国际贸易中的最小质量标准研究

提出最小质量标准(MQS)作为贸易技术壁垒(TBT)来考虑，因为贸易技术壁垒的实质就是设定一个高于进口产品质量的标准，以阻碍进入．在此前提下，根据当前企业所遭遇的贸易技术壁垒的实际情况，考虑了在一个开放的经济体中，在两个国家生产技术非对称的情况下．技术的非对称对于企业利润的影响以及国内外企业的利润及社会福利随MQS的变化情况．研究结果表明．当政府设定MQS，国外企业的利润增加，本国企业的利润减少，但消费者剩余增加，且消费者剩余的增加幅度要大于本国企业利润的减少，故社会福利增加．因此，政府有动机设定MQS．     

引入风险价值约束的投资组合理论

风险价值(VaR)是近年来最为流行的风险管理工具．本文在无风险证券情形下，将VaR约束引入到传统的均值一方差投资组合理论中，考察了此时投资组合的有效前沿以及投资组合选择的变化，并指出了VaR约束对证券投资基金组合管理的意义．     

基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真

提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法．该方法构造了滚动时间窗，利用滚动时间窗内的数据优化建模．模型随着时间窗的滚动进行在线更新，并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息．将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模．进行轻柴油凝固点的预估．结果表明，该建模方法十分有效．     

改进的MPCA方法及其在批过程故障诊断中的应用

基于传统的多方向主元分析(MPCA)常会导致误诊断，且对批生产过程难以保证在线状态监测和故障诊断的实时性，提出了一种改进的MPCA方法，该方法采用多模型非线性结构代替传统MPCA单模型线性化结构，克服了后者不能处理非线性过程和实时性问题，并避免了MPCA在线应用时预报未来测量值带来的误差，提高了批过程性能监测和故障诊断的准确性．     

利用支持向量机预测生物膜蛋白类型

利用统计学习理论中的支持向量机(SVM)，基于氨基酸组分含量预测生物膜蛋白类型。使用文献中2059个训练集和2625个检验集膜蛋白序列数据，运用统计预测中的校准检验，留一法交叉检验和独立数据集检验方法进行分类预测。结果表明，SVM对膜蛋白类型预测具有明显的优越性，该算法对当前已有方法起到重要的补充作用。     

一个特殊的顺式发夹核酶对感染烟草原生质体的影响

研究一个烟草花叶病毒(TMV)cDNA3′末端被特异切割的发夹核酶对感染原生质体的作用。选用一个外源基因绿色水母荧光蛋白(GFPuv)作为报道基因，取代了大部分的CP编码区域，以研究在烟草原生质体中发夹核酶对TMV载体的复制，通过GFP的表达来确定表达量。顺式发夹核酶对TMV载体感染效率的影响通过体外转录来观察。TMV GFPRIB体外转录感染原生质体的效率比与其不含该核酶的对应物的感染效率高3～5倍。Northern杂交结果表明，包括核酶在内的3’末端非病毒序列在体外转录反应开始后就被顺式发夹核酶切除了。当直接用载体DNA pSTMVGFPRIB感染原生质体时，感染原生质体的数量比与之相对应的pSTMVGFP NOS感染原生质体数多50％～80％。     

不同破壁方法对活性污泥总DNA提取效果的影响

分别采用酶法、化学法、珠磨匀浆法和反复冻融法对活性污泥样品进行破壁，提取总DNA，并通过提取的核酸总量、纯度、片段分布情况、是否含有聚合酶链反应抑制剂以及基因间隔序列(ITS)扩增产物多态性等5个指标来评价不同的细胞破壁方法对活性污泥总DNA提取效果的影响。结果表明，化学法的优势最明显，提取的总量最多，大片段提取效果好，虽然杂质较多，但不影响聚合酶链反应，方法的偏倚性最小。     

基于Groebner基法的一般串联6R机器人机构逆运动学分析

基于Groebner基法，仅用Duffy的含3个未知变元的4个运动学方程，附加3个正余弦恒等式，不增加其他几何约束方程，对一般6R机器人机构逆运动学进行符号解分析，并得出一般串联6R机器人机构逆解最多为16解的结论．本文使用的数学机械化方法可推广到涉及非线性代数方程组的其他机构学问题的求解．     

面向对象有限元方法及其C++实现

系统归纳了面向对象有限元的基本理论和实现方法，比较了传统有限元实现方法与现代面向对象有限元方法的共同点及不同点．通过针对空间结构分析软件的基于统一建模语言(UML)的系统设计和运用C 语言实现面向对象有限元的程序框架，表明了面向对象有限元方法的先进性和基于C 语言实现的可行性．     

一种新的彩色图像降维方法

基于内容的图像检索(CBIR)是图像检索的重要分支，而基于颜色的特征提取是CBIR的常用方法之一．如果对图像颜色的特征数提取过多、维数过大，则不利于对图像的快速匹配．本文将图像的色彩直方图作为输入向量，然后采用局部线性映射(LLE)算法对原始数据进行降维，并分别在4种色彩空间下对降维后的彩色图像进行分类．实验证明，在处理非线性数据降维时，LLE较主成分分析(PCA)具有明显的优势．