线性反馈移位寄存器在射频识别技术中的应用

给出了一种将线性反馈移位寄存器应用于射频识别系统中的设想.由于线性序列的伪随机性特点,这种将线性反馈移位寄存器应用于射频识别系统中的技术大大提高了系统的效率和保密性;移位寄存器和电可擦除随机存储器(EEPROM)作为控制单元,提高了系统的响应速度;以铁电存储器(FRAM)作为存储单元,降低了读写的响应时间和系统功耗.     

基于网页主题重要性的专题搜索策略研究

网页之间的链接结构为评价网页的主题重要性提供了丰富的信息,但传统的基于链接结构评价的主题排序算法,虽然提出了用向量来表示网页在不同主题中的重要程度,但它们在计算过程中没有充分考虑网页本身的主题相关度.为解决这一问题,本文提出根据链接上下文信息得到主题相关度预测,并将其融合到主题重要性的计算中.同时,根据网页的主题重要性排序,来指导专题爬行器的爬行方向.实验结果表明,基于网页主题重要性的排序测度TopicalRank比PageRank、TSPR(Topical-Sensitive PageRank)对专题爬行更有指导意义.     

星海链霉菌卤化酶重组蛋白在大肠杆菌中可溶表达

大肠杆菌(Escherichia coli,E.coli)是表达异源蛋白的良好宿主,但常遇到蛋白表达产物不可溶的困难.在对来自星海链霉菌的卤化酶基因sinH进行大肠杆菌异源表达时,为克服蛋白表达产物可溶性低的问题,探讨了不同载体对蛋白可溶表达的影响.利用pET28a进行SinH表达时不能得到可溶的目标蛋白;使用含有泛素标签及内含肽的载体pHUIE实现了卤化酶蛋白SinH的可溶表达,但纯化后纯度不高;利用带有链霉菌分子伴侣蛋白基因的载体pET28a-SinH与pETcoco-pL1SL2在E.coli BL21(DE3)中共表达,在30℃,0.1mmol/L IPTG诱导条件下表达4h,成功获得大量可溶蛋白,使用亲和层析(Ni-NTA)纯化,获得了较纯的目标蛋白SinH,上述研究结果为在大肠杆菌中进行其他链霉菌蛋白的可溶表达提供了参考.     

三维空间下的射频识别标签防冲突算法

结合射频识别（RFID）系统的工作特点,在给出适用于该系统的面阵多波束实现方法基础上,提出了一种防冲突算法该算法采用平面阵列天线,通过数字多波束形成算法控制加权系数,将三维空间划分为多个波束方向,并同已有基于时分多址（TDMA）算法相结合,实现对在阅读器的识别范围内大量密集分布的标签进行快速准确识别的目的．此外,在实现多标签识别的同时,该算法还引入二次波束形成策略,以解决波束之间的重叠碰撞问题．实验表明,本算法可将识别效率提高65％以上     

基于标记字典的网页信息隐藏算法

网页信息隐藏技术是将网页作为隐蔽通道进行秘密信息传输的一种技术。基于网页结构特点,提出了基于标记字典的网页信息隐藏算法,该算法采用多标记组合的思想,在不增加原始网页大小和算法复杂度的基础上,使网页信息隐藏容量提高了2.5倍,也为网页信息隐藏算法的研究提供了思路。     

His-tag标记的嗜热菌来源L-脯氨酸脱氢酶的纯化与性质

以引入了His-tag做标记的超嗜热菌Thermococcus profundus色素依存性L-脯氨酸脱氢酶基因片段为目的基因,在宿主大肠杆菌Rosetta-gami(DE3)CompetentCells中表达目的蛋白。细胞培养液经超声菌体破碎、热处理、NiSepharose层析分离,得到纯度较高的His-tag色素依存性L-脯氨酸脱氢酶,比酶活是纯化前的5倍。纯化后的酶液经凝胶电泳分离得到片段为58600,40200,22300的3段短肽。通过对该酶性质的初步探索,得出在温度50℃,体系pH8.0,300mmol/LTris缓冲溶液的条件下,L-脯氨酸脱氢酶酶活最高,为1.5U/mL。     

一种基于旁信息增强的协同过滤自动编码器模型

针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值.     

基于seq2seq模型的标签推荐方法

针对NPM平台上存在大量的软件包没有标签或标记不完善的问题, 提出一种基于seq2seq模型的深度学习方法为软件包推荐标签. 首先, 利用ECMAScript工具分析软件包的源码构建出包的函数调用图, 遍历函数调用图从而将软件包转换成一组具有包语义信息的函数调用序列; 其次, 训练seq2seq模型, 并将训练好的模型用于软件包的标签推荐工作, 该模型能将包的函数调用序列映射到一组预测的标签序列上, 从而完成软件包的标签推荐. 实验结果表明, 该方法能为软件包推荐一组合理的标签, 准确率达82.6%.     

基于评论主题的个性化评分预测模型

针对现有基于评论分析的推荐算法没有充分考虑个性化的问题, 通过对评论进行主题分析, 挖掘用户的喜好, 分别建立基于用户和物品的个性化评分预测模型。在真实数据集上进行实验验证, 结果表明该模型有效地提高了推荐系统的评分预测性能。     

VTC-KSVD:一种融合视觉特征与标签一致性的多标签图像标注方法

提出一种融合视觉特征及标签一致性的多标签图像标注方法VTC-KSVD.首先通过K均值奇异值分解（KSVD）法建立图像的标签一致性模型TC-KSVD,然后将多视图特征融合在该模型中.该方法既利用了训练样本的类标与编码系数的判别式模型,又利用了训练样本的标签与编码系数的关系,增加了字典的判别性,提高了标注性能.在Corel5K数据集上的实验结果表明,融合了多视图视觉特征与标签一致性的VTC-KSVD方法可以较为准确地找到视觉特征与语义特征均相似的图像近邻,能明显提升多标签图像的标注性能,并能有效缓解训练数据有限而引起的稀疏性问题.