水稻黑条矮缩病毒基因组第九组分cDNA的克隆及序列分析

从我国发病的玉米材料中提取水稻黑条矮缩病毒,抽提病毒RNA,利用RT-PCR等手段,获得了病毒基因组第九组分（S9）cDNA克隆。序列分析结果表明：S9全长1900bp,含有2个不重叠的ORF,编码蛋白的分子质量分别为39.9,24.2ku,与日本株S9核苷酸序列同源性为89%,与意大利株MRDV S8同源性为86%。     

约束优化问题稳定序列二次规划方法研究综述

稳定序列二次规划(sSQP)方法由于在求解病态或退化约束优化问题获得理论与数值的突破性进展而备受关注,重要成果频繁问世.本文对近期国际上若干重要sSQP方法及其思想进行概述,包括罚函数型sSQP方法,滤子型sSQP方法和非精确恢复(IR)型sSQP方法等,并对约束优化问题sSQP方法的进一步研究进行探索性思考.     

基于 RIE 的自适应窄带干扰抑制算法

针对直接序列扩频(direct sequence spread spectrum,DSSS)通信系统中窄带干扰(narrow-band interference,NBI)抑制问题,将窄带干扰存在性识别技术(recognition of interference existence,RIE)和变换域窄带干扰抑制算法相结合,提出了一种自适应窄带干扰抑制算法.该算法能根据接收到的信号,利用基于能限因子的RIE算法判断接收信号中是否含有窄带干扰信号,从而决定是否需要对其进行干扰抑制处理.理论分析表明,当接收信号中不合窄带干扰或干扰信号较小时,既可减少由于窄带干扰抑制算法对有用信号造成的损伤,提高误码率性能,又能降低系统处理的复杂度.仿真结果表明,自适应窄带干扰抑制方案抑制干扰误码率性能明显优于非自适应窄带干扰抑制方案.     

基于DCT变换的码分多址图像数字水印算法

目的为得到一种新的鲁棒数字水印算法。方法应用CDMA技术,通过合理选取扩频码以及合理挑选图像子块,实现在图像DCT域嵌入有意义二值图像水印,保证水印的不可见性;充分利用所选取扩频码相关函数的特性,在有原始宿主图像参与的情况下实现水印的快速提取。结果给出了算法的分析和实现步骤,最后的仿真实验表明了算法的有效性。结论与已有方法比较,所得算法可实现较大数据信息的嵌入,并且对于JPEG压缩、噪声、滤波以及中心剪切等操作具有较强的鲁棒性。     

Banach空间中非扩张映象具误差的迭代收敛问题

在Banach空间中．研究了具误差的Reich-Takahashi迭代序列的收敛问题,所得结果改进和推广了已有的相关结果．     

广域电磁测深法研究

根据水平电流场源和垂直磁场源在半均匀空间地面的电磁场解析表达式,定义了广域视电阻率,建立1种新的频率域测深方法即广域电磁测深法。研究结果表明:采用广域电磁测深法可以在过渡带进行测量,即以较小的收发距探测到较大的深度;广域电磁法包括E-Ex广域电磁测深和E-Ez广域电磁测深等方式,每种方式各有其特点,而且都只测量1种物理量;广域电磁法与2n序列伪随机电法相结合还可以发展成2n序列伪随机信号-广域电磁法,不但探测深度大,而且效率高,广域电磁法可用于寻找火山岩油气藏、深部金属矿和工程电法勘探。     

3个STR基因座在岫岩满族及广州汉族群体遗传多态性

目的调查D7S3048,D10S2325和GATA198B05基因座在岫岩满族和广州汉族人群的遗传多态性。方法根据GeneBank资料合成GATA198B05基因座引物,自行设计D7S3048和D10S2325引物,对岫岩满族202名无关个体以及广州汉族233名无关个体DNA进行PCR扩增,3130型基因分析仪电泳分析,GeneMapper*3.2分析等因位基因片段大小,测序后对等位基因命名。结果3个STR基因座在两个群体基因型频率分布符合Hardy-Wein-berg平衡(P0.05),多态性信息含量在0.810～0.860之间,杂合度在0.790～0.866之间,个体识别力在0.948～0.966之间,非父排除率在0.580～0.727之间。结论这3个STR基因座在岫岩满族和广州汉族群体中多态性好,对群体遗传学研究和法医学应用具有重要意义。     

浅谈含有till/until句子的时间序列及其汉译

对于含有till/until句子的传统汉译方法一般是以这两个词的用法分类为基础的.从这两个词汇和所在句主句谓语动词构成的时间序列关系入手,探讨能够简化、优化这类特殊句型汉译过程的新的翻译思路.     

ρ-混合序列部分和的几乎处处收敛性

利用ρ^-混合序列的Rosenthal型最大值不等式, 讨论了ρ^-混合序列的强收敛性; 在未附加任何其他条件的情况下, 得到了独立情形的Hintchine Kolmogorov收敛定理、 Marcinkiewicz强大数定律和三级数定理.     

水文时间序列变点识别的一种稳健方法

针对目前水文时间序列变点识别研究中忽略了方法的稳健性,未能充分考虑异常值的影响的不足,提出了利用一种高度稳健的高斯混合密度分解算法来识别水文时间序列中的变点,并以此来研究水文时间序列均值的突变该方法的核心是根据观测到的资料,通过逐步挖掘服从不同正态分布的时间序列分支,将均值变点的识别问题转化为混合正态密度的聚类问题,从而达到估计变点的位置以及自动获得变点的数目估计的目的实例计算结果表明,该方法对含有噪声的时间序列数据,仍能准确识别变点的位置,较好地解决了水文序列变点识别的稳健性问题．