新生大鼠海马神经干细胞的体外培养及鉴定

的探讨新生大鼠海马神经干细胞（NSC）的体外培养和诱导分化的条件和特点。方法分离出生1d大鼠海马,在表皮生长因子、碱性成纤维生长因子和B27联合作用下使其稳定增殖,用5-溴脱氧尿苷（BMU）标记处于增殖状态的神经干细胞,应用免疫荧光染色方法行巢蛋白（Nestin）、5-溴脱氧尿苷（BrdU）、β-Ⅲ型微管蛋白（Tuj-1）、波形蛋白（Vimenfin）和Galc-C免疫荧光染色,对NSC的增殖及其分化的细胞进行鉴定。结果体外培养的NSC增殖成神经干细胞球并传代,鉴定为Nestin染色阳性细胞和5-溴脱氧尿苷（BrdU）标记染色阳性细胞,并可诱导分化为神经元细胞（Tuj-1染色阳性细胞）、神经胶质细胞（Vimentin染色阳性细胞）和少突胶质细胞（GMc-C染色阳性细胞）。结论采用无血清培养基中加入特定生长因子的培养技术,可培养出在体外稳定增殖并有多向分化潜能的新生大鼠海马神经干细胞。     

基于动态和谐搜索的混合粒子群优化算法

针对粒子群优化算法随维数增大群体多样性相对减小而早熟收敛的问题,在对和谐搜索算法进行适应性改进的基础上,将其引入粒子群算法中,提出一种动态和谐搜索混合粒子群优化算法(DHSPSO).该方法使得粒子在搜索初期更具遍历性,降低算法对初始值的敏感性,并通过和谐搜索算法搜索的随机性和优胜劣汰机制改善粒子群的多样性,使得算法具有更快的收敛速度与更好的全局搜索能力.以多个标准测试函数优化进行仿真测试,结果表明,DHSPSO算法在进行高维优化问题时,在寻优速度、精度和成功率等方面均显示出良好的优化效果.     

一种改进的等误差竞争学习矢量量化算法

针对等误差竞争学习矢量量化算法的初始码书生成随机性较强和搜索获胜码字计算量较大这2个缺点.提出了一种改进算法.对于初始码书的缺点,改进算法采用一种基于训练矢量的统计特征量的分类平均初始码书生成算法,同时改进算法利用3个不等式来快速排除大量候选码字,从而解决了原算法计算量较大的问题.仿真实验表明,改进算法的计算量比原算法减小了80%,而图像效果即峰值信噪比(PSNR)比原算法平均提升了0.5 dB左右.     

基于级域搜索思想模具零件尺寸自动标注方法

提出了基于级域接触搜索思想的模具零件工程图坐标尺寸自动标注方法,通过定义大小可调整的虚拟域将整个视图分成内部和外部两个不同的标注区域,该方法在AutoCAD软件中利用VisualLISP得到实现.模具零件工程图的标注实例测试结果表明,该方法在降低尺寸重叠干涉的同时,实现了提高工程图易读性的目的.     

基于蚁群算法和免疫算法融合的TSP问题求解

利用蚁群算法和免疫克隆选择算法的各自优势提出了一种新的融合优化方法:结合抗体小窗口局部搜索算法的蚁群和克隆选择融合算法(Aca_Csa_s Algorithm,简称ACLA).在蚁群算法中引入混沌扰动能在一定程度上避免早熟、停滞;克隆扩增、免疫基因等算子的操作能加快克隆选择算法的收敛速度;局部搜索策略的应用,也有效提高了 ACLA算法搜索效率.针对TSP实验结果表明,该算法在收敛速度与求解精度上均取得了较好的效果.     

基于STL的图遍历问题的解决

讨论了对图的遍历问题的解决方法,解决图的遍历问题的最终目的在于通过遍历得到点之间的最短距离,这就需要对遍历中经过的节点权值进行比较,遍历所有途径得到最优结果。     

非单调Armijo型线搜索下Liu-Storey共轭梯度法的收敛性

研究了一种非单调Armijo型线搜索,发现了此线搜索的一些新的性质,并利用这些新性质证明了此线搜索Liu-Storey（LS）共轭梯度法不仅是全局收敛的,而且是强收敛的。     

脑-机接口信号中靶标的贝叶斯搜索

提出了脑控虚拟键盘上按钮的编码以每个按钮中靶标出现的时间次序安排,搜索出靶信号出现的位置就能探测受试者的选择.以基于最小误判准则的贝叶斯分类器,对靶及非靶两类刺激信号进行分类训练,分别在通道和时段选择上进行了特征提取研究,得到识别率最高的5个通道中最佳时段的训练参数.利用训练了的分类器,对受试者每次按钮选择所记录到的EEG信号中可能出现靶刺激的位置进行搜索,来判断受试者所选择的按钮.结果表明：最佳通道P 8获得了72.50%的平均正确识别率,该结果为构建一个实时的脑控拼写装置打下了基础.     

一种局部搜索策略的遗传算法

提出了一种局部搜索策略的遗传算法（LSGA）,它是在每一代中通过遗传算法找到最佳个体,然后在最佳个体的附近进行局部搜索.6个基本的多峰测试函数优化结果表明：LSGA比具有精英保留选择机制的实数编码的遗传算法（RGA）的全局搜索能力强.     

ANFIS与SVM的拟合能力和推广预测能力的比较研究

岩土体位移与岩土体力学参数间的映射关系,具有高度非线性的特点.寻求一种适合于描述这种非线性映射关系的方法,是当前的热点研究领域.为此,本文采用一个多峰函数进行离散,构建了训练数据对和预测数据对,分别对ANFIS和SVM的拟合能力和推广预测能力进行了比较研究,结果表明,ANFIS的拟合能力和推广预测能力均优于SVM,更适合于建立岩土体位移与岩土体力学参数间这一高度非线性映射关系.