不同Ca~(2+)浓度对斑节对虾光感受器细胞内储存的Ca~(2+)的影响

应用草酸-焦锑酸盐结合的沉淀技术研究了在不同Ca^2 浓度条件下斑节对虾光感受器细胞胞内储存的Ca^2 的变化，电镜观察表明：在高钙溶液培育后，细胞内的多囊体、色素颗粒、板膜体中都存在大量的焦锑酸钙沉淀的黑色颗粒，线粒体中则无；在生理溶液培育后，线粒体中出现沉淀，而其他Ca^2 储存器中焦锑酸钙沉淀的黑色颗粒则大量减少，低钙溶液培育后焦锑酸钙沉淀的黑色颗粒情况与生理溶液条件下的相似，研究证实光感受器细胞内储存的Ca^2 受到胞外Ca^2 浓度的影响。     

电网分析仪与PC机间串行通讯的设计与实现

文中研究了PC机和电网分析仪组成上位机和下位机之间的通讯过程,该通讯过程采用MODBUS协议。给出了用VB实现上位机监控软件的方法和下位机对上位机的通信实现     

AZ91D铸造镁合金交流脉冲双极微弧电沉积陶瓷膜

利用交流脉冲方法在AZ91D铸造镁合金表面成功实现阴、阳极微弧电沉积陶瓷膜,并使用SEM和xRD等手段对陶瓷膜的厚度、组织形貌、成分、结构和耐蚀性作了相应研究分析.结果表明,应用交流脉冲方法不仅能够在AZ91D铸造镁合金上实现阴、阳双极微弧电沉积陶瓷膜,同时在阴、阳极陶瓷膜中电沉积有稀土元素Ce.通过比较动电位扫描极化曲线和交流阻抗分析发现阴、阳极微弧氧化处理后AZ91D镁合金的耐蚀性得到显著提高.     

基于串口控制的激光场地桩考系统

介绍了一种摩托车场地桩考系统.系统以MCU AT89C52为电控部分核心,选用2个可见红光波长的激光束、5个霍尔接近开关作探测器,探测摩托车是否越线或碰撞桩杆.单片机与PC机通过串行接口进行双向通讯,自动检测评判桩考结果.系统采取激光束调制及其它措施保证了检测系统的可靠性,也可适用于不同车型的场地桩考.     

格列吡嗪控释微球的制备及体外释药性质

为研究口服药物控释微球的制备及其体外释药性质,以格列吡嗪为模型药物,采用喷雾干燥法制备具有恒速释药性质的微球.通过考察微球的收率、包封率以及体外释放特性,研究了载体材料、材料与药物比例以及药物释放环境对格列吡嗪控释微球释药性质的影响.结果表明,采用醋酸纤维素为载体材料,选用合适的配方,可制得具有零级释药动力学的格列吡嗪控释微球制剂,并且该制剂可以根据需要的条件在12 h或24 h内释放完毕.不同条件下微球的药物释放曲线线性拟合的相关系数在0.981～0.999之间.     

放线菌生物活性物质的高通量筛选

 放线菌是产生生物活性物质最多的一类微生物.最近3年,我室从云南省采集土样,分离到3000多株放线菌、真菌,选择其中2600株,进行发酵,制备成提取物,利用自建的抗氧化、抑制乙酰胆碱酶、抑制一氧化氮合成酶、AGE等模型和高通量筛选系统进行了筛选,筛选到一些值得进一步研究的菌株.对高通量筛选的有关问题及初步筛选结果进行了讨论.     

基于Hilbert-Huang变换的第一心音信号时频分析

根据瓣膜原理,第一心音(S1)是在心脏收缩期由二尖瓣和三尖瓣关闭时引起的振动产生的,含有多个频率分量.对第一心音信号的分析研究,在临床上对心脏疾病的诊断有重要意义.本文用一种全新的时频分析方法:Hilbert-Huang变换(HHT),对30例心音数据进行心音分析实验.实验结果表明:HHT方法可以有效的分析心音信号;S1含有二尖瓣M1及三尖瓣T1两个主要成份;异常S1的M1和T1的频率比正常S1有升高.     

分布式数据库约束性关联规则挖掘

针对分布式数据库和约束条件的特点,提出了2种在分布式环境下挖掘约束性关联规则的有效算法,即基于Apriori算法的DMAIC算法和基于频繁模式树的DAMICFP算法.此外,进行了实例验证和测试分析,指出了这2种算法各自的优缺点及适用条件.研究结果表明:DMAIC算法可靠性高,通信协议简单,适用于对通信性能要求不高的分布式数据库;DAMICFP算法执行效率高,通信性能好,适用于对通信性能要求较高的多项目分布式数据库;这2种算法均能有效地解决分布式挖掘约束性关联规则的问题.     

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。     

An extended Lagrangian support vector machine for classifications

Lagrangian support vector machine (LSVM) cannot solve large problems for nonlinear kernel classifiers. In order to extend the LSVM to solve very large problems, an extended Lagrangian support vector machine (ELSVM) for classifications based on LSVM and SVMlight is presented in this paper. Our idea for the ELSVM is to divide a large quadratic programming problem into a series of subproblems with small size and to solve them via LSVM. Since the LSVM can solve small and medium problems for nonlinear kernel classifiers, the proposed ELSVM can be used to handle large problems very efficiently. Numerical experiments on different types of problems are performed to demonstrate the high efficiency of the ELSVM.