无原子可测集的一个注记

针对测度在无原子可测集上的取值问题,提出两个新命题进行讨论。利用下定向的随机变量集合的下确界性质,通过对可测集的剖分,结合可测集与测度的性质,凭借反证法证明了测度为正数a的无原子可测集中必存在某个可测子集,使其测度落在区间[a/3,2a/3]内;在此基础上用数学归纳法证明了无原子可测集中必有一个单调不增的子集列,使得对无论多小的正实数区间,子集列中总存在某个集,其测度落在区间内;证明了测度不小于某正实数λ的无原子可测集中必存在某可测子集,使其测度落在区间[λ/3,2λ/3]内;进一步给出经典定理的新证明:若0ba,则测度为a的无原子可测集中必存在某可测子集,使其测度恰好为b;最后简要分析了文献中对定理的不同证明。     

废水处理系统中功能菌株特异分子标记

用40条10碱基随机引物对油脂化工废水处理系统中分离到的降解脂肪酸和脂肪胺功能菌株FA-2。FA-3及对照菌株进行RAPD分析。筛选出长度为700bp的FA-2的特异性片段,并克隆到pMD 18-T载体上．根据测序结果,设计了1对SCAR(sequence characterized anlplfied region)引物,通过SCAR-PCR反应,获得SCAR标记,并通过对20个培养样品进行PCR扩增,验证了标记特异性．结果表明该标记可作为特异的分子标记用于污水处理系统中功能菌株FA-2的监测．     

气相Lys分子体系捕获双电子单重激发态的特性

采用密度泛函理论（DFT）中的B3LYP方法, 在6-311+G(2df)基组水平上, 对气相赖氨酸（Lys）分子和Lys^2-的基态稳定构型进行优化, 并用含时密度泛函理论（TD DFT)方法考察气相Lys分子和带电离子体系单重激发态的特性. 结果表明： Lys分子体系捕获双电子时, 其体系能量有所增加； S1单重激发态与S0基态能量差值变小； 分子体系的荧光波长增加； S7单重激发态跃迁轨道数减少.     

干旱胁迫下麻疯树幼苗根和叶的生理应答变化

采用高浓度聚乙二醇胁迫模拟干旱的方法,研究比较了麻疯树幼苗不同组织根和叶对胁迫的应答变化.结果表明,麻疯树幼苗根和叶对胁迫都产生明显应答,二者组织中相对含水量都明显下降,活性氧、可溶性糖、脯氨酸和丙二醛的含量持续增加,抗坏血酸含量呈现先增加后降低的趋势,但同期上述指标变化幅度都不一样.在整个胁迫期间,根和叶的抗氧化酶系统变化不一致,超氧化物歧化酶、过氧化氢酶、过氧化物酶和抗坏血酸还原酶活性的应答启动时间、活性变化幅度和应答持续时间也呈现一定的差异.但是,在整个胁迫处理期,根和叶组织中上述各酶活性均维持高于对照的水平.     

N和S共掺杂对TiO2电子结构与光学性质的影响

基于第一性原理的计算方法研究了N和S共掺杂的锐钛矿相TiO₂的晶体结构、电子结构及光学性质.计算结果表明掺杂后晶格发生了变化,同时导带位置下移导致了TiO₂的禁带宽度变小.N和S共掺杂使TiO₂在紫外光区和可见光区有更强的光吸收特性.     

鲤亚目几种名优鱼的随机扩增多态性DNA分析

采用OPA、OPC和OPM三组共60条随机引物对鲤亚目的七种名优鱼和一种杂交品种进行了随机扩增多态性DNA(m)分析,对其中35个引物的扩增条带进行了统计,计算了它们之间的遗传相似率和遗传距离,在此基础上,利用UPGMA聚类分析建立了它们之间的亲缘关系,结果与传统分类是一致的,并且将杂交品种与纯种区分开来,实验还初步筛选了7种鱼的RAPD分子标记,探讨了用R6PD技术来鉴定名优鱼应用的可行性。     

超声波强化真空冷冻干燥酸奶中水分蒸发的研究

结合超声波和真空冷冻干燥的优点,对酸奶进行干燥.与真空冷冻干燥相比,在不同超声作用时间、超声波功率和脉冲的条件下,检测酸奶干燥过程中水分损失率、干燥总时间,建立相应条件下的干燥动力学模型.结果表明:超声波干燥显著的提高了物料在较低气流速度和低温下的水分扩散,有效的缩短了干燥总时间.干燥酸奶的最佳条件为超声波功率55%(总功率为900 W)、超声脉冲5∶3、超声波作用时间1.5 h,此时干燥时间在同等条件下最短,比对照组平均缩短了20.58 h.干燥的数学模型符合指数方程Wt=W0e-Kt.     

改进TOPSIS的多态融合直觉模糊威胁评估

针对防空作战中的目标威胁评估问题,提出一种新的多时刻融合直觉模糊集排序模型。首先,依据目标威胁属性的主、客观权重得到综合权重。然后,通过逼近理想解排序法来衡量直觉模糊集信息量的大小,利用直觉模糊熵来表征直觉模糊集信息的可靠性,并结合决策者的风险偏好,构建了基于信息量和不确定性的直觉模糊集排序模型,得出单时刻的目标威胁排序。最后,利用泊松分布逆形式构建了时间序列权重以融合多个时刻的决策信息,得出最终的目标威胁排序。仿真结果表明,所提算法综合了多时刻的决策信息,并可根据决策者的风险偏好进行调整,灵活性强,可靠性高。     

基于BiTCNSA的恶意代码分类方法

当前恶意代码的对抗技术不断变化，恶意代码变种层出不穷，使恶意代码分类问题面临严峻挑战。针对目前基于深度学习的恶意代码分类方法提取特征不足和准确率低的问题，提出了基于双向时域卷积网络(BiTCN)和自注意力机制(Self-Attention)的恶意代码分类方法(BiTCNSA)。该方法融合恶意代码操作码特征和图像特征以展现不同的特征细节，增加特征多样性。构建BiTCN对融合特征进行处理，充分利用特征的前后依赖关系。引入自注意力机制对数据权值进行动态调整，进一步挖掘恶意代码内部数据间的关联性。在Kaggle数据集上对模型进行验证，实验结果表明:该方法准确率可达99.75%，具有较快的收敛速度和较低的误差。     

基于多特征的密集假目标干扰融合识别与抑制

密集假目标干扰通过产生大量虚假回波扰乱雷达对真实目标的有效检测和识别,由于虚假回波信号与真实信号的高度相关性,雷达很难对其进行有效识别和抑制。针对该问题,提出了基于信号数据多特征的脉冲多普勒雷达密集假目标干扰融合识别与抑制技术,通过速度量测统计分布特征提取、峰值邻域谱线抑制、谱线分布信号幅度基本概率赋值构建及D-S证据理论融合判别实现了干扰的识别与抑制,仿真验证了该方法的有效性。