导电性吡咯腈纶结构与性能

通过富里哀红外光谱(FTIR)、元素分析、扫描电镜(SEM)、热重量分析(TGA)等测定方法,对导电性吡咯腈纶结构进行了分析,并对该纤维的导电性和物理机械性能等进行了研究。试验结果表明,该导电纤维是一个聚吡咯(PPy)与聚丙烯腈(PAN)的共混体系,所制得的纤维,除了具有导电性,其物理机械性能基本上与普通腈纶相同。该纤维是一种新的具有广泛应用前景的导电纤维材料。     

血清Ig类、BNP和D-二聚体检测与急性心肌梗死(AMI)的相关性研究

目的探讨急性心肌梗死(AMI)患者血清中IgA,IgG,IgM,BNP和D-二聚体(D-D)浓度的变化与AMI的关系.方法利用免疫比浊法和荧光免疫法对60例AMI患者血清中IgA,IgG,IgM,BNP和D-D浓度进行测定,并与30例正常对照组比较.结果AMI患者血清中的IgA,IgG,IgM,BNP和D-D浓度明显高于正常对照组,与疾病严重程度呈正相关.结论监测AMI患者血清IgA,IgG,IgM,BNP和D-D浓度的变化,对AMI严重程度评估和疗效观察有重要的临床意义.     

PDO血管内支架的制备及其径向压缩性能

以4种不同直径的聚对二氧环己酮(PDO)单丝为原料,采用手工编织的方法制备16种不同编织密度的血管内支架.对PDO单丝的力学性能、血管内支架的结构参数、径向压缩性能的测试方法和径向压缩性能进行试验研究.试验结果表明:采用PDO单丝手工编织的血管内支架的孔隙率符合选用要求;血管内支架的径向支撑力和弹性回复率随着单丝直径与编织密度的增加而增加,且单丝直径对血管内支架的径向压缩性能影响更显著.     

PVDF基复合材料的制备及热学性质研究

采用溶液法制备了以聚偏氟乙烯(PVDF)为基体,多壁碳纳米管(MWNTs)和纳米二氧化锆(Zr O2)为填料的纳米复合材料。利用扫描电子显微镜(SEM)、差示扫描量热法(DSC)和X射线衍射仪(XRD)对复合材料的表面形貌、热学行为和结晶度分别进行了观察和研究。结果表明,多壁碳纳米管和纳米二氧化锆对材料的热力学行为都有影响。填料含量较少时能起到诱导结晶作用,随着纳米填料粒子含量的增加异相形核作用有所下降。当两种填料同时加入时,其诱导结晶作用增强。     

基于云模型和K-means聚类的蝙蝠优化算法

为了改善蝙蝠算法在函数优化中稳定性差,易陷入局部最优的问题,利用云模型随机性和稳定倾向性的特点,提出了一种蝙蝠优化算法,根据个体适应度值,利用K-means聚类算法把种群划分为三个区域,分别采用不同的频率生成策略,使算法既能稳定的控制搜索空间范围,又能避开局部最优解,同基本的蝙蝠算法比较,仿真结果表明,该算法在函数优化问题中具有较高的精度和较快的搜索速度.     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?     

PEG含量对水性可降解聚氨酯性能的影响简

本文采用“预聚-乳化法”合成了软段为聚（ε-己内酯）（PCL）和聚乙二醇（PEG）,硬段为异佛尔酮二异氰酸酯（IPDI）和小分子扩链剂的无毒水性可降解聚氨酯（PCLPU）,通过红外光谱（FTIR）和差示扫描量热（DSC）曲线分析、偏光显微镜（PLM）观察以及相对分子质量、水接触角和降解失重测定,研究了PEG含量对聚氨酯微相分离程度、软段结晶性能和降解行为的影响。发现随着PEG含量的增加,PCLPU的微相分离程度增加,软段PCL的结晶受到阻碍。材料的亲水性和结晶性对PCLPU的降解影响明显,当PEG和PCL比例（PCLPU50）适当时,所获得的亲水性、酯基含量以及结晶程度均适中,这时材料的降解速率最快。细胞毒性测试表明PCLPU降解液质量浓度低于1 mg/mL时,细胞生长正常。此类水性无毒可降解聚氨酯将在生物工程领域具有广阔的应用前景。     

基于并查集的DBSCAN算法设计

DBSCAN算法是经典的基于密度的聚类算法,能够在含有噪声的数据中发现任意形状的簇,但其效率较低．并查集常用于解决不相交集合的合并问题,将并查集的方法应用于DBSCAN算法的设计中,使得算法效率得到有效提高．     

苯并呋喃与苯并二氧六环类新木脂素及其衍生物的合成与生物活性研究

以3,4-二羟基苯丙烯酸(咖啡酸)为原料,经酯化和仿生氧化偶联反应得到苯并呋喃类化合物2-(3′,4′-二羟基苯基)-3-甲氧羰基-5-甲氧羰基乙烯基-7-羟基-2,3-二氢苯并呋喃(1)和苯并二氧六环类化合物2-(3′,4′-二羟基苯基)-3-甲氧羰基-6-甲氧羰基乙烯基-2,3-二氢-1,4-苯并二氧六环(2),然后经乙酰化、DDQ氧化脱氢、Pd/C催化氢化、氢化铝锂还原、碱性条件下脱乙酰基等反应,合成了一系列苯并呋喃新木脂素类化合物3~7和苯并二氧六环新木脂素类化合物8~10.所合成化合物的结构已由核磁共振法(1 H NMR,13 C NMR)、质谱法(MS)进行了表征.其中5~7,9和10是未见文献报道的新化合物,8为天然产物异美商陆醇A.采用MTT法对所合成的苯并呋喃新木脂素类化合物1,3~5进行了生物活性测试.结果表明:化合物1,3,4和5对白血病细胞(HL-60)、肺癌细胞(A-549)、乳腺癌细胞(MCF-7)、结肠癌细胞(SW-480)、肝癌细胞(SMMC-7721)有良好的体外生长抑制活性.     

基于聚类分析的短期负荷智能预测方法研究

短期电力负荷预测作为电网企业的基本工作,其精度的提高对于电网企业运营管理和调度管理具有较大的意义,然而由于电力负荷受到诸多非线性因素的影响,因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的k-means聚类技术对训练集的气象数据进行聚类分析,分析提取相似日,在提取相似日的相关历史数据后,建立支持向量机模型进行短期电力负荷预测.经算例结果证明,由该方法得出的预测结果平均相对误差为0.88%,和同结构支持向量机预测的平均相对误差(1.66%)以及ARMA预测的平均相对误差(3.81%)相比,预测精度得到明显的提高,证明了该方法的有效性.