人参三肽的序列分析

采用Sephadex LH₂₀色谱柱, 以体积分数10%的甲醇为流动相分离人参中具有增强记忆活性的肽类成分, 通过高效液相色谱系统将其纯化, 并用蛋白质测序仪分析其氨基酸序列. 结果表明,  所得序列为Gln-Thr-Ser的新三肽.     

序列响应面方法在薄壁梁轻量化设计中的应用

提出将近似模型引入到薄壁梁的耐撞性优化设计中,并利用序列响应面优化方法对近似模型进行优化。针对基于有限元网格模型的设计变量难于参数化的问题,开发了相应的程序将薄壁梁的材料、截面尺寸及焊点布置等参数进行参数化建模。研究结果表明:优化设计改善了薄壁梁的吸能特性,使它的质量大大减轻;基于近似模型的优化算法能较大程度地提高优化效率。     

一种基于RBAC的数据库入侵检测方法

由于数据库系统结构的复杂性,数据库入侵检测比主机和网络入侵检测更复杂,有更多难题需要去解决.该文提出了数据库日志的三种抽象表示法,利用SQL查询结构稳定性,使用序列模式挖掘算法提取角色的序列模式进行数据库入侵检测.同时,考虑到具体数据库系统的应用语义,该文利用数据库系统的聚类函数进行统计相关属性的改变而进行异常检测,两种方法结合起来既考虑了数据库查询结构的稳定性、通用性,又考虑了数据库系统的应用语义,试验结果证明,该综合方法和单一采用这两种方法相比,有较高的准确率,同时有较低的误报率、漏报率.     

二进制互连神经网络的遗传演化

当前对于二进制神经网络的研究主要集中在前馈模型上,然而前馈模型不具备反馈连接,无法形成记忆结构,从而无法处理时序逻辑问题。提出了一种基于遗传算法的二进时序神经网络演化算法,并且通过双边沿触发计数器实验和迷宫路径覆盖实验验证了演化的二进制互连神经网络具备时序逻辑处理能力。     

Bayes序贯试验方法中风险的选择与计算

对Bayes序贯试验方法中弃真和采伪风险的计算进行论述,给出决策常数的计算公式。分别对经典风险、平均风险和Bayes风险的计算公式进行推导,给出了三者之间的递推计算关系。在给定Bayes风险条件下,对序贯验后加权检验和Bayes序贯概率比检验,推导了决策常数的计算公式。对现有Bayes方法应用中,两类风险选择所存在的问题进行分析,给出风险选择的准则和解决方案,并给出决策常数的准确计算公式。最后,给出一个示例,说明该方法的有效性。     

即刻早期基因Arc/Arg3.1的表达及其与学习记忆关系概述

Arc/Arg3.1基因为即刻早期基因(Immediate-early genes,IEGs)中的一种,相对于其他作为转录因子的IEGs,Arc/Arg3.1是可以直接作为效应因子的细胞结构元件.Arc/Arg3.1基因在神经元的突触可塑性方面起重要的作用,如果它的蛋白表达受阻则会损坏LTP的维持,从而损坏长期记忆的巩固.就Arc/Arg3.1基因的序列克隆与表达及其与学习记忆之间关系的研究进展进行了阐述.     

面向多极值质量特性的全局式序贯性实验设计方法

针对多极值质量特性的全局性建模和参数优化问题, 为降低实验设计样本量, 提高模型预测性能, 提出一种全局式序贯性设计方法. 首先在一定的初始实验设计方式下, 建立过程粗略的SVR模型; 而后根据模型中支持向量的分布, 在支持向量样本各维度的45度角或轴向方向同步地增加实验点, 再拟合过程新的SVR模型; 如此迭代进行, 当模型精度达到要求或样本量达到上限时终止序贯性设计. 仿真与实证研究表明, 该方法能够在可行域全局的范围内将实验点合理地分配在质量特性的多个极值附近, 避免了传统的单路径式序贯性设计只能发现单个极值的不足, 充分提高了实验效率; 与均匀空间网格设计、 拉丁超立方设计和均匀设计相比, 在样本量接近的情况下, 基于全局式序贯性设计的SVR 模型的预测均方误差至少降低了30%; 而在预测误差较为接近的情况下, 全局式序贯性设计的样本量至少降低了12%.     

复杂信号环境下非合作突发通信信号的实时检测

现有未知突发信号检测算法是基于噪声加单一突发信号的简单假设的,在实际复杂信号环境会产生大量虚警而失效。针对实际非合作突发通信信号的检测环境除噪声外还包含多个连续信号和一些短突发干扰信号,建立了复杂信号环境模型,提出了适用于此环境的基于短时傅里叶变换(short time Fourier transform, STFT)的时序检测器。该检测器利用突发通信信号时间上短持续的特点剔除连续信号和短突发干扰造成的虚警。对该检测器的检测性能进行了分析和仿真,结果表明在复杂信号环境中当常规检测器由于虚警概率很高失效时,该检测器可以同时获得较低的虚警概率和较高的检测概率,因而适用于复杂信号环境中非合作突发信号检测。该检测器运算量小,易于实时实现。     

用于组合测姿的Kalman渐消因子自适应估计算法

提出了适用于姿态测量的Kalman滤波渐消因子自适应估计算法,滤波中采用序贯处理的方法计算出每个量测量对应的渐消因子,在位置速度组合导航系统中,只有位置、速度的误差状态是直接可观测的,用序贯滤波处理计算得到的渐消因子对协方差阵中对应于位置和速度误差状态的对角元素进行自适应控制,抑制滤波发散,提高位置、速度和姿态的测量精度。半实物仿真表明,与原来的算法相比,修改后的方法不仅能够提供高精度位置、速度信息,而且还可以提供高精度姿态信息,其中航向误差在0.08°以下,俯仰和横滚误差在0.02°左右。     

基于动态规划下最优停时方法的多目标公司兼并次序及时机选择

基于动态规划思想,使用最优停时方法研究了不确定的市场条件下,企业依次兼并两家目标公司的兼并次序和兼并时机问题。通过假设实现协同效应所需时间服从负指数分布来表征兼并后的整合风险,基于此建立了序贯兼并的最优停时模型,分析了沉没成本分阶段支付对序贯兼并决策的影响,并确定了扩张型序贯兼并的次序选择原则。研究发现,最佳兼并时机随着整合风险的增加而推迟;对于扩张型序贯兼并而言,兼并次序选择取决于沉没成本、谈判能力、企业规模、兼并协同度和整合风险等因素的权衡;分期逐额支付沉没成本能够提高企业的兼并积极性,加速兼并的实施。