多壁碳纳米管氧化改性及其对酚类吸附性能的研究

针对目前有机废水(尤其是酚类废水)污染严重的问题, 通过混酸氧化法对多壁碳纳米管(multi-walledcarbon nanotubes, MWCNTs)进行氧化改性(MWCNT-O), 并研究其改性前后对苯酚、对甲苯酚、对甲氧基苯酚、对羟基苯甲醛和对硝基苯酚5种典型酚的吸附作用。结果表明: 298 K下, 与未改性的MWCNTs相比,MWCNTs-O对5种酚类物质的吸附量均有提升。5种酚类物质在MWCNTs-O表面的吸附量有差别, 顺序为对硝基苯酚>对甲氧基苯酚>对羟基苯甲醛>对甲苯酚>苯酚。吸附过程符合Langmuir吸附等温方程, 主要为单分子层化学吸附。对MWCNTs-O进行表面官能团测试、透射电镜分析和拉曼光谱分析, 发现氧化改性后材料表面的酸性含氧官能团增多, 缠绕度降低, 整体分散性增强, 石墨化程度有所提升。通过研究分子结构与吸附量之间的关系, 发现吸附量与酚类物质的电子能量(electronic energy, EE)有显著的相关性, MWCNTs-O表面垂直的π电子和酚类物质的π电子形成π-π共轭作用。因此, EE 可以作为酚类物质在MWCNTs-O表面平衡吸附量的预测性指标。     

CF患者肺组织分类——基于相关反馈的监督核哈希方法

现有的哈希方法用于CF患者肺组织分类时没有从正负反馈样本挖掘判别信息,分类精度不高.为此,提出一种基于相关反馈的监督核哈希方法.首先,对肺组织进行监督核哈希学习,得到初始哈希函数;其次,使用该初始哈希函数对肺组织进行哈希编码和分类,并得到正负反馈样本;接着,基于正负反馈样本构建新的哈希函数;最后,使用新构建的哈希函数对肺组织再次进行哈希编码和分类.实验结果表明,同现有方法相比,所提出的方法显著提高了CF患者肺组织的分类精度.     

四元数矩阵方程AXB+CXD=E的M自共轭解

把实数域上的M对称矩阵的概念推广到四元数体上,形成M自共轭矩阵,然后在四元数体上讨论矩阵方程AXB+CXD=E的M自共轭解及其最佳逼近问题.利用四元数矩阵的实分解和复分解,以及M自共轭矩阵的特征结构,借助Kronecker积把约束四元数矩阵方程转化为实数域上的无约束方程,克服了四元数乘法非交换运算的困难,并得到该方程具有M自共轭解的充要条件及其通解表达式.同时在解集非空的条件下,运用矩阵的分块技术及矩阵的拉直算子,获得与预先给定的四元数矩阵有极小Frobenius范数的最佳逼近解.由于M自共轭矩阵是四元数自共轭矩阵的推广,因此所得结果拓展了该方程的结构解类型.     

具有特殊特征标维数的有限p-群

主要研究了特征标维数集合是{1,p~m}的有限p-群G,证明了若这类有限p-群G的幂零类大于或者等于3,则|G|≥p~(3m+1).特别地,如果G的特征标维数集合与共轭类长度集合都是{1,p~m},那么G的幂零类是2且|G|≥p~(3m).     

基于核矩阵等距映射的无线传感网络节点定位算法

针对无线传感网络(Wireless Sensor Network, WSN)中节点位置信息呈现非线性的问题,基于偏最小二乘法(Partial Least Squares, PLS)稳健的多元线性回归特点,结合流形学习中的非线性降维方法,提出了一种基于PLS的核矩阵等距映射(Isometric Feature Mapping,ISOMAP)节点定位算法.通过节点间测地距离表征节点非相似性,利用样本点贡献率找寻和剔除邻域中的"短路"边,经质心变换和核变换后映射至高维特征区间,采用PLS方法求得节点位置.仿真结果表明,相比ISOMAP和多维尺度(Multidimensional Scale Method, MDS)算法,该算法具有良好的拓扑稳定性、泛化能力、稳健性和定位精度,降低了计算复杂度.     

基于点权的混合K-shell关键节点识别方法

复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell (Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

CXCL1在子宫内膜样腺癌中的表达及其对Ishikawa细胞增殖侵袭的影响

目的:研究趋化因子配体1 (CXCL1)在子宫内膜样腺癌中的表达及其对人子宫内膜高分化腺癌细胞株Ishikawa细胞增殖、凋亡、迁移能力及侵袭能力的影响,以及CXCL1因子与子宫内膜样腺癌的发生及浸润转移的关系.方法:免疫组化法检测CXCL1在子宫内膜样腺癌患者的子宫内膜组织子宫内膜非典型增生患者的子宫内膜组织及正常增生期子宫内膜组织中的表达,QRT-PCR法检测子宫内膜样腺癌组织与癌旁组织中CXCL1 mRNA的相对表达;体外运用siRNA沉默Ishikawa细胞中CXCL1的基因表达,分别通过CCK8法及流式细胞仪法检测沉默CXCL1对细胞增殖及凋亡的影响,划痕实验及transwell法检测对细胞迁移能力与侵袭能力的影响,Western Blot检测pNF-κB,MMP9及Caspase-3的蛋白表达.结果:免疫组化及QRT-PCR结果显示,子宫内膜样腺癌组织中CXCL1表达升高,有淋巴结转移、分期较晚及肿瘤直径较大的患者的子宫内膜组织中表达显著升高;在CXCL1沉默组中,细胞增殖、迁移能力及侵袭能力下降,凋亡率增加,凋亡蛋白Caspase-3表达升高,pNF-κB,MMP9蛋白表达降低(P0.05).结论:CXCL1在子宫内膜样腺癌组织中高表达,沉默CXCL1可能通过下调磷酸化NF-κB抑制Ishikawa细胞的增殖、迁移能力及侵袭能力,促进细胞凋亡.     

核主泵叶轮能量转换与叶片载荷的关联性分析

为了研究核主泵叶轮能量转换规律与叶片载荷分布规律之间的关联性,基于RNG k-ε湍流模型,对不同流量工况下核主泵模型泵进行全三维定常数值计算.结果表明:从叶片吸力面到压力面,叶片做功能力逐渐增强;为了使叶轮获得较好的水力性能,叶片载荷的变化趋势应保持平缓,且其载荷峰值应在靠近叶轮出口处;根据不同流量工况下的叶轮性能曲线,叶片载荷有最优变化梯度;叶轮叶片中间流线上的动压载荷随着流量的增大逐渐减小,且动压载荷变化幅度较静压载荷更为明显,叶片动压载荷占总载荷的比重越低叶轮效率越高.     

基于布谷鸟搜索算法参数优化的组合核极限学习机

针对单核极限学习机在泛化性能上存在一定局限性的问题, 提出将再生核函数与多项式核函数相结合, 建立一种新的组合核极限学习机模型, 使其具有全局核与局部核的优点, 并选择布谷鸟搜索算法对其参数进行优化选择. 仿真实验结果表明, 采用基于再生核的组合核函数作为极限学习机的核函数可行, 在实验数据集的多值分类和回归问题上, 与传统支持向量机及单核极限学习机相比, 该模型具有更好的泛化性能.