可调数目吸引子共存的混沌系统及同步控制

混沌系统中的吸引子共存能够增强在同步通信中的安全性,因此建立一个具有吸引子共存的混沌系是有意义的。将双曲正切函数加入新混沌系统中,通过扩展系统平衡点的方法产生具有无限多吸引子的共存,该方法产生的吸引子个数具有可调性。此外,设计了反馈控制律,实现了系统的全局同步控制。理论研究和数值模拟仿真结果验证了该同步方法的有效性。具有可调数目的吸引子共存的混沌系统具有更为复杂的动态行为,因此在同步通信领域具有较好的应用价值。     

湘西辣椒花药离体培养及其再生植株染色体数目的变异

利用辣椒花药诱导单倍体研究表明：NTH,MS培养基均能诱导产生愈伤组织和胚状体,但NTH培养基比MS培养基培养效果好,以NTH+6-BA 0.2mg/L+NAA 0.5mg/L+KT 1.2mg/L+AgNO₃ 5.0 mg/L为愈伤组织和胚状体诱导的适宜培养基。通过花药培养获得的辣椒植株中,具有丰富的倍性变异,经染色体计数鉴定,单倍体( n=12 )约14%,二倍体(2n=24 )约46%,四倍体(4n=48 ) 约4%,各种混倍体约36%.     

基于TCAD的门极换流晶闸管的研究

文章基于ISE公司的半导体仿真软件TCAD系列软件对GCT进行了模拟,通过建立的GCT模型,研究了透明阳极结构和栅极数目对通态特性的影响。模拟结果表明,透明阳极中的杂质总量是决定GCT的通态压降的关键因素,杂质总量越多,通态压降越低。研究成果对GCT器件的设计和制造具有重要的参考价值。     

基于密度RPCL的K-means算法

目的探索同时确定K-means算法的最佳聚类数K和最佳初始聚类中心的方法,使K-means算法的聚类结果尽可能地收敛于全局最优解或近似全局最优解。方法以次胜者受罚竞争学习(Rival Penalized Competitive Learning,RPCL)作为K-means的预处理步骤,以其学习结果作为K-means的聚类数和初始聚类中心并依据数据集样本自然分布定义样本密度,将此密度引入RPCL的节点权值调整,以此密度RPCL的输出作为K-means的最佳聚类数K和最佳初始聚类中心。采用UCI机器学习数据库数据集以及随机生成的带有噪音点的人工模拟数据集进行实验测试,并用不同的聚类结果评价指标对聚类结果作了分析。结果提出的密度RPCL为K-means提供了最佳的类簇数和最佳的初始聚类中心。结论基于密度RPCL的K-means算法具有很好的聚类效果,对噪音数据有很强的抗干扰性能。     

一种改进的K-means聚类服装图像分割算法

图像分割是图像处理中的重要环节,如何提高图像分割的准确度一直以来都是图像领域的研究重点及难点.K-means聚类算法作为经典聚类算法得到广泛应用,但是,k值的选取往往难以确定.针对这一问题,提出了一种改进的K-means算法.首先将输入的彩色图像转化为灰度图像,统计灰度直方图的峰值数,将其设定为聚类数k,然后对原图像的...     

人类基因的几个意外发现

最近,国际“人类基因组计划”推出一部惊世之作《人类基因组的初步测定和分析》,该书首次全面介绍了人类基因组工作框架图的“基本信息”。这一重大成果标志着生命科学又向纵深迈进了一步。书中披露的很多内容让人感到非常意外。     

如果向日葵会说话

2019年6月22日星期六晴在我精心照顾下,葵花子在花盆里很快就发芽了。两片“胖胖”的子叶展向两边,叶片上有淡而细的叶脉,十分精致。看.这是谁不小心丢失的“碧玉簪”?6月30日星期天阴向日葵长得很快,越长越高,茎的上部聚集着充满生机的叶子。每天早晨,所有叶子齐刷刷朝向太阳。一天里,太阳到哪里,它们就向哪里“举手敬礼”。     

细基江蓠繁枝变型（新变型）Gracilaria tenuistipitata Chang et xia f.liui Zhang et xia f.nov.的生长与比重的关系

本文报导了细基江蓠繁枝变型(新变型)的生长与比重的关系，细基江蓠繁枝变型生长的适宜比重为1．005—1．015，最适宜的比重为1．010。比重在1．020以上时，生长下降。细基江蓠繁枝变型的小枝(长为1cm和3cm)也是在1．010时生长最好。但1cm小枝的增长率和单应长度上长出的分枝数目、长度都比3cm的小枝好。     

织物风格研究中的模糊聚类方法

本文将模糊聚类方法用于织物风格模式识别,取得了较好的效果。为便于相互比较,本文还将同一问题采用多元统计分析中的几种系统聚类方法进行处理,所得结果与模糊聚类都是比较一致的。本文还利用Marriot的G~2|W|准则,确定了织物风格的最佳分类数目G。这就为进一步建立判别函数,作织物样本风格的判别分析提供了前提和依据。这种样本性能鉴别分类的方法具有客观、合理等特点,可望在许多方面得到应用而不仅仅限于织物风格研究。