基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.     

基于选区的彩色图像抽取和融合算法研究

给出了一种利用图像中定义的选择区域（选区），从复杂背景中尽可能保持原样地提取出所关心图像的图像抽取方法；同时还介绍了如何对抽出的图像进行融合设置，进行看似自然的、无缝的融合；另外对算法的应用过程进行了适当的描述，作出算法的实际使用情况说明．     

SARS冠状病毒N蛋白的表达及二级结构预测分析

通过RT-PCR获得SARS冠状病毒N蛋白基因，分别克隆到原核表达载体pET21a，pET32a和pGEX-4T-1中，将3种重组质粒pET2la-N，pET32a-N和pGEX-4T-1-N分别转化大肠杆菌BL21(DE3)，经IPTG诱导，细菌中分别表达出约46kD的重组N蛋白、约60kD的6xHis-N融合蛋白和约70kD的GST-N融合蛋白，表达量分别达总蛋白的45％、40％和30％．进一步的分析表明：6xHis-N融合蛋白在大肠杆菌中为可溶性表达，该可溶性组分占细菌裂解液的70％左右，且能被6xHis抗体所识别．用蛋白分析软件对N蛋白进行了序列分析和二级结构预测．SARS冠状病毒N蛋白在大肠杆菌中的高效可溶性表达，有助于进一步结晶后进行X射线晶体衍射分析其结构与功能．     

His-猪生长激素融合基因在Bm-N细胞和蚕体内的表达与纯化

用构建的带有His—Tag pgh融合基因的重组杆状病毒Bm—BacPAK6—pgh研究了Bm—BacPAK6—pgh在家蚕细胞(Bm—N)和蚕体内的表达，并对蚕体表达产物进行了纯化．SDS—PAGE电泳分析显示，重组病毒Bin—BacPAK6—pgh在Bin—N细胞、蚕体中得到了融合表达，Western blot分析表明，Bm—N细胞、蚕体中表达的融合蛋白与大肠杆菌表达的猪生长激素具有相同的抗原性．Bm-BacPAK6-pgh在Bin—N细胞内的表达始于24h，而蚕体中的表达始于72h，二者的表达峰分别在96h和120h．经40％饱和度硫酸铵盐析和Ni—NTA Agarose亲和柱二步纯化可获得SDS—PA(正电泳纯的具有抗原性的重组猪生长激素融合蛋白。     

一种基于区域分割的多传感器图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题，提出一种基于区域分割的图像融合方法．在图像配准的基础上进行区域分割，提取显著性因子和可见性因子作为区域特征，自适应地确定融合权值以得到融合图像．该方法克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足，尤其适用于图像没有严格配准的应用场合．实验结果表明，与小波变换融合方法相比，均方根误差减小了33％～36％，灰度标准差提高了0．9％～53％，互信息提高了39％～42％，空间频率提高了0．3％～38％，客观评价准则与目视效果吻合良好．     

一种新的注意力相关脑电分类算法设计

提出了一种新的基于支持向量机(SVM)学习机制的注意力相关脑电分类算法.在对脑电信号进行3级小波分解之后,采用主分量分析方法提取主要的特征分量,并且采用SVM方法对其进行分类.在此基础上,依据数据融合理论,对多导分类结果进行综合判断.结果表明,本方法具有良好的鲁棒性,对注意力相关脑电信号分类的准确率可达89%左右,高于单导最优准确率.该方法对注意力缺陷反馈治疗、注意力机制研究等具有较高的实用价值.     

浅论新型师生关系的建构

随着素质教育的不断推进和深化，建立新型的师生关系在教学改革中显得尤为重要。通过师生相互沟通使学生参与教学决策，通过了解学生需求以融合师生感情并增强学生的主体意识，从而在更高的层次上激发学生参与教学活动和教学管理的积极性、主动性，使学生能够开放思维的空间，激发创新灵感，并真正成为学习的主人。     

一种基于相关证据的数据融合算法

根据Dempster-Shafer证据理论和相关证据合成方法，将证据合成算法应用于神经网络分类器中，以提高分类器的分类精度。在UCI数据库的分类中的应用结果，证明了该方法的有效性。     

基于颜色特征的改进图像检索算法

本文提出一种综合图像的颜色、灰度和空间信息提取特征向量的改进算法将图像从RGB空间转换成HSV空间,将彩色图像转换成黑白图像,并分别进行直方图量化后,进行相似度比较;改进颜色相关图的算法,提高颜色空间特征的检索效率.     

基于多传感器数据融合与挖掘的分布式入侵检测模型

为有效解决分布式攻击,提出了基于多传感器数据融合与挖掘的分布式入侵检测模型.将多传感器数据融合与数据挖掘技术应用到分布式入侵检测中,可连续和全面地提供网络攻防战场环境态势的综合评估.