木立芦荟试管白化苗的再生和细胞学研究

对UV—B辐射诱导形成的木立芦荟的试管白化苗研究结果表明，白化苗的茎段仍具有再分化的能力；继代培养的试管白化苗还具有部分修复能力，即部分叶片恢复绿色．这种修复是随机的，在继代培养第五代时，恢复率为5．37％；恢复绿色的部位也是随机的，可在维管束处，也可在维管束之间．白化苗的根尖细胞中期分裂相观察，染色体易断裂，说明DNA受到了一定的损伤．     

模拟长期失重对白化与非白化大鼠眼部影响的比较

目的 比较白化鼠与非白化鼠在长期模拟失重后眼部结构与功能的改变,完善和补充长期微重力暴露所致眼部损伤疾病动物模型构建方法。方法 将正常雄性Sprague-Dawley(SD)大鼠(白化鼠)和Brown-Norway(BN)大鼠(非白化鼠)各12只随机分为SD正常对照组(N_S)、BN正常对照组(N_B)、SD模型组(M_S)和BN模型组(M_B),每组6只,模型组采取30°头低位尾悬吊8周模拟长期失重,在造模结束后利用视网膜电流图(ERG)和视觉诱发电位(VEP)检测大鼠的视觉功能,石蜡切片HE染色观察视网膜形态,同时通过小动物眼底成像系统观察大鼠眼底血管改变情况。结果 在8周尾吊模拟失重后,M_S组与N_S组相比,暗适应3.0 ERG反应振幅明显下降(P<0.01),VEP的P2波峰时值明显延长(P<0.01),HE染色显示外核层变薄(P<0.01),眼底可见脉络膜血管血流增多,而M_B组与N_B组相比,视网...     

灰色GM(1,1)模型建模的理论探讨

在分析GM(1,1)建模中灰导数及其白化背景值对模型精度与适应性的影响的基础上,从灰导数、灰导数的白化背景值的构造证明了原始时间序列数据变化越平缓,发展系数的绝对值越小,GM(1,1)模型的拟合与预测精度越高,模型的适应性越强,同时提出了原始序列数据的一些处理方法。     

传统灰色建模的一些理论问题

分析了GM(1,1)建模中灰导数及其白化背景值对模型精度与适应性的影响,并从灰导数、灰导数的白化背景值的构造证明了原始时间序列数据变化越平缓,发展系数的绝对值越小,GM(1,1)模型的拟合与预测精度越高,模型的适应性越强,根据研究结果指出了提高GM(1,1)模型精度的研究方向.     

用灰色聚类方法对旧建筑物结构安全性的评定

近年来,我国旧建筑物已达到相当规模.为减少盲目地选择拆除或不加科学决策的维修改造造成的浪费,必须对旧建筑物结构安全性进行评定.文中在对旧建筑物结构安全性评定聚类指标研究的基础上,建立了结构安全性评定等级聚类灰数的白化权函数,进而应用灰色聚类方法对某旧建筑物结构安全性进行了评定.结果表明该方法简单实用,能为旧建筑物维修改造决策提供科学依据,是一种对旧建筑物结构安全性评定方法有益的探索,对建筑业乃至社会的和谐发展都具有重大意义.     

逐步优化灰导数白化值的GM(1,1) 直接建模法

在GM（1,1）直接建模法以差商作为灰导数白化值的基础上,提出了一种逐步优化灰导数白化值的方法。结果表明,这一方法不仅保持了原方法的升（降）凹（凸）一致性、线性变换一致性,而且具有渐近白指数律重合性和线性收敛速度。弥补了原方法不具有白指数律重合性的缺陷,突破了当发展系数的绝对值较大时GM（1,1）不能应用的禁区,提高了建模精度。     

灰数的白化变换在市场预算中的应用

给出了灰数的白化变换的定义、运算及灰数的白化变换的期望值概念.在此基础上研究灰数的白化变换在市场预算中的应用.     

基于正交约束常模算法的MIMO系统盲信号分离

文中提出一个基于线性即时混合类型的两步盲信号分离方案。该方案先利用接收信号的二阶统计特性对信号进行白化,然后利用常模算法对信号向量进行自适应的盲分离。为了使每一个输出端都能分离出一个独立的信号,文中提出一种基于正交约束的常模算法,仿真结果表明该算法不仅能使每个输出端收敛到一个独立的输入端,并且能使收敛速度加快。     

改进的灰色聚类方法及应用

基于灰色聚类分析理论，采用区间化算予对聚类对象的特性指标规范化，改进了白化权函数的选取方法．通过选择规范的白化权函数，使得每一个评判子类对所有的指标只需设定一种白化权函数．新方法不仅解决了传统的灰色聚类方法计算复杂的缺点，而且有效地克服了当聚类指标的意义、量纲不同，且在数量上悬殊较大时，采用传统的灰色聚类方法可能导致的某些特性指标参与聚类的作用十分微弱的局限性．通过具体的应用实例验证了该方法的有效性．     

属性值为区间灰数的判别分析法

判别分析法是在已知研究对象分成若干类型并已取得各种类型的一批已知样品的观测数据,在此基础上根据某些准则建立判别式,然后对未知类型的样品进行判别分类。当观测数据是实数时,我们可以很容易地按照已有的判别方法进行归类,但在实际情况中往往不容易测得精确数据,而是一个个区间灰数。在这种情况下,本文采取灰色系统理论中将灰数白化的方法,先将灰数白化,然后再按照判别分析法进行判别归类。