基于小世界网络的微博谣言传播演进研究

刻画谣言在微博上的快速传播状态,研究影响谣言传播的关键因素。基于传染病的基础模型,将受众扩展为5类(无知者、接触者、传播者、沉寂者、失去兴趣者),引入兴趣衰减系数描述个体多次接触谣言时转发兴趣降低状态,同时考虑了个体只会转发一次的现实状况。为验证模型的有效性,对模型进行了多主体仿真,并将仿真数据与两个真实案例的数据对比,发现构建的模型可以较好地拟合现实情况。通过仿真实验,对不同因素的系数进行对比分析,发现改变兴趣衰减系数、首次转发概率以及小世界网络的属性都显著影响了微博的传播演进过程。     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

基于复杂网络理论的中文字字网络的实证研究

为更好地理解语言网络的拓扑结构及其形成特点,提出一种基于复杂网络理论研究中文字字网络的方法,并详细分析了中文字字网络的几个典型统计特性.实证结果表明:中文字字网络具有其他语言网络相似的拓扑属性,即无尺度行为、小世界效应及度相关性的正匹配.实证研究及对统计结果机理的阐释对于语言学、认知科学的深入开展具有一定的借鉴价值.     

基于模型等效原则的CLLLC电力电子变换器的建模与分析

通过大信号模型端口等效的电路原则,分别分析了广泛应用于工业生产领域的两类高效率谐振变换器（LLC与CLLLC）的电路模型,详细论述了两类变换器电路模型之间的关系与区别.并通过模型等效方法,将CLLLC谐振变换器简化为LLC-C变换器模型,实现了模型降阶.在此基础上通过正余弦分量扰动的方法建立了变换器的小信号模型,并通过仿真与实验验证了建模方法的正确性.     

JAK2/STAT3信号通路活化参与DEN诱导的小鼠原位肝癌

肝细胞癌是一种高死亡率的原发性肝癌,临床上具有早期发现困难、难治疗和易复发的特点.为了建立适用于本实验室的动物原位肝癌模型,采用二乙基亚硝胺(DEN)诱发C57BL/6小鼠形成肝癌,通过动态监测小鼠肝癌发展进程的病理学特征及生化指标,结合特异性免疫组织化学检测,发现与对照组相比,DEN给药后,小鼠体重随给药时间延长呈现明显降低,血清中谷丙转氨酶(ALT)、谷草转氨酶(AST)与肝脏组织中JAK2和STAT3蛋白表达显著增加,且小鼠肝脏形态及病理切片逐渐出现炎症-肝纤维化-肝硬化现象,并在第20周形成肝癌.结果表明JAK2/STAT3信号通路的激活,参与并促进了DEN诱导的小鼠肝脏炎症和癌变的发生,其信号的异常高表达有助于将其作为生物标志物对肝癌病变周期进行判断,也为后续关于JAK2/STAT3通路抑制剂对小鼠原位肝癌的治疗作用研究打下了基础.     

自密实混凝土的应用

自密实混凝土因其在使用过程中无需振捣,完全依靠自身重力作用,并且具有高度流动性和填充能力受到社会建筑行业的重视.自密实混凝土在一些特殊的工程环境条件下课发挥普通混凝土所不具有的性能.自密实混凝土的弹性模量也比普通混凝土的弹性模量要低,保障了其具有很好的抗压强度.因此,自密实混凝土由于这些适用于各类混凝土结构和施工条件独具特色的性能和优势被各国学者所看好,被认为是混凝土将来的必然发展趋势之一.该文将对自密实混凝土性能及应用进行简单介绍.     

关于在我国建立“小政府、大社会”模式的看法

当前,许多专家、学者在反思我国的政府改革为何始终摆脱不了"精简—膨胀—再精简—再膨胀"的"怪圈"的时候,提出了应该确立"小政府、大社会"的改革目标模式,但是"小政府、大社会"模式根源于西方的经济、政治制度,是西方经济发展到一定阶段的产物,并不适合于各个国家的各个经济发展阶段。笔者从"小政府、大社会"产生的时代背景出发,并结合中国的实际情况,探讨"小政府、大社会"模式不适合中国的现实国情,并提出中国应建立"适中"的政府规模。     

气化小油枪点火技术的应用研究

介绍了气化小油枪点火及稳燃技术的工作原理及系统构成,并针对该技术装置在太原发电厂300 MW机组燃煤锅炉上进行了工业性应用试验。结果表明,作为一种能应用于电站大型锅炉启动、停止以及低负荷稳燃的新型节油技术,气化小油枪点火稳燃技术具有显著的经济效益和社会效益,工业化应用前景良好。     

结构化EM算法在小样本贝叶斯网络学习中的应用

在贝叶斯网络学习中,合理数据集的存在可以大大降低贝叶斯网络学习对知识工程的过多依赖.但当数据集中样本数量不够大时,可能没有足够多的样本甚至不存在样本来代表变量间的某些条件独立关系,从而无法学习贝叶斯网络.将数据集修正与结构化-期望最大化算法相结合,得到一种有效的小样本上贝叶斯网络学习的方法,实验结果表明,该方法能够有效地进行小样本上贝叶斯网络学习.     

关于R.Brück的一个结果

通过考虑少极点的非常数亚纯函数与其线性微分多项式分担一个小函数的情况,改进了R.Brück和Q.C.Zhang及A.Al-Khaladi等人的结果.