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。     

基于决策树算法的AMT挂挡过程冗余控制研究

为了对AMT系统挂挡过程进行良好的冗余控制,针对挂挡位移传感器失效状况,提出了一种基于CART决策树算法的挂挡时间预测模型.模型建立过程中,选取挂挡阶段的气压p、变速器输入轴转速n₁、变速器输出轴转速n₂和同步器的同步速差Δn作为特征值变量,选取挂挡时间作为预测值.通过交叉验证,对原始决策树进行修剪,得到最优决策树模型.在使用测试集进行模型验证时,在预测误差不超过50 ms的情况下,对挂挡时间的预测具有90%以上的准确率.台架及实车试验表明,在挂挡位移传感器失效的情况下,基于该算法的电磁阀控制策略可以完成正常的换挡操作,通过实际传动比和控制策略预测得到的理论传动比的对比发现,预测的换挡点时刻的判断误差在50 ms以内.      

不同热处理工艺下H13钢组织性能的变化

文章通过热处理工艺参数的变化研究了H13钢组织结构及力学性能的变化规律.试验结果表明,H13钢经过1050℃淬火、600℃2次回火后获得良好的力学性能,伸长率达到7.55%左右,抗拉强度达到1340 MPa;淬火温度高于1080℃后,奥氏体晶粒明显长大,淬火冷却后晶粒不均匀;回火次数2次最佳.     

浅谈高寒地区小麦抗旱增产种子处理法途径

为实现“二高一优”农业的要求，获得小麦高产、稳产、优质、高效，良种必须有良法相结合，因地制宜地采用农业新技术与常规农业技术措施进行合理组装，即高产综合栽培技术措施。以不变应万变的多套技术措施和方案做储备，提高应变能力，防患于未然，使有限的土地获取小麦最高的经济产量。我县和全省及高寒地区一样，历年春播时期常遇“十春九旱”和麦收期秋涝的自然因素。经我们与各乡站农业技术人员密切合作和多年试验、示范、推广应用，不断探索和实践及连续反复总结经验，从中筛选出“小麦抗旱增产种子处理法”。采用此法的确是获取小麦…     

生物学教育视野中的人文教育:应然与实然

生物科学蕴含着大量的人文教育内容,生物学教育作为整体科学教育的一部分,应该在传授科学知识的同时对学生进行人文教育,培养全面发展的一代新人。在生物学教育中,应通过科学史教育、STS教育、介绍科学家的生平事迹、指出生物学理论的局限性、美育等途径实施人文教育．     

燃煤电站生态效率评价方法的应用研究

煤炭在我国一次能源结构中将长期占主导地位，同时源于煤燃烧所排放的众多污染物也受到了广泛的重视．考虑可持续发展的需要，本文以能源的生态效率作为评价指标，结合我国的燃料资源情况，在前期研究工作基础上，对燃煤电站生态效率的评价方法及其影响因素进行了进一步的研究，给出了根据燃料性质、电厂效率简捷地评价SO2、NOx及CO2对电站生态效率影响程度的方法，并提出了采取减排措施时相应的指标要求．     

丝胶蛋白膜的制备及其物理性能

以环氧树脂作为交联剂制备具有一定力学性能的丝胶蛋白膜。用X-射线衍射法研究丝胶蛋白膜的聚集态结构；对丝胶蛋白膜的热水溶失率和力学性能进行测定；并探讨了交联剂种类、比例对丝胶蛋白膜性能和结构的影响。结果表明，交联剂对丝胶蛋白膜的交联作用明显，引起了丝胶结晶形态的变化；并改善了丝胶蛋白膜的物理性能，交联剂PEGO10加入30％左右所制得的丝胶蛋白膜拉伸断裂强度和断裂伸长率较好。     

基于校园网格的多学科计算及协同可视化

针对浙江大学各高性能计算资源过于分散、无法充分利用的问题,提出一种校园网格的架构.通过使用Globus Toolkit和Sun Grid Engine两种网格中间件,部署层次化结构的校园网格,并在此基础上提供科学计算、生物信息、流体力学等服务.通过在不同节点数的网格中的应用程序运行情况的测试,表明校园网格能够提供高效、稳定的计算能力.提供了在校园网格环境下本地绘制和服务器绘制两种可视化服务,用户可以针对不同的数据和计算环境,选择不同的可视化方法;用户可对可视化结果进行协同操作,便于联合研究和分析.     

基于模糊关联的交互式Web信息检索技术

交互式Web信息检索技术可根据用户反馈信息,调整和修正查询表达式,自动实现查询重构。在此提出一种基于模糊关联的交互式Web信息检索方法,试验结果表明,使用该方法实现查询表达式的重构,可较大幅度地提高Web信息检索系统的查准率。     

基于多级深度特征与随机游走的显著性检测

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。