大肠杆菌内毒素对Vero细胞培养的作用研究

将精制大肠杆菌内毒素(E.COliEndotoxin)加入含血清细胞培养液(MEM)中,配制成浓度分别为50、100、200、500EU/mL的细胞培养液 用此培养液对Vero细胞进行培养,测定细胞生长曲线、细胞平均倍增时间、最大增殖浓度及台盼蓝拒染率等指标,研究大肠杆菌内毒素对非洲绿猴肾细胞(Vero)培养的影响 结果显示,内毒素含量为50EU/mL时,Vero细胞仍能正常生长 当内毒素含量逐渐升高,培养时间逐渐延长时,细胞的增殖速度及活率明显下降 这表明,内毒素对Vero细胞的生长及活性具有明显的抑制作用,且该作用具有一定的时间、剂量依赖性     

可视化的地下水数值模拟

首先简述了DOS环境下,地下水数值模拟面对的问题,随后以地下水模拟系统GMS4.0为例介绍了图形用户环境下地下水数值模拟专业软件的特点。在图形用户环境下,借助于面向对象编程的概念及地理信息系统空间分析技术,地下水数值模拟从模型建立、数据准备到结果输出实现了图形化和可视化,建模过程是面向对象的。这大大有助于人们对地下水数值模拟这一有力分析工具的掌握与应用。同时文中也从一个侧面反映了目前地下水数值模拟专业软件的主流趋势及发展方向。     

PDM系统中用户管理的研究

用户管理是PDM(产品数据管理)系统的一个基本功能,是实现安全管理、流程管理、项目管理等功能的基础.在深入调查研究的基础上,设计了一个能够实现动态角色管理、动态权限管理、授权方式灵活的用户管理方案.详细介绍了其中的人员组织、工作空间配置、权限管理的对象模型,并给出了权限控制的相应算法.该设计思想在为某建筑企业设计的PDM系统中得到应用,效果比较理想.     

股票价格影响因素研究

以上证(A股)指数作为因变量，通过选取影响股市整体水平的指标，运用回归分析方法并结合SPSS软件建立了线性回归模型和非线性回归模型，分析得出了影响我国股票价格趋势变动整体水平的主要因素。     

基于Tcl/Tk语言开发教育机器人系统

针对微型教育机器人的开发过程 ,详细分析了开放式Tcl/Tk软件特点 ,构建了教育机器人的系统结构 ,开发了基于Tcl/Tk的教育机器人系统软件平台 .该机器人软件系统具有紧凑、易于移植、用户友好的明显优点 .     

埋地热油管道稳定运行条件下热力影响区的确定

建立了埋地热油管道热力影响区的数学模型 ,并用有限元法进行了求解。在此基础上 ,对地温、管内油温、管道直径、管道埋深和土壤导热系数等参数与管道水平方向热力影响范围的关系进行了定量分析 ,分别计算了直径为 4 2 6 ,72 0mm的管道在地温为 2 2 ,15 ,8℃条件下水平方向的热力影响范围。结果表明 ,在其他条件相同时 ,地温越低、管道直径越大或者油温越高 ,管道水平方向热力影响范围越大。在热油管道通常的埋深范围 (1.2～ 1.8m)内 ,埋深变化时 ,水平方向热力影响范围差别不大。计算结果与现场实测结果吻合 ,从而验证了所建模型的合理性     

大中桥梁荷载横向分布比拟正交异性板法

对于由主梁、连续桥面板和多横隔梁组成的梁式桥，当宽度与跨度之比较大时，可将其简化比拟为正交异性平板．按古典弹性薄板理论进行分析，即比拟正交异性板法，或称G-M法。     

基于加权概念网络的用户兴趣建模

提出了一种基于加权概念网络(WCN)的用户兴趣建模方法，该方法利用动态学习算法，挖掘蕴含在用户反馈文档中的概念及其概念关系，建立WCN的用户模型，从而捕捉和表述用户兴趣偏好．基于WCN用户兴趣模型，提出了检索提问个性化理解以及文档个性化重评价的实现方法．为了检验提出方法的建模性能，设计了信息过滤仿真试验．测试结果表明，WCN有较好的用户建模性能．     

数据矩阵条件指数的影响评价

 考察了删除单个数据点对条件指数的影响,导出了度量数据点对条件指数影响大小的1种诊断统计量——-样本影响函数的近似计算公式,一个实例被用来说明该方法的可行性.     

多值分类环境下基于SVM增量学习的用户适应性研究

用户适应问题是智能化人机接口设计中的一个重点和难点，它为人机接口的人性化、智能化和个性化提供支持。由于用户自身的特殊性，例如笔迹、口音、绘画习惯等，系统很难同时适应多个用户的使用，支持向量机(SVM)的学习方法是基于小样本的学习方法，它实现了结构风险最小化，避免了在学习过程中存在的过学习现象。增量学习能有效地利用历史训练结果，从而能在很小的时间空间代价下实现新样本的学习，基于SVM增量学习的方法，能从用户的历史数据中找到根本特性，而不会将可能造成用户冲突的、特定用户习惯的特征也记录下来，因此也就不会产生用户冲突．在在线图形识别系统中，与基于规则的用户适应方法相比，基于SVM增量学习的方法可以适应多个用户．对基于SVM的学习方法进行了分析，将其与用户适应紧密结合起来，对涉及到的3个方面进行了理论和实验上分析和对比：重复学习和增量学习；Syed等提出的和Xiao等提出的两种不同的基于SVM增量学习方法；“一对一”和“一对多”两种不同的多值分类构造方法。从而得出结论：两种增量学习方法都要明显优于重复学习；Syed等提出的增量学习方法在精度和效率都好于Xiao等提出的方法；一对一的多值分类构造方法要优于一对多的多值分类构造方法。