Lrrc10蛋白的表达、纯化及多克隆抗体的制备

Lrrc10是一个心脏特异表达基因.为了深入研究Lrrc10在心脏发育中的功能,需要获得Lrrc10蛋白并制备其抗体.以小鼠心脏cDNA文库为模板进行PCR扩增得到Lrrc10部分编码区序列,然后将其连接到pGEX-4T-1载体上获得原核表达载体.重组子经酶切及测序鉴定后,转化大肠杆菌(E.coli) BL21,并用I...     

日本东北大地震——大自然给人类上的又一课

作者介绍了2011年3月11日日本东北地区太平洋沿岸近海的M9.0特大地震的震后研究情况,日本列岛M8.0以上大地震发生的地球动力学背景、地理环境,大地震在东北太平洋沿岸地区、关东地区、东海道地区的活动历史以及对下一次东海地震发生时间的最新研究进展。最后总结了地震中长期预测的现状及相关基础研究应努力的方向,提出了在工程应用研究中应该避免的错误工作思路。     

应用在线整定广义最小方差多项式权值的测头控制方法

在曲面工件的高精度、高效率自动扫描测量过程中,为了提高测头自动跟踪扫瞄控制的精度和平稳性,提出了基于在线整定多项式权值的广义最小方差(OSPW_GMV)控制方法.该方法的主要思想是根据在线估计的被控对象参数及OSPW_GMV的输出,在线调整多项式的权值,实现测头自动跟踪扫瞄的控制.实验结果证明,使用具有高跟踪精度和强鲁棒性的OSPW_GMV控制器,可使测头跟踪过程的误差小于0.1mm的跟踪要求,且每次运算时间与广义最小方差控制器相差不大,因此该控制方法在一些实时性及控制精度要求较高的精密检测场合,有较好的应用价值.     

基于范德波尔方程的情绪模型

以范德波尔方程为基本模型建立基本情绪的简单非线性动态模型,在Matlab环境下实现了具有混沌性质的情绪模型,并分析出在有无外界刺激的情况下,解所能表现出的人情绪变化过程,为后续由情绪模型自动生成音乐动机打下基础.     

中医察目望神规则挖掘的关键技术

中医客观化中有一个很重要的问题是根据量化的人体特征推导出人体的状态.提出了一种用于中医察目望神客观化中从眼部特征推导出人体"神"的状态的规则挖掘方法.首先给出了视频采集方法,接着使用类-属性依赖最大化方法(CAIM)对眼部特征数据进行离散化形成规则挖掘中的属性区间,然后使用云模型进行关联规则挖掘得到大量候选规则,再对3种互补的规则裁剪方法进行修改和组合用于候选规则的整理,并形成最终的规则集合.利用交叉验证法检验规则挖掘的效果,得到了93%的平均精确度,达到了很好的效果.     

基于时序植被指数的东北地区耕地生长季特征识别与应用研究

基于多时相遥感信息可以有效反映区域尺度上作物物候期特征的原理,利用1998—2009年期间的SPOT/VGT NDVI逐旬时间序列数据,采用TIMESAT软件集成的非对称高斯函数拟合方法对数据序列进行平滑重构处理,进而根据拟合曲线变化特征定义并提取了我国东北地区耕地生长季特征参数（包括生长季开始期、峰值期、结束期与生长...     

流量折减系数对雨水系统设计标准的影响

我国室外排水设计规范规定采用折减系数计算雨水排水设计流量,造成了设计标准和抗灾能力与国外的类似工程相偏低.在适当假设的基础上,推求出折减系数为1和2时重现期关系的数学表达式,根据实例分析,当折减系数为1时设计重现期为1年不同时刻的设计流量相当于折减系数为2时重现期1.531～4.028年的标准;当折减系数为2时设计重现...     

配置500 MPa钢筋的混凝土梁裂缝试验研究

为研究配置500 MPa纵向热轧带肋钢筋的混凝土梁的裂缝特征及评估相关规范裂缝计算公式的适用性,进行了22根钢筋混凝土梁受弯性能试验,得到22个平均裂缝间距和92组裂缝宽度数据,相应的钢筋应力范围在201~482MPa,这些试验数据可反映钢筋应力较高情况下受弯构件的裂缝开展特点.试验结果表明,按规范GB50010—2002公式计算的平均裂缝间距、平均裂缝宽度和最大裂缝宽度比试验值普遍偏大,二者之比的均值分别为1.127,1.557和1.535.根据试验结果,提出配置500 MPa带肋钢筋的混凝土梁的裂缝宽度计算公式修正建议,并给出梁侧面钢筋处和受拉边缘的平均裂缝宽度的换算关系式,建议公式的计算值和试验值符合较好.     

日本経済高度成長期における産業政策

はじめに 戦後復興期と朝鮮戦争を経て、日本経済は高度成長期に突入した。1950年代半ばから70年代初めにかけて、実質成長率は10%前後を記録した。この欧米に追いつくために走ってきた長い過程において、通商産業省がどのような産業政策を行ったのか、茲に産業構造政策の展開、国際貿易及び資本自由化の進展、技術革新の進展に分けて、説明したいと思う。     

一种新的插值分类方法

提出一种内插法做分类决策(AIMMCD),这种方法使用训练集模式的类标签区分不同模式.与相对于传统的模式识别技术相比,AIMMCD有着自身优势.第一,使用AIMMCD来产生测试模式的类标签时,不需要任何训练过程.即AIMMCD计算效率较高.第二,使用AIMMCD预测真实数据的类标签时,它以合理的方式考虑到训练资料的所有模式中类标签的信息.事实上,该算法假定当训练样本接近一个模式,都会对这个模式类的预测影响很大,而对远离这种模式的训练样本没有什么影响.第三,虽然AIMMCD形式简单,但它不但适用于二分类问题,还可直接用于多分类问题.