二花脸猪染色体的G－带、C－带研究

以二花脸猪为材料，采用外周血淋巴细胞短期培养及Ｇ—带、Ｃ—带技术对其体细胞染色体进行分带研究．结果表明，不同细胞在Ｇ—带带型上呈现出带纹宽窄和染色深浅的变化，但每一对同源染色体及Ｘ、Ｙ性染色体都有其特殊的Ｇ—带核型；而Ｃ—带带型呈现出异形性；本文同时还分析了Ｃ—带异形性对品种鉴别的意义     

应用测力—落刀装置对积屑瘤、鳞刺的研究

本文研制了一种测力—落刀装置,对积屑瘤和鳞剌的某些问题进行了试验研究。结果表明:在积屑瘤存在的区域内,由于刀具实际前角的增加,以及切屑与积屑瘤的接触长度小于自然接触长度,从而导致了切削力的降低。积屑瘤不是整体稳定不变的,也不是高频地整体脱落后再重新生长。而是基体比较稳定,头部产生高频的分裂、成长,其分裂的部分留在工件表面成为鳞剌,同时,引起了切削力的较大波动。切削力动态分量越大,相应的鳞剌高度越高。     

如何在学生头脑中建立客观世界的物理图像

物理教学是运用学生已有知识和日常生活经验以及物理学在现代科学技术中的应用，由形象到抽象，探求事物的内在联系和规律；用学过的知识形象说明微观现象；用生活经验建立微现世界的生理图像；通过现代技术的应用，激发学生的学习兴趣。     

论蒙古—鞑靼文化对俄罗斯文化的积极影响

13世纪蒙古—鞑靼对俄罗斯的入侵和统治无疑给俄罗斯文化带来了灾难 ,但从另一个角度来看 ,它促进了俄罗斯中央集权专制制度的形成、国家的统一、赋税制度的完善和交通事业的发展促使爱国主义文学繁荣等等 ,从而形成了独具特色的俄罗斯文化     

果蝇跨模态学习的相互作用

动物在感知过程中存在不同模态感觉之间的相互促进或排斥的相互作用，但在学习和记忆过程中是否也存在相互作用并不很清楚。中科院上海生命科学院神经科学研究所郭建增和郭爱克在973计划项目“脑发育和可塑性的基础研究”的支持下，通过对模式动物果蝇进行视嗅觉双模态实验，发现在果蝇的学习过程中，相对于单模态信息刺激，给果蝇同时予以视觉和嗅觉双模态信息刺激。     

从民问借贷的保护机制看惯例的经济价值

运用博弈论理论分析了民间借贷的保护机制——惯例形成的根据。进一步研究了惯例的经济价值——节省社会交易成本，并实现了非正式制度的资源配置功能。     

一致与非一致复杂类的模型论性质

自从1965年J.Edmonds和A.Cobham提出P-NP问题以来已有30年的研究历史。目前环绕这个问题的大量学术论文和研究专著已使它发展成为计算机科学中最新和最活跃的研究领域之一,近年来,人们除了对由各种类型的图灵机确定的复杂类(如P,NP,PSPACE等)进行研究外,对一些用其他方法定义的非一致复杂类(如P/poly,P/log,NP/poly等)也越来越有兴趣,而且许     

凸轮—连杆机构运动的计算机辅助分析

本文提出了旋转坐标系的概念,从而不仅可将文献对低付机构的运动分析方法运用到含有高付的凸轮一连杆机构中,而且不必“高付低代”,即可进行机构在一个运动循环中的运动分析。本文编制了程序设计框图和程序,并通过实例给出了部分计算结果及线图。该程序设计框图和子程序“SUB”对其他机构运动分析具有一定的通用性。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于经验模态分解特征的无线电引信抗扫频式干扰方法

针对目前调频无线电引信在复杂电磁战场环境中对抗扫频式干扰能够力弱的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)特征的无线电调频引信对抗扫频干扰的方法.对基于目标和扫频干扰作用下的调频无线电引信检波端输出信号进行EMD分解,得到10层本征模态函数(intrinsic mode function,IMF)分量,提取每层IMF分量中本征模态函数能量占比、能量聚集度和Renyi熵特征,并利用主成分分析算法对于特征进行降维,保证累积解释差异在95%以上,以降维后的特征矩阵作为支持向量机的输入对目标和扫频式干扰信号进行分类识别.实测数据结果表明,所提方法能够有效对目标和扫频式干扰信号进行分类识别,分类识别精度可以达到98.06%±0.003 8,目标检测率达到96.65%±0.003 7,虚警率为3.35%±0.003 7.