搜索引擎发展方向

介绍了互联网上搜索引擎的发展情况,从搜索引擎技术专业化、个性化、智能化3方面分析了搜索引擎发展方向,并设想更完美的搜索联引擎技术的未来.     

茶藨子属ITS2序列二级结构的预测和比较分析

目的:利用内转录间隔区2(ITS2)序列对茶藨子属30个物种进行分类鉴定.方法:利用Clustal W软件多序列比对分析从Genbank上下载的ITS2序列,通过MEGA7.0软件计算遗传距离(K2P),基于K2P模型构建邻接(NJ)聚类树,并用RNA Structure5.4软件分析各物种ITS2二级结构的差异.结果:从构建的聚类树可知,茶藨子属30个物种均聚为1大枝11个小分枝,说明茶藨子属是一个单系类群;根据ITS2的二级结构分析,该属所有物种都均具有相似的结构,说明了该属的特异性较强,同时也说明了ITS2序列分析适用于茶藨子属植物的分类鉴定,并在近缘物种间的系统学研究、物种的鉴定方面具有较大的应用潜力.     

基于动态可调簇的无线传感网络能量感知数据存取算法

针对无线传感网中数据收集、存储和查询的需要,提出了一种基于动态可调簇的能量感知数据存取算法ACEDBA(Adjusted Cluster-based energy-aware Data Brokerage Algorithm).该算法将网络节点分成许多簇结构,簇内节点负责数据采集,簇首节点负责簇内数据的收集、汇聚和转发,数据可以集中存储,也可以分布存储在各簇首节点或本地存储.算法引入能量分级消耗机制,可动态选择和调整簇首节点,保证各簇首节点簇内数据存储和簇间数据转发查询的能量平衡.实验结果表明,与典型数据存取算法相比,该算法的节点能耗均衡、生命周期和查询成功率方面具有优势.     

产业集聚对江苏FDI技术外溢的影响研究

江苏是我国经济增长最快的地区之一,以其优越的地理位置和丰富的资源优势吸引大量外资流入.然而庞大的外商直接投资对经济发展究竟有何种影响却不明确,产业集聚作为影响外资流入的重要因素,对FDI技术外溢的影响也不得而知.为了能更好地促进江苏经济发展,文章运用江苏省2003-2010年间规模以上制造业30个行业的面板数据,利用DEAP2.1和Eviews6.0软件分析了FDI、产业集聚和技术进步之间的关系.结果显示:江苏省引进的外商直接投资存在正的技术溢出效应,但是相关行业的产业集聚抑制了FDI的技术溢出.     

一种新的求解优化问题的混合粒子群算法

将粒子群优化算法与一种自适应局部搜索算法相结合,提出了一种新的混合粒子群优化算法,使粒子群算法寻优过程中的全局搜索能力和局部搜索能力良好平衡;采用了典型函数和模糊神经网络优化问题对算法性能进行测试,并与其它方法进行比较.实验结果表明,这种混合粒子群优化算法能获得质量更好的解,具有较高的收敛性,特别是在高维复杂函数优化上具有很强的竞争力,其性能大大优于单一的优化方法.     

DEGDA／HPA厌氧胶配方的优化试验

本文介绍了以一缩二乙二醇丙烯酸双酯(简称一缩双酯,DEGDA)和丙烯酸β-羟丙酯(简称羟丙酯,HPA)为单体,以N,N-二甲基苯胺/糖精为促进剂/助促进剂或仅用三氯乙酸作促进剂来配制厌氧胶粘剂(厌氧胶)的优化配方试验.所得厌氧胶综合性能良好,通过优化试验结果得知的规律性认识有一定意义.     

Co-NiO/FeNi双层膜的交换偏置效应

金属Co片和NiO靶材通过溅射得到Co-NiO薄膜, 当Co含量为25.2％时, Co-NiO/FeNi双层膜的偏置场H_E最大, 是未掺入Co时NiO/FeNi偏置场的3倍. 分析表明,金属Co的团簇镶嵌在NiO基质中, 该结构可提高铁磁/反铁磁双层膜的偏置效应.      

基于趋势特征聚类的多元相似时间序列的提取

历史相似时间序列的提取在数据挖掘、工业故障检测以及故障根源分析等领域应用非常广泛。针对工业报警系统中异常根源分析方法存在的问题,提出了一种基于趋势特征聚类的多元相似时间序列的提取方法,可以有效地辅助现场工作人员分析关键变量发生异常变化的根源。首先对多元时间序列进行分段线性表示,获得变量的趋势特征信息;然后采用基于密度峰值聚类分析算法对获得的趋势特征在高维空间中聚类,从而实现历史数据的相似性提取;最后可根据关联变量的幅值变化量分析导致主变量发生异常变化的根源变量。数值仿真和实际工业数据案例验证了所提方法的有效性。     

近红外光谱分析技术在鸡肉分类检测中的应用

针对近年来市场上不同品种不同级别的鸡肉混杂、以次充好现象,提出一种可以快速、准确判别土鸡和肉鸡的新方法.采用近红外光谱技术和聚类分析技术建立鸡肉分类判别模型,并讨论了不同预处理方法对模型预测结果的影响.结果显示:近红外光谱技术结合聚类分析技术能够对鸡肉建立一种快速的分类判别模型,该预测判别模型能够快速准确地对土鸡和肉鸡进行判别,其中数据经过二阶导数+矢量归一化后的模型预测判别率达100%.     

基于Apriori算法的多维关联规则挖掘研究

关联规则是数据挖掘中的一个重要研究方向.经典的Apriori算法是一种最有影响的挖掘布尔型关联规则频繁项集的算法,但其并不适合挖掘近年来兴起的多维数据模型.在改进Apriori算法的基础上,提出了一种"二次剪枝"的算法,此算法适用于挖掘多维关联规则,并且在一定程度上提高了算法效率.