山西省重点实验室评估政策研究

省重点实验室是地方科技创新平台的重要组成部分,发挥着为地方集聚人才、提升基础研究和应用基础研究能力的重要作用,重点实验室评估政策的制定和实施应以推动实验室提质增效、发挥科技创新平台效用为基础.在阐述实验室体系、评估意义及重点实验室定位、作用的基础上,结合国内外考核评估相关政策、山西省现有实验室建设情况,提出了山西省重点实验室评估政策的建议.     

血管内皮生长因子结合可降解壳聚糖治疗大鼠心肌梗塞的研究

摘要:目的 研 究 血 管 内 皮 生 长 因 子 ( vascular endothelial growth factor, VEGF ) 结 合 可 降 解 壳 聚 糖 ( degradablechitosan,DC)对心肌梗塞大鼠的治疗作用。 方法 将 32 只 SD 大鼠随机分为假手术组、模型组、VEGF 组和 VEGF+ DC 组,每组 8 只。 4 组大鼠均采用结扎冠状动脉左前降支的方法进行造模,其中假手术组只穿线不结扎。 造模后, 向模型组大鼠心肌注射 100 μL 生理盐水,VEGF 组大鼠于同一位置注射同体积 VEGF 溶液,VEGF+DC 组大鼠注射 VEGF+DC 溶液。 造模 4 周 后,对 所 有 实 验 大 鼠 进 行 超 声 心 功 能 检 测,考 察 左 心 室 收 缩 期 及 舒 张 期 前 壁 厚 度( LVAW;s 和 LVAW;d) 、左心室收缩期及舒张期内径( LVID;s 和 LVID;d) 、左心室收缩期及舒张期容积( LV Vol;s 和 LV Vol;d) 、左室射血分数( EF% )及短轴缩短率( FS% ) ,血流动力学考察左室舒张末压( EDP ) 和等容收缩期及 舒张期左心室内压力上升最大速率( + dp / dt 和 - dp / dt) ,计算左心室指数( LVM / BW) 并对心肌进行苏木素-伊红 ( HE)染色观察各组实验大鼠心肌病理变化。 结果 VEGF 组和 VEGF+DC 组大鼠的心肌梗塞均得到有效改善,其 中 VEGF+DC 组的改善作用更加显著。 结论 VEGF 结合 DC 对心肌梗塞大鼠的心功能具有改善作用,具有一定的治疗作用。     

基于规则分组的DFA正则表达式匹配算法

模式匹配因误报率低和漏报率低被入侵检测所采用.在使用正则表达式构造DFA时,因状态爆炸导致匹配算法需要较多的存储空间和运行时间,算法效率低下,采用规则分组后,可以在一定程度上抑制状态爆炸问题.根据缓存中的历史记录对正则表达式进行分组,既能利用规则分组减少状态总数,抑制状态爆炸,又能减少因每次重新构建DFA所带来的开销,提高了匹配效率,有利于提高入侵检测的实时性、准确性和高效性.     

自适应跌倒前实时检测方法

为了能利用单一传感器在跌倒撞击前实时检测出跌倒即将发生,结合支持向量机(SVM)和阈值法设计了一种自适应跌倒前实时检测方法.实验结果表明,该方法能在跌倒撞击前实时检测出跌倒即将发生,且比人工阈值法和SVM方法有更长的间隔时间,比SVM方法有更高的召回率和特异度.     

膝关节骨性关节炎步态分析特征及3D矫形鞋垫设计应用

 概述了2种步态分析实验系统、实验原理和KOA患者下肢三维步态的改变；由于下肢生物力学的复杂性和研究技术的局限性，3D矫形鞋垫设计目前仍处于初级阶段，产品的治疗效果尚无统一意见并且未大量生产使用，因此对3D矫形鞋垫在KOA中的应用原理及制作过程进行深入探讨，明确KOA患者膝关节周围动力和静力结构变化，将其应用于3D矫形鞋垫的设计和生产，为早期KOA保守治疗提供重要解决方案，既能够患者满足舒适性和功能性的双重需求，又能使制造周期和成本显著降低。     

科技创新、科技产业与科技金融时空耦合分析

选取我国30个省市2008～2017年的面板数据,利用科技创新、科技产业和科技金融三系统耦合协调度模型进行测算,针对各省市三系统耦合协调度进行空间相关性检验.结果显示,我国科技创新、科技产业与科技金融整体处于中度耦合协调水平,且时间上呈现出周期波动的特征,空间上呈现出"东高西低"的态势;长三角地区始终位于H-H区域,而西北地区位于L-L区域.得出如下建议,科技金融应形成支持科技发展的长效机制;地方政府应推出因地制宜的科技金融政策;中央政府应对低度耦合发展集聚的区域给予相应的优惠补贴和鼓励措施.     

开放性社会学习者模型实证研究

为帮助学习者准确了解自己和其同伴在学习过程中进展,并引发学习者元认知和社会比较学习体验,笔者运用社会比较理论,设计并开发了基于表格的开放性社会学习者模型TableOSLM,其采用表格可视化形式呈现学习者本人、组和学习同伴的学习进展,在实证研究方面,通过问卷调查、实验研究法和面对面访谈等方式收集数据,评价结果表明:TableOSLM能引发学习者在学习规划和自我反思两个维度上的元认知学习体验和在比较方式和自我完善两个维度上的社会比较学习体验;学习者对TableOSLM在有用性、易用性和满意度3个方面都表现出较高的认可度.     

A KELM-Based Ensemble Learning Approach for Exchange Rate Forecasting

In this paper, a KELM-based ensemble learning approach, integrating Granger causality test, grey relational analysis and KELM(Kernel Extreme Learning Machine), is proposed for the exchange rate forecasting. The study uses a set of sixteen macroeconomic variables including, import,export, foreign exchange reserves, etc. Furthermore, the selected variables are ranked and then three of them, which have the highest degrees of relevance with the exchange rate, are filtered out by Granger causality test and the grey relational analysis, to represent the domestic situation. Then, based on the domestic situation, KELM is utilized for medium-term RMB/USD forecasting. The empirical results show that the proposed KELM-based ensemble learning approach outperforms all other benchmark models in different forecasting horizons, which implies that the KELM-based ensemble learning approach is a powerful learning approach for exchange rates forecasting.