蛋白质自组装研究进展

在生物体内，大多数蛋白质通过非共价相互作用以有序组织的自组装形式发挥作用。受大自然启发，人工设计蛋白质自组装正如火如荼的展开。近二十年来，蛋白质自组装领域快速发展，成功构建了各式各样，具有广泛结构和功能特性的蛋白质组装体。文章总结了用于调控蛋白质自组装的设计策略和工具，以及构建蛋白质组装体的最新进展，并描述了这些组装体的自然属性和功能。     

蔷薇属植物抗性与叶片和花瓣超微结构相关性分析

月季病害已成为其规模化生产的主要限制性因素之一，科学高效的抗病性鉴定方法可为抗病月季种质资源的筛选提供有力的技术支撑.以6份蔷薇属种质资源为实验材料，通过氯仿浸提法测定叶片蜡质含量，并利用电镜扫描观察不同种质材料的叶片和花瓣超微结构，对比分析月季抗病能力与蜡质含量及超微结构的关系.结果表明：高抗种质材料的蜡质含量均较易感种质高；气孔密度、气孔开合度均较易感种质低.因而，叶片蜡质含量、气孔密度及其开合度均可作为月季种质资源抗病性能力鉴定的形态结构初级指标.根据蜡质含量结果及其叶片和花瓣超微结构特征，可进行月季种质资源抗病性的早期鉴定，科学高效地筛选出不同抗病水平的月季种质资源，这对新种质资源的引进与开发利用以及杂交后代的抗病高效筛选提供了一定的科学理论依据.     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

可自修复的高延性混凝土(ECC)在机场道面的适用性分析

在飞机荷载与环境荷载长期共同作用下,机场道面易出现裂缝、接缝和竖向位移类病害,使运营阶段维修成本高.提出将具有自修复功能的高延性水泥基材料(ECC)用于机场道面,以控制裂缝发展、实现无缝连接;并利用ECC因二次反应而使微裂缝愈合的特性,减少路面维护工作,延长使用寿命.通过试验手段研究了ECC材料应用于机场道面的力学行为、自修复行为和早期开裂潜能.试验结果表明:机场道面用ECC材料在拉伸荷载作用下,其拉伸应变可达3.67％(约为普遍混凝土的400倍);在弯曲荷载作用下,其竖向弯曲变形可达6.33 mm;抗压强度与弯曲强度分别为43.9 MPa和12.68 MPa,可满足机场道面的使用要求.在受约束条件下,ECC表现出较低的早期开裂潜能.由于自修复能力,裂损ECC的拉伸刚度、拉伸应变与拉伸强度几乎可恢复至未裂时的程度;其水渗透系数随自修复进程逐渐降低,最终达到未裂时的渗透水平.研究结果表明ECC材料用于无缝机场道面具有较高适用性.     

自供电旋转轴系监测系统设计

针对旋转轴系监测系统中传感器相关电路需要外部电能输入的问题,设计了一种基于自供电轴系的监测系统.基于电磁感应原理设计自供电系统结构,给出理论模型,设计整流稳压电路,测试数据测量模块和无线传输模块.结果表明:在不同转速下,该旋转轴系监测系统可以在无须外界电能输入的情况下,将轴系参数发送至上位机.测试数据符合实际值,可以实现旋转轴系监测系统的自供电.     

基于深度学习的多模态眼科图像回归预测

青光眼是世界第二大致盲性眼病，视网膜神经纤维层（RNFL）缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描（OCT）测量RNFL厚度。然而在我国的多数中小型医院和体检中心，只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据，设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度，并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示，本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性（对于正常眼平均绝对误差E_MA=14.884，Pearson相关系数r=0.885，决定系数R²=0.781；对于青光眼E_MA=15.108，r=0.872，R²=0.754）。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。     

数字经济中基于察觉-动机-能力模型的创新扩散机制

数字经济时代下,创新扩散的模式和机制正随着经济环境的变化发生重大变化。鉴于此,本文对数字经济中的创新归纳出信息数字化、组织网络化、用户参与化等特征,基于察觉-动机-能力分析模型对创新的扩散机制进行过程建模,并基于多智能体仿真分析创新扩散。仿真结果表明,随着信息数字化的发展,创新扩散的网络分布不均匀性增加,引起信息资源高效配置和创新扩散的快速迭代;组织网络化带来产业组织在多个层面的集聚,拉近了企业之间的创新距离;用户参与化使得消费者成为创新的贡献者,增加了创新参与者的数量,企业也因此能够更为精确地捕捉用户需求。数字创新中的三种效应共同作用,改善了技术扩散的速率和规模。     

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.     

多维度深海鱼类识别算法

针对深海光线分布不均匀导致鱼类识别检测困难的问题,提出了符合视觉认知的多维度深海鱼类识别算法.该方法从时间维度优化传统的高斯混合模型(GMM)初步确定变化区域,从空间维度构建目标特征,完整提取运动目标,从时空关联维度建立深度学习的鱼类识别框架,试验结果表明:本算法可在多种复杂条件下准确提取运动目标,面积交迭度(AOM)达到80％以上,优于当前主流算法.     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。