现代室内设计中空间分隔简析

“设计”是处理人的生理、心理与环境关系的问题。室内空间设计是反映人类物质生活和精神生活的一面镜子，是生活创造的舞台。人的本质趋向于有选择地对待现实空间，并按照自己的思想、愿望来加以改造和调整。     

一种新型空间电压矢量调制方式的研究

通过对传统的空间电压矢量调制方式的研究,提出了一种改进型的空间电压矢量调制方式,并给出了此改进型SVPWM调制方法下的各矢量作用时间的推导.相对传统的调制方式,此方法能够同时满足变频器输出在高频段和低频段的需要,适应了不同应用场合下的要求.实验结果证明本方法切实可行,具有一定的推广价值.     

一类非线性规划问题的等价性证明

给出了非线性规划问题中目标函数单调变换前后的一个等价性证明.     

关于参数方程中参数的选取

一条曲线是具有某些特征的点的轨迹,在直角坐标系(或极坐标系)中,当一点的坐标(x,y)(或!,")都是同一个变数t的函数时,如果对于t的每一个允许值,方程所确定的点都在某一条曲线上,同时这条曲线上的任意一点的坐标都可以由t的某一个允许值通过方程得到。那么这个方程就叫做曲线的参数方程。     

极紫外天文学

极紫外天文学是一个较为新颖的研究领域，其可行性直到上世纪70年代初还被普遍怀疑，理由是星系介质对极紫外光子（100到1000埃）的强吸收。尽管此后的极紫外空间项目特别是ROSAT卫星和EUVE卫星取得了大量成果，确立了极紫外天文学的地位，这方面的专著仍是凤毛麟角。     

逻辑函数化简的一种新思路

本文探讨逻辑函数化简的一种新方法。本方法依据函数项相互衍生的特点建立函数项相互连接与涵盖关系来进行筛选。其优点是使化简思路明确,化简工作量减少,特别是对于变量数较多的逻辑函数的化简更呈现其优越性。     

一种基于段的基音检测算法

作为语音信号处理领域一项基本、关键的技术,基音检测在语音信号处理中扮演着重要的角色,一直是语音信号处理的一个研究热点.首先对传统的基于短时自相关函数法的基音检测进行了研究;在此基础上提出了一种能同时检测一段语音信号基音周期的方法,有效地克服了传统基音检测算法只能检测一帧语音信号基音的缺点.进行了实验仿真,结果表明通过去野点,中值平滑等后处理的基于段的基音检测算法比传统的基于帧的基音检测算法具有更好的抗噪性.     

商空间的基

通过引入一个熟知的线性空间作桥梁，揭示了商空闻R^n／S基与矩阵A之间的关系。     

论文更正及预测

《论随机量子空间及有关问题》(以下简称原论文)在本刊总第4期发表后,作者发现一处错误,现予以更正;并在更正理论的基础上,预测—标量粒子的质量。     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.