弧齿轮的三维模型导入ANSYS软件中进行有限元分析．在齿轮齿宽的不同位置施加应力,对其进行弯曲应力分析,从而寻找出更加准确的应力分析模型．这种参数化设计方法对提高双圆弧齿轮产品的设计、制造、装配精度和效率有重要参考意义．     

基于GA-SVM的股票投资价值评价研究

针对股票投资价值评价问题,依据模式识别的思想,采用GA-SVM方法建立股票投资价值评价模型。首先,综合考虑影响股票投资价值的多方面因素,采用主成分分析方法完成对股票投资价值特征的提取,然后将遗传算法与支持向量机相结合,通过实证方法建立股票投资价值评价模型。结果证明该模型具有良好的选股能力。     

基于WCF的异构数据源集成系统的研究和实现

论述了WCF的技术特点和在异构数据源集成上的优势,构建一个以WCF技术和XML技术为核心的异构数据集成解决方案,实现了不同操作系统之间和不同开发语言之间的互操作.在实现上利用WCF实现通信总线与异构平台的屏蔽,应用XML来解决不同数据库之间的数据转换问题.     

工程质量的一些看法

本文浅谈了工程质量的一些问题.     

基于TM影像的徐州市绿地信息提取及现状分析

城市绿地作为城市生态系统中的一个子系统,在城市环境问题日益恶化的今天发挥着越来越重要的作用。以徐州市为例,运用TM遥感数据为数据源,通过计算相关系数,选取3种最优波段进行组合,提取城市绿地信息。结果表明：该方法对研究区绿地信息的提取有较好的效果,最后提出研究区域的绿地规划建议。     

一种基于自注意力机制的文本图像生成对抗网络

图像自动生成一直以来都是计算机视觉领域的一项重要挑战,其中的文本到图像的生成更是图像生成领域的重要分支。随着深度学习技术迅猛发展,生成对抗网络的出现使得图像生成领域焕发生机,借助生成对抗网络能够生成较为生动且多样的图像。本文将自注意力机制引入生成对抗网络,提出GAN-SelfAtt以提升生成图像的质量。同时,使用WGAN、WGAN-GP 2种生成对抗网络框架对GAN-SelfAtt进行实现。实验结果表明,自注意力机制的引入能够提高生成图像的清晰度,这归功于自注意力机制弥补了卷积运算中只能计算局部像素区域内的相关性的缺陷。除此之外,GAN-SelfAtt在训练时有着更好的稳定性,避免了原始生成对抗网络中的模式坍塌问题。