试论刑讯逼供遏制

刑讯逼供是指司法人员对被追诉人采用肉刑或变相肉刑或精神折磨等非法手段逼取犯罪口供的行为。刑讯逼供遏制对策纷繁复杂。     

水稻黑条矮缩病毒基因组第九组分cDNA的克隆及序列分析

从我国发病的玉米材料中提取水稻黑条矮缩病毒,抽提病毒RNA,利用RT-PCR等手段,获得了病毒基因组第九组分（S9）cDNA克隆。序列分析结果表明：S9全长1900bp,含有2个不重叠的ORF,编码蛋白的分子质量分别为39.9,24.2ku,与日本株S9核苷酸序列同源性为89%,与意大利株MRDV S8同源性为86%。     

基于EMD的概率数据top-k相似性连接

选取EMD(earth mover’s distance)作为度量概率数据相似性的标准.EMD具有抗噪性好,对概率分布间的微小偏移不敏感等优良特性,但却具有三次方的复杂度.针对此问题,提出EMD-kJoin算法,在相似性搜索方面,基于线性规划的对偶理论为概率数据构建索引,避免不必要的EMD求精计算;在处理流程方面,以复杂度较低的范围查询为主要操作,并逐步缩小搜索阈值.通过使用真实数据集对EMD-k Join进行测试,证明EMD-k Join极大提高了基于EMD的概率数据top-k相似性连接操作的执行效率.     

基于机器学习的网络流量分类算法

互联网应用的蓬勃发展产生了种类多样的网络流量。在网络技术不断进化的过程中,新型流量和流量加密技术的出现,使基于端口和基于有效载荷的传统网络流量分类算法的应用受到限制。为了实现对新型网络流量的自动分类,提出了一种基于机器学习的网络流量分类算法。通过选择特征属性和构建决策树模型,能够实现对流量级别的网络数据进行自动分类。使用网络流量分类领域的公开数据集进行训练和测试,并将测试结果与开源的机器学习平台Weka运行结果相比较,实验结果表明:所构建模型性能优良,在流量分类准确度与Weka平台相近甚至更优的前提下,大幅降低了建模时间,提高了网络数据分类的效率。     

支持复杂语义的数据流滑动窗口连接建模和查询优化

数据流连接操作的执行方式直接影响到查询执行的效率和结果的正确性.在STREAM项目流化方法的基础上,对复杂应用下的数据流滑动窗口连接的准确语义进行了分析和建模,以时间窗口连接的增量维护为例提出了两种改进的基本维护策略,给出了针对元组窗和分组窗的维护方法,讨论了根据参数和环境的不同进行适应性的维护.实验证明了在不同的窗口、流速和选择度下,适应性地选择不同的优化算法会达到最优的处理性能.     

基于混合处理模型的乱序数据流分布式聚合查询处理技术

为了解决现有的乱序数据流聚合查询处理技术不能在降低查询处理延迟,同时保障聚合查询结果的最终正确性的局限性问题,本研究设计了混合嵌入分布式流处理模块和分布式批处理模块的乱序数据流分布式聚合查询处理技术。该技术一方面基于用户给定的结果质量,限制自适应地优化流处理模块所用的缓冲区大小,从而尽可能降低流处理的查询处理延迟;另一方面基于备份于分布式数据存储系统的历史流数据,并以批处理的方式实现对极其晚到流元组的查询处理,从而保障聚合查询结果的最终正确性。基于真实的乱序数据流数据集对该技术进行测试分析表明:该技术在平均查询处理时延、查询结果精度和系统可扩展性方面,比目前最好的基于缓存的乱序数据流处理技术均具有显著优势。     

抗重金属细菌BCD1的分子鉴定及系统发育分析

BCD1是一株高度耐受重金属镉的细菌,本研究对其进行形态学、生理生化特性和16SrDNA序列鉴定.结果发现,细菌BCD1革兰氏染色为阴性,细胞呈短杆菌,单个存在,好氧.通过16SrRNA测序Blast比对后发现BCD1和恶臭假单胞菌(Pseudomonas putida)相似性为100%,聚类分析后二者聚为一个分支,由此可以确定菌株BCD1为恶臭假单胞菌(P.putida).     

水稻黑条矮缩病毒基因组组分10编码的外壳蛋白基因的克隆及表达

从我国山东发病的玉米材料中提取水稻黑条矮缩病毒 ,抽提病毒RNA ,经RT PCR ,克隆了编码外层外壳蛋白的基因组组分 10 (S10 )的cDNA ,并进行了序列测定 .与已报道的日本株和湖北等地的S10进行了序列同源性比较 .结果表明 ,与日本株的同源性为 92 % ,与湖北等地的同源性在 97%～ 98%之间 .将该序列构建到pGEX 3X表达载体中 ,经IPTG诱导 ,表达了分子质量约为 76ku的GST融合蛋白 .经亲和层析纯化和Western印迹分析 ,证实了该基因以可溶性的GST融合蛋白形式在原核中表达 .     

QJoin：质量驱动的乱序数据流连接处理技术

数据流乱序现象会导致数据流处理结果的丢失,给数据流的分析处理带来了巨大困难。本研究探讨了质量驱动下的乱序数据流连接处理问题,提出一种质量驱动的乱序数据流连接处理技术(QJoin)。QJoin采用缓冲存储技术和对称连接策略,实现并确保对流元组进行即时分析处理,从而降低了流元组处理的平均等待时间。同时,基于质量驱动的理念,根据临近阶段连接处理过程中收集统计的数据,自适应地调整和优化内存缓存区的大小,从而在满足用户结果质量要求的前提下,降低系统内部历史数据的内存缓存量,尽可能保证迟到元组的连接处理完整性。真实数据集上的实验结果表明,与传统的数据流乱序处理技术MP-K-slack相比,QJoin在满足用户结果质量要求的前提下,确保能够即时地分析处理数据流的流元组,显著降低系统的内存开销。     

基于EMD的概率数据top-κ相似性连接

选取EMD(earth mover's distance)作为度量概率数据相似性的标准.EMD具有抗噪性好,对概率分布间的微小偏移不敏感等优良特性,但却具有三次方的复杂度.针对此问题,提出EMD-κJon算法,在相似性搜索方面,基于线性规划的对偶理论为概率数据构建索引,避免不必要的EMD求精计算;在处理流程方面,以复杂度较低的范围查询为主要操作,并逐步缩小搜索阈值.通过使用真实数据集对EMD-κJoin进行测试,证明EMD-κJoin极大提高了基于EMD的概率数据top-κ相似性连接操作的执行效率.