民族药骚羊古化学成分的研究

用硅胶柱色谱等方法,从贵州省民族药骚羊古(Pimoinella candolleana Weight et Arn.)全草中分离出5个化合物,根据化合物的一维、二维核磁共振波谱等解析,分别鉴定为三十二烷(Ⅰ)、β-谷甾醇(Ⅱ)、豆甾醇(Ⅲ)、熊果酸(Ⅳ)和1-羟基-2,3,5-三甲氧基(口山)酮(Ⅴ),化合物Ⅰ～Ⅴ均首次从该植物中分得.此外,还对化合物Ⅴ的核磁共振二维谱进行了解析,确定的各个1H和13C的归宿.     

太白山蟹甲草化学成分的研究

从太白山蟹甲草的地上部分分离得到8个化合物．根据波谱数据和标样对照分别鉴定为：2，2—二甲基—8—(3—甲基—2-丁烯基)—2H—色烯—6—羧酸(1)，1β，6α—二羟基桉烷—4(15)—烯(2)，无羁萜(3)，齐墩果酸(4)，羽扇豆醇(5)，豆甾醇(6)，β—谷甾醇(7)，β—胡萝卜甙(8)，其中化合物1和2为从该属中首次报道．     

循环与广义循环组合系统的块解耦方法

循环矩阵一个重要的结构属性是存在一个与循环元素无关的相似变换矩阵 ,使其相似于对角阵·利用这个属性 ,给出循环组合系统状态块解耦变换的一个方法·由此法 ,可将这类组合系统简化降阶·从而为研究循环组合系统的某些特性提供了一个简便方法 ,如循环组合系统稳定性问题可等价地化归为若干个低维系统的稳定性问题· 研究进一步表明 ,这种方法也同样适应于类似“循环”结构组合系统 ,即广义循环组合系统·这些结果可用于如造纸机的横向控制系统等的稳定性研究     

纵隔实质性包块的超声、CT及病理对照分析

目的；通过对10例纵隔包块的超声、CT和病理对照分析，探讨超声对纵隔包块的诊断价值。方法：对照病理结果，回顾分析10例纵隔包块的CT及超声表现，总结其影像特征。结果：10例纵隔包块中，胸腺瘤4例、实性畸胎瘤3例、恶性淋巴瘤2例、纵隔胸骨壁嗜酸性肉芽肿1例。影像学上各有特点。结论：在纵隔肿块的诊断中，超声有其独到的优点，可以与CT互相补充，尤其是超声引导下快速自动活检能够定性诊断，为临床提供准确的诊治依据。     

河东金矿床矿体赋存规律研究

河东金矿位于焦家矿田内 ,属蚀变岩型金矿 ,矿床受望儿山断裂控制 ,矿体沿断裂带平行产出 ,上下盘围岩分别为玲珑型花岗岩和郭家岭似斑状花岗闪长岩。蚀变带由上至下出现绢英岩化花岗质碎裂岩、绢英岩、绢英岩化花岗闪长岩 ,金矿体赋存在强蚀变岩中。一般认为河东金矿的各矿体产于断裂带下盘部位 ,但本文研究认为 ,河东金矿的矿体确切地说应该位于两条主断裂之间的部位 ,尤其是组成菱形结环的分叉或汇合部位 ,河东金矿的1～ 10号矿体全部落于两断裂之间     

ORACLE性能调整及优化分析

文章归纳提出了ORACLE数据库调整的有效步骤、依据的原则、优化的目标及优化过程的几个阶段 ,并重点在ORACLE数据库的安装、初始化与空间设计及配置三个方面对ORACLE性能优化进行了较详细的分析和探讨。     

福建山樱花的组织培养及植株再生

以春季萌发的福建山樱花嫩枝为外植体诱导丛生芽。在 1 /4MS +BA1 .0mg/L +IBA0 .0 1mg/L的培养基上 ,其丛生芽诱导率达 87.5 % ;在继代培养中选择MS +BA1 .0mg/L +IBA0 .1mg/L +GA30 .3mg/L或KT1 .0mg/L +NAA0 .1mg/L +GA30 .3mg/L培养基 ,不定芽增殖较快。赤霉素对其不定芽的伸长有明显效果 ,当芽伸长至 3～ 4cm时 ,切下置于生根培养基 1 /2MS +NAA1 .0mg/L +IBA1 .0mg/L +BA0 .75mg/L中 ,生根率达 90 %以上 ,移栽成活率达 95 %。     

基于块目标的频率步进连续波探地雷达压缩感知重建算法

压缩感知理论对于解决频率步进连续波探地雷达信号处理过程中存在的采样速率高、存储数据量大、信号处理时间长等问题具有重要意义. 针对雷达探测中块目标物体在探测区域不满足稀疏性的问题,提出一种适合块目标的压缩感知重构模型.利用某些稀疏正交基对块目标进行稀疏化处理使其满足稀疏性,将字典矩阵与稀疏矩阵结合形成适用于块目标物体的新观测矩阵,再通过压缩感知凸优化算法求解稀疏化系数,最后把该系数通过稀疏变换得到块目标的反射系数.通过实验仿真验证该方法的可行性,与未稀疏化处理的压缩感知重构模型相比具有更高的精度和分辨率.     

基于NSCT和图像融合的中间视点合成算法研究

本文提出了一种中间视图合成技术的新方法。它可以应用于3D电视等领域。该方法采用NSCT变换域图像融合、IBR技术、空洞处理和分块效应处理等算法,仿真结果结果表明该方法具有较好的视图合成效果。     

基于CBAMs-BiLSTM模型的中国股市预测（英文）

卷积块注意力模块（CBAM）因其可以有效地提高深度学习模型的预测准确性从而在各种预测问题中显示了其优越性。然而,CBAM在股指预测问题中的有效性研究却十分有限。为了解决这个问题并提高股指的预测精度,本文提出了CBAMs-BiLSTM模型。它将多个CBAM与双向长短期记忆网络（BiLSTM）相结合。研究中,标准指标评价法（SME）和模型置信集检验（MCS）用于综合评价模型的优越性和稳健性。实验数据为具有代表性的中国股指数据集：上证综合指数和深证综合指数。数值结果表明,CBAMs-BiLSTM优于单独的BiLSTM。其中在MAE,RMSE和MAPE上分别平均降低了13.06%,13.39%和12.48%。这证实了CBAM可以有效地提高BiLSTM的预测精度。此外,通过与其他流行模型进行对比,并研究了改变数据集、预测方法和训练集的大小的影响。结果一致证实了CBAMs-BiLSTM在预测精度和投资回报方面的优越性和稳健性。