基于自组织映射网络的流量分类算法

网络流量分类在QoS、流量控制及网络安全等领域发挥了重要作用. 有监督型的机器学习方法对新流量的识别往往依赖于先前的人工分析;自组织映射网络算法模拟生物神经元,通过自组织行为对数据进行分类学习;实验表明,该无监督型算法能够对新流量进行自动识别,提高了流量识别的准确率.     

基于Ajax的即时消息系统的设计与实现

分析了即时消息在B/S应用程序中频繁刷新的问题,利用Ajax技术设计了在web页面不刷新的情况下即时消息功能,确保了消息传递的实时性以及用户界面的无刷性.     

一种动态自动称重方法

本文根据单摆原理,利用已知物体重量推导出了计算被称重物重量的公式,进一步讨论了产生误差的原因,并给出了具体实现方法,较好地解决了吊秤动态称重的难题。该方法简便、易行,可靠性强,精度高,适用于工矿企业,车站,码头和货物仓库等场所。     

基于属性聚类的贝叶斯分类算法

在数据挖掘的过程中,由于贝叶斯分类算法要求条件属性必须独立,因此具有一定的局限性.考虑该缺陷,提出用数据挖掘中另一种常用聚类算法对原始数据的条件属性进行数据预处理后,再使用贝叶斯算法.实验表明该算法提高了分类的准确率.     

N-（5-取代-1,3,4-噻二唑-2-基）-酰胺类化合物的合成、结构表征及其生物活性研究

为了寻找高效生物活性的化合物,笔者设计合成了一系列同时含有1,3,4-噻二唑、酰胺及芳氧亚甲基等活性基团的化合物.首先以取代羧酸和氨基硫脲为起始原料,三氯氧磷为脱水剂,脱水环化得到2-氨基-5-取代-1,3,4-噻二唑,然后再将所得到的产物与酰氯进行酰胺化反应,合成出12个新的N-(5-取代-1,3,4-噻二唑-2-基)-酰胺类化合物.将所合成的化合物通过元素分析、红外光谱、核磁共振氢谱等测试手段进行分析,确证结构.初步观察了所合成的目标化合物在10 ppm浓度下对小麦胚鞘发芽的影响,测试结果表明,所合成的目标化合物中大部分对小麦芽鞘生长具有抑制作用.     

重复性经颅磁刺激对吗啡依赖小鼠条件性位置偏爱表达的影响

通过检测重复性经颅磁刺激（rTMS）对吗啡依赖小鼠条件性位置偏爱（CPP）表达的影响,探讨rTMS对吗啡依赖小鼠的治疗效应。30只雄性ICR小鼠随机分为对照组、CPP模型组和rTMS治疗组。CPP模型组与rTMS治疗组通过交替注射吗啡和生理盐水建立CPP模型;对照组皮下注射等量生理盐水替代吗啡。在成功建立CPP模型的基础上,rTMS治疗组采用频率为1Hz的低频脉冲磁场进行治疗,每天治疗15min,连续7d;CPP模型组进行假电磁刺激操作;对照组不作任何处理。在rTMS治疗后分别检测三组小鼠的CPP表达并进行比较。结果显示在rTMS治疗的前3d内,rTMS治疗组小鼠的CPP值显著低于CPP模型组（P < 0.01）,且维持在相对稳定的范围内。结果表明1Hz rTMS能有效抑制吗啡依赖小鼠的CPP表达,可能成为戒毒治疗的新方法。     

一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

二维粗锐结构声子晶体带结构的计算

提出二维粗锐结构声子晶体模型,采用平面波展开法数值计算了不同体积填充率下二维正方粗锐和圆粗锐结构声子晶体的带结构.计算结果表明,利用粗锐结构的散射体同样可获得较宽的完全带隙,正方粗锐和圆粗锐结构的声子晶体最大带隙分别出现在体积填充率为f=0.3136和f=0.3216处.     

采用反向PCR技术优化适合毕赤酵母表达的截短型HPV58型L1基因

目的:探讨利用反向聚合酶链反应(反向PCR)技术根据毕赤酵母偏爱密码子优化截短型人乳头瘤病毒58型(HPV58)L1基因的研究.方法:设计PCR引物扩增截短型HPV58L1目的基因,将其克隆入毕赤酵母分泌表达载体pPICZαC;测序并对目的基因进行序列分析;根据毕赤酵母偏爱密码子利用反向PCR技术设计引物对目的基因进行扩增.结果:扩增了截短型HPV58L1基因并将其克隆入毕赤酵母分泌表达载体pPICZαC中;根据毕赤酵母偏爱密码子优化了截短型HPV58L1基因.结论:成功构建经密码子优化截短型HPV58L1基因的毕赤酵母分泌表达载体pPICZαC-HPV58L1.     

基于独立成分分析的强背景噪声去噪方法

由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效，提出应用独立成分分析(ICA)方法对声音信号进行特征提取，并证明了这种ICA变换能增强语音和音乐信号的超高斯性．在此基础上，应用ICA基函数作为滤波器，通过阈值化的去噪方法对含有强高斯背景噪声的声音信号进行去噪仿真实验．结果表明，本方法明显优于传统的均值滤波和小波去噪方法，为强背景噪声下弱信号的检测提供了新的途径．