一类低相关序列

给出一类d型函数,用该函数构造出了一类低相关序列集.这类序列集的周期为2n-1,集合中序列的条数为2n,其中n=4m 2.证明了其非平凡相关值只取以下4个值{-1,±2n/2-1,2n/2 1-1}.     

影响植物分枝的一些基因及其分子机制

了解植物分枝机理不仅具有理论意义,对于农业、林业、果树、蔬菜和花卉等生产实践更具有重要意义.由于分子生物学的发展,人们有机会获得转基因植物和突变体,利用这些材料从不同角度对植物分枝机理进行深入研究.影响植物分枝的分子机制是多种多样的,对激素感知、激素代谢、激素运输等方面的影响都可以改变植物的分枝状况.目前,分枝的分子机制研究已取得较大进展.     

用于蛋白亚细胞定位研究的烟草愈伤组织培养条件优化

使用绿色荧光蛋白作为报告基因来研究目的蛋白的亚细胞定位得到广泛应用.使用稳定表达系统研究蛋白的亚细胞定位比较耗时,但可以先选择愈伤组织进行观察以确保构建的载体能够表达.优化了愈伤组织的培养条件,得到了质地疏松柔软的白色愈伤,不受叶绿体的荧光干扰,便于进行荧光观察.     

典型喀斯特山地城市不透水面时空格局

以贵阳市主城区为研究区,利用基于植被覆盖度提取法和线性光谱混合分析法分别提取研究区不透水面信息;通过精度对比,选用最优方法提取研究区1996、2007、2017年的不透水面信息,并结合标准差椭圆法和相关扩展指标探讨不透水面的时空演变.结果表明:在喀斯特地区利用线性光谱混合分析法提取不透水面信息效果较好;1996—201...     

基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型

为进一步提高住宅价格预测精度,进而为有关部门提供相关数据参考,帮助其及时准确地制定相关政策,提出了基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型。该模型首先使用Pearson系数对影响房价的相关因素进行特征筛选,舍弃与住宅价格关联性不强的因素;然后使用萤火虫算法对BP神经网络进行优化,建立基于萤火虫算法优化的BP神经网络预测模型;最后以上海市统计局最新发布的相关数据进行实验验证。实验结果表明,所提模型优于其他5种模型,能够实现住宅价格的有效预测。     

分块矩阵的若干思考

在处理矩阵问题时,矩阵的分块以及矩阵的初等变换起到了重要作用.利用矩阵的初等变换求逆矩阵相比较解方程组求逆矩阵要更加简洁,同时,在不知矩阵是否可逆时要先分情况进行讨论后再求解.在求解更加复杂问题时,要对分块矩阵的子矩阵进行分类讨论,确定其是否可逆,若不可逆,则构造出可逆矩阵进行求解.本文通过举例给出了分块矩阵以及初等变...     

超临界反溶剂过程制备四环素超细微粒

超临界反溶剂过程是近年来提出的一种制备纳微米粉体材料的新方法．实验以乙醇为有机溶剂,CO2为反溶剂,利用连续式超临界反溶剂过程制备四环素超细微粒．研究了操作压力、温度、浓度、喷嘴内径等操作参数对制备的四环素超细微粒形态、粒径及粒径分布的影响．实验结果表明：采用乙醇作为有机溶剂,在压力15．0MPa、温度35℃、溶液浓度5mg／mL及喷嘴内径75μm实验条件下可得到较理想的实验结果,制备出的四环素超细微粒平均直径为20～40nm．     

MAIT细胞在肝炎发生发展中的作用研究进展

黏膜相关恒定T(MAIT)细胞是一种非传统的固有免疫样T细胞,其激活方式不同于传统T细胞,其TCR主要识别主要组织相容性复合物相关蛋白1(MR1)提呈的抗原,其激活也可通过识别腺病毒载体及IL-12、IL-18等细胞因子完成。活化后的MAIT细胞可释放多种细胞因子,直接或间接参与机体免疫应答。MAIT细胞主要分布于黏膜组织和肝脏中,在肝脏中占T细胞的比例可高达50%。MAIT细胞在治疗肝脏疾病过程中发挥着重要作用。肝炎是许多肝脏疾病的早期诱导因素,早期的肝炎得不到及时治疗就会发展为慢性肝炎甚至肝癌。就MAIT细胞应对肝炎所发挥的免疫作用展开综述。     

多任务模糊聚类驱动的多任务TSK模糊系统模型

该文提出了一种多任务Takagi-Sugeno-Kang（TSK）模糊系统建模方法.首先给出了一种新的多任务模糊c均值聚类算法,能够有效提取所有任务之间的公共信息和每个任务的私有信息,进而利用所得的聚类中心构建多任务TSK模糊系统的前件参数.其次设计了一种具备多任务协同学习机制的后件参数优化方法,可以优化多任务TSK模糊系统的后件参数.最后基于优化的前后件参数,构建出具体多任务模糊聚类方法驱动的多任务TSK模糊系统模型（multi-task fuzzy c-means based multi-task TSK fuzzy system,MTFCM-MT-TSK-FS）以用于实际应用.分别在合成和真实数据集上进行实验,结果验证了该模型的有效性.     

多精英采样与个体差分学习的分布估计算法

提出了基于多精英采样和差分搜索的分布估计算法EDA-M/D (Estimation distribution algorithm based on multiple elites sampling and individuals differential search)。EDA-M/D利用多精英个体独立采样生成子代来提升算法全局搜索能力,利用精英群体分布的σ²约束采样半径,实现种群从全局搜索逐步过度到局部搜索。当精英群体停滞时,劣势个体借助精英群体的μ和种群历史最优解进行差分搜索,帮助种群跳出局部最优解。通过多精英采样与差分搜索的自适应协同实现种群宏观信息与个体微观信息的有机融合。实验结果表明EDA-M/D在稳定性和搜索能力方面均表现出明显的优势。