基于标准结构熵的Internet健壮性研究

针对Internet路由级拓扑所呈现出的高度有序的问题,根据香农信息熵的基本原理,并利用CAIDA提供的数据,计算了Internet网络结构熵和标准结构熵·并通过仿真实验,计算了Internet在受到随机攻击和有针对性的恶意攻击的情况下,其服务效率、平均最短路径和标准结构熵的变化,从而指出Internet的拓扑呈现出无尺度特征是影响其健壮性的主要因素·实验结果表明,Internet具有无尺度特性,随机攻击对其影响较小,而少数集散节点遭受恶意攻击时,Internet将会受到较大的影响·     

基于FPGA的直接数字式频率合成器设计

采用FPGA可编程芯片实现直接数字式频率合成器(DDS)的设计方法,并用VHDL语言在EPM2C5T144C8芯片上实现了DDS的核心功能设计,通过MAX+PLUSII软件对设计进行了仿真,验证了设计的正确性.DDS中的相位累加器使该系统具有较高的频率分辨率,可实现快速频率切换,有广泛的应用价值.     

中国上市公司资产重组绩效及影响因素分析

选取沪深股市2001年发生重大资产重组的公司作为研究样本,运用财务指标法选取样本公司重组前后5年年报中的若干指标,建立了资产重组绩效的评价指标体系;利用主成分分析法构建样本的综合得分模型,根据综合得分来考察发生资产重组的上市公司总体绩效.借助配对样本T检验和回归分析的方法,对不同重组类型的上市公司重组绩效进行检验和对比,并对影响重组绩效的主要因素进行了实证分析,提出了提高上市公司资产重组绩效的建议,以此作为上市公司的决策者和监管部门的参考.     

黄瓜亲本间分子遗传距离与杂种优势的相关性

选用10个黄瓜亲本,通过RAPD分析计算其分子遗传距离,然后配制遗传距离大,中,小的杂交组合15个,田间测定它们的16个园艺性状,对所得园艺性状数据进行统计分析,并计算园艺性状与分子遗传距离间各种相关曲线的相关系数,结果发现,黄瓜园艺性状与分子遗传距离间的各种相关曲线中,以抛物线的相关系数最优,其中座瓜率,收获始期与分子遗传距离的抛物线相关系数存在着显著相关性。     

关于拟测度与模糊测度的进一步讨论

由经典测度的完备定理、逼近定理及拟测度的特征T_函数的性质得到了拟测度的完备定理与逼近定理,并对已有的模糊测度的完备化做了进一步讨论,给出了拟可加、次可加、模糊可加等模糊测度的完备化.     

丙酮碘化反应的微型化研究

本文对丙酮碘化反应速率常数及活化能测定实验进行了微型化改进 ,经过多次平行实验表明 ,测定结果与常规实验一致。本法节省试剂 ,减少污染 ,可达到良好的教学效果     

信息系统的改进层次多级模糊综合评价模型

从现行信息系统特征出发,建立了评价指标体系。分别对TFAHP法和模糊综合评价方法进行了改进,并将两者相结合,建立适应现代信息系统的新评价算法模型。并利用新模型实施工程实例的可计算化评价,其评价结果的准确性、可靠性和稳定性有了明显改善和提高。     

茶叶硒含量测定及影响富硒茶硒浸出率的因素

采用氢化物发生原子荧光光谱法测定不同茶叶中硒含量及影响茶叶硒浸出率的因素。结果表明:影响茶叶硒浸出率的因素很多,主要是茶叶本身硒含量和浸泡时间;茶水中所浸出的硒绝大部分是对人体有益的有机硒;茶叶中硒的浸出率以冲泡水温为(95±2)℃时为佳;饮茶时第1次冲泡的茶水中的晒含量是第2次冲泡的茶水中硒含量的4~7倍。     

艾叶配方颗粒的制备

为减少标准汤剂和配方颗粒制备过程中挥发油的损失,将挥发油与β-环糊精(β-CD)包合,以挥发油的包合率为评价指标,优化艾叶挥发油与β-CD的包合工艺,并采用气相色谱法测定包合率.通过指标成分桉油精和龙脑的含量测定及指纹图谱考查饮片、标准汤剂、配方颗粒的相关性.最终确定最佳包合条件,所得挥发油平均包合率为96.40%,建立了艾叶标准汤剂和配方颗粒的制备方法,制得的配方颗粒中桉油精的平均质量分数0.738 4 mg/g,转移率33.48%,龙脑的平均质量分数0.334 1 mg/g,转移率25.41%.所建立包合工艺和配方颗粒制备工艺稳定性高,重复性好,标准汤剂和配方颗粒在指标成分含量上具有较好的一致性,可为企业工业化生产提供理论参考.     

基于近邻样本联合学习模型的疟疾识别算法

疟疾早期诊断可以有效防止疾病暴发.深度学习在细胞形态和组织图像检测等任务中具有出色能力.已有许多基于深度学习的疟疾研究,但它们主要用于环状体和红细胞二分类.本文首次研究疟疾多阶段识别,并提出近邻样本联合学习(neighbor sample joint learning,NSJL)模型.NSJL包括卷积神经网络(convolutional neural network,CNN)特征学习、领域相关性挖掘和图特征嵌入.它提取CNN特征,并将其与K近邻(K-nearset neighbor,K-NN)建立的邻域图传入图卷积网络(graph convolutional network,GCN).为评估NSJL,将其与先进方法比较,结果表明NSJL模型可达92.50%准确率,92.84%精确度,92.50%召回率和92.52%F1分数,至少高于其他方法7%的准确率表明其优秀疟疾识别能力.