基于改进欧几里得聚类的激光雷达障碍物检测

针对传统的欧氏聚类算法无法同时对近处和远处的障碍物点云进行精准检测和分割,容易造成错检和漏检的情况,提出一种欧氏聚类算法的改进方法,可以根据点云与激光雷达之间的距离动态地选择阈值,从而快速且准确地完成聚类.实验表明:该方法能同时对近处和远处的障碍物点云进行快速且准确的聚类.     

基于超网络的舆论演化动态模型

针对舆论演化过程中的复杂动力学问题,提出了超网络视觉下的舆论演化动态模型,该模型包括节点的添加、重新连接链路、超边的添加以及节点的老化4个过程,其中节点代表关键词,超边代表关键词所构成的话题。其次,利用非均匀网络的演化机制,分别对该动态演化模型的超度、节点自身关注度与节点间影响力两个因素的超度进行了详细的理论分析,分析结果表明节点超度完全符合幂律分布。最后,通过Matlab仿真模拟,分析了不同参数对节点超度分布变化的影响,并进一步验证了结果是遵循幂律分布的。     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

非负张量谱半径上下界的估计不等式

通过张量分析,给出一个具有一般形式的非负张量谱半径的上下界估计不等式,在特别情况下改进了相关非负张量谱半径的估计不等式.     

105例肺癌患者外周血中miRNA-10b的表达

目的 探讨miRNA-10b在非小细胞肺癌(Non-small cell lung cancer,NSCLC)患者外周血的表达情况.方法 选取156例非小细胞肺癌患者,其中,105例列入实验组,51例排除入组,另选50例健康志愿人员为正常组.采用实时荧光定量PCR(RT-qPCR)检测两组外周血中miRNA-10b的表达,并分析实验组患者外周血中miRNA-10b表达与临床、病理、治疗方法 的关系.结果 实验组外周血中miRNA-10b表达为1.85±0.14,而正常组外周血中miRNA-10b表达为1.03±0.18,实验组明显高于正常组;患者外周血中miRNA-10b的表达高低与烟草吸食情况、病理学TNM分期、肺癌的类型相关(P<0.05).结论 非小细胞肺癌患者外周血中miRNA-10b升高明显,miRNA-10b的高低与吸烟、病理类型、淋巴结转移和病理分期有关,可作为疗效的监测指标.     

视频镜头分割与关键帧提取算法研究

为了解决关键帧提取算法性能因特征选取单一而受视频类型多样性限制等问题,提出了一种基于多特征的关键帧提取方法 .该方法在检测到的每个镜头内,采用颜色特征、小波统计特征和SIFT局部特征计算视频帧间综合相似度矩阵.然后采用一个改进的谱聚类算法将镜头帧分组,每一组的中心帧被选择作为关键帧,其中关键帧的数目通过计算聚类不稳定性的极小值进行估计.通过实验利用F1分数、保真度和镜头重构度等评估标准验证了该方法的有效性.     

仿生非光滑花纹沟对轮胎抗滑水性能的影响

以205/55R16乘用车轮胎为研究对象,采用计算流体动力学建立了考虑胎面花纹变形的轮胎滑水分析模型;以气-液二相流数值模型分析了轮胎的滑水性能,并将临界滑水速度仿真值与NASA滑水速度预测值及轮胎发生滑水时力平衡下的速度进行对比.在此基础上,引入仿生减阻理念,研究了夹角为60°、高度为0.6mm的仿生对称V形结构对花纹沟排水量和水流阻力的影响,并将其结构特征信息等效移植到接地区轮胎花纹沟底,进行了仿生花纹轮胎的滑水性能分析.结果表明:所建滑水分析模型可用来分析轮胎滑水时的流体运动特性;相对原花纹轮胎,仿生非光滑花纹沟轮胎通过提高接地区花纹沟内水流速度,降低了胎面动水压力,提高了临界滑水速度.     

苯丙氨酸解氨酶印迹交联酶聚体的制备及部分催化性能研究

苯丙氨酸解氨酶(PAL)是酶法生产L-苯丙氨酸的关键酶,目前主要利用红酵母PAL进行转化,但红酵母PAL稳定性较差,妨碍了其工业化的应用。该研究将交联酶聚体和印迹酶的制备方法相结合,制备出新型固定化酶-苯丙氨酸解氨酶印迹交联酶聚体,筛选出最优的底物印迹分子,并考察了该固定化酶的部分特性。结果表明,反式肉桂酸是制备印迹PAL交联酶聚体的最适底物,所制备印迹交联酶聚体的最适催化温度和pH值分别是50℃和10.5,并表现出较好的重复使用性,连续催化9个批次后,仍保持了32%的酶活保留率。     

AR-Grams:一种应用于网络舆情热点发现的文本聚类方法

网络舆情热点发现是一种常用且处理速度要求较高的应用.针对网络舆情热点发现这一特殊应用场合,本文提出了一种基于随机N-Gram的文本聚类方法AR-Grams.该方法通过随机N-Gram的文本相似度计算方法,确立待聚类文档集中各个初始聚类的标志文档并完成初步的聚类操作,继而通过聚类元素数阈值来确定初始聚类,并可根据实际情况确定是否执行聚类合并.该方法生成的聚类内聚性好,准确率高.另外,为了便于评估整体的聚类效果,提出了聚类的整体覆盖率和正确覆盖率.实验结果表明:与对比方法DR-Grams相比,在低阈值时,AR-Grams的准确率、召回率、F-score、正确覆盖率分别提高了11.9％、9.1％、10.2％和9.2％,提升效果尤为明显;在高阈值时,效果基本相当;在整体上,前述4项指标则分别提高了4.5％、2.9％、3.5％和3.0％,优于对比方法DR-Grams.