反向线性探针杂交技术检测慢性乙型肝炎病毒拉米夫定耐药研究

目的:建立起简单、快速、灵敏、准确的慢性乙型肝炎病毒拉米夫定耐药位点的反向线性探针(reverse line probe,RLP)检测方法.方法:根据HBV野生及耐药基因序列设计通用探针、3'、5'对称加有poly-C的特异性探针和5'标记生物素的扩增引物.将探针线性固定在硝酸纤维膜上,使HBV PCR扩增产物与探针进行杂交.通过优化杂交条件,建立RLP检测方法.利用该方法对重庆地区86个慢性乙肝病人进行检测,同时与直接测序结果比较.结果:半巢式PCR可对103拷贝/ml的血清样本进行有效特异扩增,新建的RLP检测方法可对PCR扩增产物在1 ng/ml以上,或血清样本中突变型DNA占野生型DNA比例为5％以上的均可有效检测,86例临床的检测灵敏度为100％,野生型和耐药型的检测准确性分别为98.09％(103/105)、100％ (43/43),与直接测序法比,RLP检测野生与耐药混合型准确性更好.结论:反向线性探针杂交检测方法检测HBV拉米夫定耐药位点方便、灵敏、准确,是HBV拉米夫定治疗有效的监控工具,该方法适合临床应用.     

来自欧佩克的OFDI反向技术溢出对我国经济增长的影响研究

采用2003-2010年我国对欧佩克13个国家①对外直接投资(OFDI,Outward Foreign Direct Investment)的面板数据,分析来自欧佩克的OFDI反向技术溢出对我国经济增长的影响,发现:①分别从短期、长期来看,OFDI反向技术溢出对我国经济增长有促进作用,但是影响大小尚不如FDI;②OFDI与国内资本投资形成正反馈,也就是说随着我国对外直接投资的增加,获得的收益可以转而增加国内投资,而国内资本的增加也会增加对外直接投资;③长期看来,OFDI与FDI对我国经济作用之间的差距有缩小的趋势,经济危机后这种趋势更为明显;④欧佩克组织中发达国家并不比发展中国家对我国经济影响更大.     

基于支持向量机的大学财务困境预警模型

为了解决大学的财务风险预警模型由于样本稀疏造成预测准确率偏低的问题,该文提出了一种基于支持向量机(SVM)的预警模型的构造方法.选取教育部64所大学的7个财务评价指标并将其分为轻警、重警和巨警3种类别进行了训练计算.与误差反向传播(BP)神经网络模型相比较,在小样本数据条件下,基于SVM的大学财务困境预警模型是大学财务困境预警的有效方法.研究结果可以较好地对大学财务困境进行预警监测.     

基于BP神经网络的中文分词算法研究

简要探讨了BP神经网络的学习过程与主要参数,分析了基于BP神经网络的中文分词算法,并在用joone-editor建立的神经网络模型中加以实验。     

把握自贸区发展机遇,提升规则制订影响力

<正>2014年12月5日,中共中央政治局就加快自由贸易区建设进行第十九次集体学习。习近平总书记在主持学习时发表了讲话。他指出,加快实施自由贸易区战略,是我国新一轮对外开放的重要内容。党的十七大把自由贸易区建设上升为国家战略,党的十八大提出要加快实施自由贸易区战略。党的十八届三中全会提出要以周边为基础加快实施自由贸易区战略,形成面向全球的高标准自由贸易区网络。这次中央政治局集体学习安排这个内容,目的是分析我们加快实施自由贸易区战略面临的国内外环境,探讨我国加快实施这个战略的思路。     

大数据技术助推宁夏科技文献知识服务平台建设

正近年来,在宁夏回族自治区科技基础条件平台项目的建设推动下,宁夏科技发展战略和信息研究所构建了基于SOA架构和反向代理网管技术为主的服务于全区科技创新主体的宁夏科技文献资源共享平台,完成了各类科技文献资源总量已达20多亿条的宁夏科技文献数据资源建设,资源存贮空间达到20T,文     

改进GOM模型在我国矿业安全事故预测中的应用

应用反向累加生成对原始序列进行预处理,并以此建立改进的GOM(1,1)模型,再根据我国2008~2013年矿业安全生产事故统计数据,对我国矿业安全生产事故总数进行建模分析,给出未来事故发生的预测值,并希望能为中国安全生产管理实践工作提供决策依据,使"先预再防"的安全理念加以推广。     

基于反向传播树的传感网路由算法

本文在分析无线传感器网络LEACH(Low-Energy Adaptive Clustering Hierarchy)协议的基础上,提出了一种新的基于反向传播树的聚簇路由协议BPT-CR(Back Propagation Tree based Cluster Routing),该协议簇头的选择综合考虑节点剩余能量和数据融合等因素,采用周期性轮换机制,有利于延长传感器网络的生存时间;路由的选择采用基于地理位置的反向传播树路由策略,有利于降低路由选择的复杂度,提高网络的吞吐量。     

基于LUT实时图像矫正的行缓存优化

基于反向映射的图像矫正被广泛应用于解决光学镜头透视引起的非线性畸变失真问题,该方法将映射坐标固化在LUT内,避免了复杂的坐标计算,但需要大量行缓存储备图像数据用以执行反向映射.为了减少行缓存的使用,本文提出了一种基于读扩展的环形行缓存读写算法,利用行同步信号的消隐间隔扩展读周期,使读写指针循序错开,保证上下映射的空间.相比传统的以最大偏移作为行缓存的结构,改进的专用控制算法可以减少近一半的内存使用.本文中的实时图像矫正系统已经在FPGA上实现,实验结果表明所提出的读扩展行缓存算法显著地改善了内存的消耗,并且获得良好的实时图像矫正效果.     

基于LWSFLA-SVM的人脸识别算法*

目的用线性调整惯性权重的蛙跳算法(linear decreasing inertia weight shuffled frog leaping algorithm,LWSFLA)训练支持向量机(support vectors machines,SVM),解决人脸识别中SVM在训练样本数较多且维数较高时,识别效果不理想的缺陷。方法该算法先用反向学习法产生初始群体提高初始解的质量,再修改最差青蛙的更新策略,并引入线性递减的惯性权重,最后应用于人脸识别中。结果与结论 ORL和CAS-PEAL-R1人脸库的仿真实验表明,LWSFLA-SVM方法的人脸识别时间短,识别率高,在训练样本不足时,识别效果良好。