TRAIL与kallistatin联合表达载体的构建及抗肿瘤活性分析

为研究肿瘤坏死因子相关凋亡诱导配体(TRAIL)与组织激肽释放酶结合蛋白(kallistatin)联合用药的抗肿瘤作用,构建TRAIL与kallistatin双表达的重组质粒pAM-CAG-Kal-IRES-TRAIL,将重组质粒转染A549,LO-2,NCI-H446和Hela细胞,考察其抗肿瘤活性.实验结果表明:构建的双表达载体能同时表达TRAIL与kallistatin,且均能分泌至培养基中;TRAIL与kallistatin联合表达对肿瘤细胞活力的抑制作用明显增强,诱导肿瘤凋亡的作用也明显增强,说明联合表达TRAIL与kallistatin能够增强抗肿瘤活性.     

一类具有饱和发生率和心理作用的随机SIR传染病模型

考虑一类受环境噪声影响, 具有饱和发生率和心理作用的随机SIR传染病模型. 通过构造Lyapunov函数并利用Ito公式, 得到该模型正解的全局存在唯一性, 并证明： 当随机基本再生数R*≤1时, 无病平衡点是随机渐近稳定的, 此时疾病将灭绝； 当R*>1时, 疾病将随机持续下去. 数值模拟结果验证了理论结果的正确性.     

带有加性噪声的阻尼吊桥方程随机吸引子的存在性

用算子分解技巧, 通过对方程的解进行先验估计, 给出随机动力系统的一致渐近紧性, 从而证明了随机吊桥方程在加性噪声下随机吸引子的存在性.     

考虑外界影响的元动作单元故障概率模型

为描述数控机床运动构件的故障率随时间变化的情况,本文从元动作单元出发,建立了一个关于元动作单元的故障概率模型.首先,根据元动作单元故障发生的原因将故障分成两类,随机故障和老化故障.然后,根据这两种故障类型故障数据的不同特点,选用两个不同的概率分布函数分别进行描述,随机故障用泊松分布进行描述,老化故障用威布尔分布进行描述.接着,给出这两种故障概率模型中各参数的物理意义和估计方法.更进一步,工作负载和工作环境会分别对元动作单元的老化故障和随机故障的故障率造成影响.为比较这两者对故障率影响的大小,提出了工作负载参数R l和工作环境参数R e,并给出这两个参数的估计方法.最后,根据收集到的运动构件的故障数据作出频率直方图,同时,对故障数据进行参数估计得到概率密度函数,并将这两者画在同一幅图上,发现两者具有较好的拟合效果.表明提出的元动作单元故障概率模型适合于描述运动构件故障率随时间的变化,模型有效.     

基于k-medoids聚类算法的低压台区线损异常识别方法

针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日线损率数据进行聚类分析,得到低压台区日线损率数据的聚类中心点和欧氏距离,从而实现低压台区线损异常情况的判断;最后通过819个低压台区的实际数据验证算法的合理性.结果表明,算法能够对低压台区线损的异常情况做出准确的判断.     

一类含参半正二阶离散周期边值问题正解的存在性

用Guo-Krasnoselskii不动点定理给出半正二阶离散周期边值问题正解的存在性和多解性结果, 其中λ>0为参数, ［1,T］_z={1,2,…,T}, f: ［1,T］_z×［0,∞)→R连续且存在常数D>0, 使得f(t,u)≥-D, (t,u)∈［1,T］_z×［0,∞), a: ［1,T］_z→(0,∞), 02(π/2T).     

方形三维沟槽电极硅探测器相干性影响因素研究

为了研究三维沟槽电极硅探测器相邻单元之间的相干性的影响因素,根据Ramo定理提出的电信号产生原理,需要观察不同条件下探测器单元中比重场的变化.该文以方形三维沟槽电极硅探测器为研究对象,利用仿真工具Silvaco TCAD仿真出方形三维沟槽电极硅探测器的结构,采取单个最小电离粒子(MIP)从探测器上部垂直入射的方式,通过改变高能粒子入射的位置和探测器的沟槽深度,来研究探测器相邻单元中的比重场变化,进而得出相干性的影响因素.     

随机和认知混合不确定系统的全局灵敏度分析方法

为计算具有随机不确定性和认知不确定性的混合不确定系统灵敏度,提出一种基于证据理论和条件概率理论的全局灵敏度分析方法.用证据理论对认知不确定性变量进行表征,并提出两种基于证据理论的随机采样方法,包括一次随机抽样法和二次随机抽样法.运用条件概率理论,提出存在认知不确定性条件下混合不确定系统的Sobol'全局灵敏度指标,经过理论推导给出一阶灵敏度及总灵敏度的计算公式,并设置单循环的拟蒙特卡罗方法实现灵敏度的近似数值计算.开发了灵敏度分析程序,并给出了典型应用实例.实例表明,新方法的分析结果正确,计算工作量可控.     

基于序列特征的点击率预测模型

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.