神经网络在模糊综合评价中的应用

运用神经网络确定模糊综合评价中的权重值，使权重值更符合实际情况，采用梯形公式的四元组形式表达网络中的隶属函数，利用反向传播算法训练网络，得到较好的训练效率和效果．将该方法应用于液压凿岩机的性能评价，得到了满意的结果。     

娜托百合的组织培养和离体快繁

以娜托百合的鳞茎及幼茎为外植体成功获得再生植株,并建立了快速无性繁殖系.外植体的最佳芽诱导培养基是MS 0 2～0 5mg/LNAA 0 05～0 8mg/LBA;MS 0 2～0 5mg/LNAA 0 8～2 0mg/LKT;芽的最佳增殖培养基为MS 0 05～0 4mg/LIAA 0 05～0 4mg/LKT;MS 0 1～0 5mg/LBA 0 05～0 5mg/LNAA;芽的最佳增壮培养基和根诱导最佳培养基为MS 0 05～0 8mg/LNAA 0 05～1 0mg/LKT.     

细辛组织培养快速繁殖初探

以细辛的根状茎为外植体进行组织培养及继代培养、适合愈伤组织诱导并增殖的培养基为MS+6-BA3.0 mg·L~(-1)+NAA mg·L~(-1);适合诱导再生植株并快速增殖的培养基为MS+6-BA0.8mg·L~(-1)+NAA0.1mg·L~(-1);生根培养基为MS+NAAO.2 mg·L~(-1)+0.5％活性炭。经生根壮苗培养30d左右,移栽后成活率可达98％以上。     

基于部分匹配方式的可扩展P2P搜索算法

理想的P2P(Peer-to-Peer)搜索算法应该同时具有信息检索水平的查询质量和有效的搜索性能。然而,现有的搜索算法都不能同时较好地满足这两点。基于这两个目标,该文提出一种基于层次聚类的分布层层次聚类(DHC)搜索算法。该算法中首先利用向量空间模型将文件内容表示成向量的形式,然后经过层次聚类操作得到一棵关于全网所有文件向量的层次树,层次树信息分布式地存储于整个网络中,以层次树为路由线索,路由深度不会超过树的高度。初步仿真试验表明,该算法的查全率在80%以上,并具有对数量级的搜索与更新代价。     

模糊聚类分析在环保测评中的应用

给出了模糊聚类的基本思路，确定了模糊统计量的步骤，讨论了模糊传递闭包的等价性。根据绵阳市的气候环境观测资料，用模糊聚类分析方法对绵阳市的气候环境作了初步分析，应证了模糊聚类分析在环保测评中的作用。     

弹性球体在冲击载荷下的应力波传播

给出了弹性球体在冲击载荷下应力波传播的解析解。该解法是利用特征函数展开法，将动力学的一般解分解为满足非齐次边界条件的准静态解和仅满足齐次边界条件的自由振动解，其中准静态解满足欧拉方程，而自由振动解满足贝塞尔(Bessel)方程。利用分离变量法，贝塞尔(Bessel)方程的解是一个由球贝塞尔函数构成的级数形式解，然后将此解和准静态解叠加，可得弹性动力学问题的解。与特征线法，积分变换法，广义射线法相比具有物理意义更加明确，数学解法更加简明的优点，同时这一解法可以推广到任意载荷下，各向同性弹性动力学中的一般球对称问题。     

大花蕙兰快速繁殖条件的优化

应用组织培养和快速繁殖技术对最适大花蕙兰培养的培养基、激素、培养方式、培养基质等进行了筛选.结果表明，在含有2.0mg/L6-苄氨基腺嘌呤的改良MS培养基中，以液体振荡培养最有利于原球茎的增殖；改良MS培养基 0.3mg/L萘乙酸有利于试管苗的生根；在腐殖土：棉子壳=3:2(体积比)下移栽的成活率最高.     

一个基于K-means的聚类算法的实现

聚类算法作为数据挖掘中的一种分析方法，它能找到样本比较密集的部分，并且概括出样本相对比较集中的区域．分析了传统的聚类算法及局限性，讨论了一个基于K-mealls算法的实现过程，使得算法可处理存在孤立点的大文档集，得到最佳的聚类结果。     

重组人源性抗HBsAg Fab抗体的特性分析

通过噬菌体展示技术从含高滴度抗乙肝表面抗原(HBsAg)抗体的人外周血淋巴细胞获得抗HBsAg Fab抗体的轻、重链基因．将Fab的轻、重链基因分别整合到巴斯德毕赤酵母(Pichua pastons)GS115菌株的染色体上，成功构建了高效分泌表达抗HBsAg Fab抗体的酵母工程菌．对酵母表达的重组Fab抗体进行了纯化，并对其相对分子质量、糖基化以及抗原结合能力等特性进行了分析，结果显示重组酵母分泌表达的重组人源性抗HBsAg Fab是一个相对分子质量为50000左右的低糖基化糖蛋白，1mg重组Fab抗体相当于40u的抗乙肝表面抗原抗体(20U／mg)．表明重组Fab抗体具有较强的结合HBsAg的能力．     

一种基于自组织特征映射网络的聚类方法

针对传统聚类算法不能有效地处理大数据集和高维数据集的问题,提出了一种基于自组织特征映射网络的聚类方法。该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,能自动对输入模式进行聚类。给出了应用该方法的具体步骤和加速自组织过程的若干改进方法,通过仿真实验证明该算法的有效性。