邻菲啰呤和核苷酸对Tb(Ⅲ)的协同荧光增强效应(英)

对邻菲囉呤(Phen)存在下16种核苷酸对Tb(Ⅲ)荧光的增强效应进行了系统研究。根据I/I_0值(I和I_0分别为有和无Phen存在时体系的荧光强度)的大小可把这16种核苷酸分为3种类型:(1)对腺瞟啉核苷酸,I/I_0值在150—230之间,这就使得用该体系来研究腺苷酸与Ca和Mg离子间的作用成为可能;(2)对嘧啶碱基核苷酸类,I/I_0值在10—50之间,(3)鸟嘌啉核苷酸类,I/I_0值大约为0.8。我们发现Phen和核苷酸对Tb(Ⅲ)的荧光增强具有协同效应,这种协同效应可能是由于Phen和核苷酸芳环之间的疏水相互作用肥Phen限定在距Tb(Ⅲ)较近的范围内,因而增强了能量转移的效率及荧光强度。     

关于邻菲Luo啉分子的量子化学计算

使用M－340S中型计算机（日本），用INDO／F3程序和使用PⅣ1.5G计算机，用Gaussian98程序对邻菲罗啉分子进行了结构计算，希望获得定性或半定量的解释。     

Synthesis and Spectrum Characteristic of New Organic Fluorescence Dyes of Four Pyrazoline Compounds

1 Introduction Pyrazoline derivatives are formed by benzeno-hydrazone cyclization.Because cyclization leads to double bond hindering ,the compounds show stronger fluorescence .The pyrazoline has N atom which attends conjugation by donating electron,and it has higher hole-transport efficiency and some photoelectron characteristics,so it has been widely used as hole-transport materials in the electrophotography and Electroluminescence fields~([1-4]). Pyrazoline derivatives are not only excellen…     

外包空间数据库的完整性保证机制

存储在云计算服务提供商上的用户数据可能被篡改或删除,查询完整性验证方案的作用是确保查询用户能够验证查询结果中的数据是真实的且包含所有满足条件的数据.本文在现有验证树结构基础上进行改进,提出了一种空间验证数据结构VSS-tree.利用SS-tree作为基本结构并为其附加验证信息,采用边界球进行区域划分增大了节点的度,有效降低了验证树的高度,并避免了不必要的磁盘访问,从而提高了空间查询验证的处理效率.实验结果表明,该方案比MR-tree具有更好的性能.     

基于GF-2遥感影像的面向对象分类方法比较研究

基于eCognition软件分别采用K-最近邻(KNN)分类、支持向量机(SVM)分类和CART决策树分类对GF-2遥感影像进行面向对象分类,并对3种分类方法的结果进行比较分析。结果表明:K-最近邻分类在影像准确性、复杂多样性、影像光谱混淆以及分布边界模糊等方面具有较高的识别能力。     

空间数据库反向最近邻聚类方法

针对当前空间数据库聚类方法未考虑降维后的距离特征反向结果, 导致空间数据分量失真, 存在聚类精度低、 耗时长的问题, 提出一种空间数据库反向最近邻聚类方法. 首先, 通过选取训练样本集实现核矩阵的特征分解, 获得其距离特征修正值去除初始值的影响; 然后, 根据核主成分分析（KPCA）降维并结合降维后的距离特征反向结果, 利用反向最近邻聚类方法与扩展的部分失真搜索法相结合, 实现空间数据的聚类; 最后利用选定的聚类中心对数据集进行计算, 计算数据集第一维分量与聚类中心第一维分量之间的失真, 得到反向最近邻, 直至所有空间数据均找到所属类别, 最终完成空间数据库反向最近邻聚类. 实验结果表明, 该方法提高了空间数据的聚类精度, 减少了空间数据聚类所用时间.     

基于数据挖掘的反信用卡套现方案设计与实现

信用卡套现是指持卡人通过正常合法手续(ATM或柜台)以外的其他手段,将信用额度内的资金以现金方式套取,同时不支付银行提现费用的行为.基于大量数据卡交易信息,将数据挖掘理论应用于信用卡反套现评估中,运用数据挖掘算法中的决策树、KNN模型实现对信用卡套现行为、套现客户的辨别.经过实验验证,模型具有良好的应用效果,能够优化银行反信用卡套现识别、提高银行工作效率.     

基于KNN-TSVR算法的MIMO-OFDM系统信道估计

为了提高多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计性能,提出了一种基于K近邻加权孪生支持向量回归(KNN-TSVR)的信道频率响应估计算法.该算法的工作过程是首先用最小二乘算法对导频位置的信道参数进行估计,获取训练样本,然后用K近邻(KNN)算法对训练样本进行预处理,得到赋予各样本的权重,最后由加权TSVR对MIMO-OFDM系统所有位置的信道参数进行插值估计.本文提出的改进的加权TSVR信道估计方法不仅具有TSVR对非线性关系回归的优势,同时引入KNN算法对TSVR进行改进,使得该算法与传统TSVR相比,具有更好的回归性能和抗噪声能力.对非线性MIMO-OFDM信道进行估计的仿真实验结果证实了这一结论.     

关于Δ(G)=5的2-连通外平面图的邻点可区别全色数

给出了Δ(G)=5的2-连通外平面图的邻点可区别全色数.