基于多巴胺的杂化膜界面优化及其气体分离性能强化

采用仿生黏合剂多巴胺改性二氧化硅纳米颗粒（PDA@SiO₂）并与聚乙烯醇（PVA）高分子基质共混，再将获得的PVA-PDA@SiO₂杂化材料涂覆到聚砜（PSf）中空纤维支撑层表面制备中空纤维复合膜用于丙烯气体除湿，研究了杂化膜的微观形貌、晶态结构、高分子链运动性、自由体积特性等物理化学性质。实验结果表明，当填充剂PDA@SiO₂含量（质量分数，下同）为1%时，在298 K、原料气水含量为0.5%的条件下，PVA-PDA@SiO₂/PSf膜分离因子为24 837，是PVA/PSf膜的12.7倍，渗透系数为904 GPU[1 GPU=7.501×10^-10 cm³/（cm²·s·Pa）]，是PVA/PSf膜的3.6倍。仿生黏合剂多巴胺的多重相互作用可改善PVA与填充剂SiO₂的界面相容性，进而提升杂化膜的分离性能。     

基于攻击图的APT脆弱节点评估方法

高级可持续性威胁(advanced persistent threat,APT)具有行为隐蔽性强、攻击周期持久的特点,增加了攻击检测的难度.据此,引入攻击图理论评估网络系统在APT攻击下的脆弱节点,提出了一种基于攻击图的APT脆弱节点评估方法,有效地提高了发现攻击的概率.对APT攻击行为的异常特征进行提取和定义,对目标网络系统建立风险属性攻击图(risk attribute attack graph,RAAG)模型;基于APT攻击行为特征的脆弱性对系统节点的行为脆弱性进行评估,并以通用漏洞评分系统(common vulnerability scoring system,CVSS)标准做为参照评估系统节点的通联脆弱性;基于上述2个方面的评估,计算系统中各节点的整体脆弱性,并发现目标网络系统在面向APT攻击时的脆弱节点.实验结果表明,所提方法能够对APT攻击行为特征进行合理量化,对系统节点的脆弱性进行有效评估,在APT攻击检测率上有较好表现.     

乳糖诱导pET载体表达重组蛋白的研究

以重组人B淋巴细胞刺激因子（hBLyS）蛋白表达宿主菌株BL21（DE3）（pET30(a)/hBLyS）作为研究对象，借助SDS－PAGE分析方法，对于用乳糖诱导由T7lac启动子控制的重组目的产物的表达规律进行了优化研究。分析比较了诱导的起始阶段、所需的乳糖浓度和诱导持续时间等参数对重组产物表达的影响。实验结果表明，对T7lac启动子控制的重组目的产物，乳糖可以作为诱导剂；在对诱导条件进行优化控制的前提下，乳糖诱导目的产物的绝对表达量虽然不及IPTG，但相对成本却比IPTG低得多。研究结果为乳糖作为诱导剂应用于重组基因工程药物工业化生产提供了一定的参考。     

多时间尺度下遥感降水产品与再分析降水产品在海河流域适用性对比分析

为了综合评估热带降雨测量卫星(tropical rainfall measuring mission,TRMM)、全球降水测量计划(global precipitation measurement,GPM)遥感降水产品和MERRA-2再分析降水产品在海河流域的适用性,基于流域内57个气象站点2014年3月—2018年2月期间的逐日实测降水数据,选用相关系数、均方根误差、平均绝对误差、相对误差等评价指标,对比分析三者在海河流域年、季、月多时间尺度观测精度.结果表明:在年、季、月时间尺度上,GPM数据与站点实测数据的相关性均为最优,TRMM相关性均最弱.在3种时间尺度下,MERRA-2再分析数据在海河流域的数据精度最高,GPM次之,TRMM数据误差最为明显.TRMM、GPM在年度、季度降水量上均存在一定的高估现象,TRMM表现出对降水的高估现象更加明显,但是夏季GPM相对误差略高于TRMM数据.总体上,3种降水产品在海河流域均具有较好的适用性,但MERRA-2与GPM在海河流域的适用性较好且优于TRMM,GPM在弱降水观测能力方面较TRMM明显增强,但强降水监测能力仍有待提升.     

高职开展“Flipped Classroom”教学模式的辩证审视

翻转课堂（Flipped Classroom）作为一种新型的教学模式，在高职教育中同样具有可操作性。从高等职业教育的角度出发，在翻转课堂教学模式的背景及其基本概念的基础上，对高职校园外在环境、课程的适应性、实施前提条件、课堂教学质量等四个方面对实施翻转课堂教学模式进行辨证的审视。     

基于领域本体的股票资讯新闻自动语义标注技术

目的利用领域本体来提高股票资讯新闻自动标注结果的质量。方法在构建股票资讯领域本体的基础上,首先使用最大正向匹配技术来提取股票资讯新闻中的关键信息,然后将关键信息与股票资讯领域本体进行匹配,最后利用领域本体标注出与该股票资讯新闻相关的股票。结果比较实验结果表明基于领域本体的股票资讯新闻标注技术的准确率明显高于基于关键字的标注技术。结论将股票资讯领域本体中的知识用于标注股票资讯新闻可以确定更多同股票资讯新闻相关的潜在股票,从而提高标注结果的质量。     

基于无监督学习的编码衍射成像方法研究

编码衍射成像旨在利用衍射强度图样重建原始图像，而现有基于人工设计先验的编码衍射成像算法大都在低信噪比下成像质量低。通过基于深度神经网络学习的深度先验能够解决上述问题，但有监督学习需要大规模样本对，不利于实际应用。针对这一问题，本文提出一种基于无监督学习的编码衍射成像方法。该方法结合双数据保真项、卷积稀疏编码模型和深度图像先验模型构建了能够融合互补先验的优化模型，并利用交替优化方法对其进行有效求解。实验结果表明，提出的方法能够在低信噪比下仅通过单幅编码衍射强度图样重建出高质量的图像。