Authorware制作课件解疑及操作技巧

介绍了Authorware软件使用过程中的一些常见问题并给出了具体的解决方案 ;说明了在Au thorware软件使用过程中如何利用一些操作技巧     

SW规约下的一些性质

本文进一步分析了SW规约下的SW度结构的一些性质,得到了强可计算实数的两个性质.并且证明了给定可计算可枚举实数,可构造出sw归约下不小于该数的低的可计算可枚举实数.     

随机控制序在保险决策中的应用

通过介绍随机控制序的概念和性质 ,从而探讨了随机控制序在保险决策问题中的应用 ,得到了很有意义的结果     

累次极限换序的一个充分条件

本文对于二元函数的累次极限的换序给出了一致收敛这一充分条件。     

浅谈大学引领社会发展的途径

阐述了新形势下大学职能的新变化。从为社会培养高素质的人才、进行科研创新以促进社会经济的发展、利用智力优势参与政府政策的制定等方面探讨了大学引领社会发展的各种途径。     

基于GM（1，1）模型的某高校招生人数预测

分析了近年来我国高校招生人数的变化趋势，并利用GM（1，1）模型对某高校2008年的招生人数进行了预测．从而为高校招生人数决策提供了依据。     

基于小波的图像隐藏方法在信息安全中的应用

随着信息时代的到来,互联网和多媒体技术迅猛发展,数字多媒体信息在网上传播越来越便捷,同时也带来了信息安全的隐患问题。小波变换具有良好的时频特性且小波的多分辨分析与人眼视觉特性是一致的。在小波域对图像进行分解,可以根据HVS特性更好地隐藏信息,解决信息安全的问题。     

基于GIS的生态功能区划在生态城市建设中的应用——以陕西省凤县为例

在对目前生态功能区划众多方法进行比较的基础上,将GIS技术应用到陕西省宝鸡市凤县生态功能区划中。根据研究区生态环境要素、生态环境敏感性及生态服务功能的差异,把区域划分成四个不同的生态功能区,即北部森林生态重点保护区,中部林、药、养殖、矿产限制开发区,中部粮、椒、果、城镇与贸易重点开发区,南部生物多样性保护与生态旅游区,并综合考虑区域实际情况进行深一步规划研究。     

论网络环境下图书馆职能的变化

根据由于电子信息网络的发展状况,论述了网络图书馆职能的变化。     

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.