敏捷气热菌密码子及AUG侧翼序列保守性分析

比较敏捷气热菌和大肠杆菌等9种编码GC含量．以及各异生物的密码子使用情况．结果表明,与敏捷气热菌编码区GC含量比较接近的果蝇．在密码子使用上与之相差最小．它们在分类学上分别属于不同的域,与敏捷气热菌同属古菌．但GC含量相差较大的强烈炽热球菌．则相差较大．说明编码区GC含量对密码子使用偏好．比生物分类学(系统发育)地位更重要．碱基A．C在高、低表达基因中出现的概率差别较大．尤其在-1,-3,-4和7位点;碱基A,C在调控翻译起始效率中的作用．可能大于碱基G,U。因为碱基G,U在高表达和低表达基因中．其出现的概率差别不大．高表达和低表达基因起始密码子侧翼序列中．某些位点保守性存在差异．其中高表达基因-1位和-3全可能与其高表达特性有关．     

数字图像的不变特性与特征提取

讨论了两种字符特征向量的提取方法．一种是基于平移、旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法．比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别．实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统．     

超低渗透油藏渗流特征及提高采收率方向

为提高超低渗透油藏单井产量,深入研究了超低渗透油藏渗流特征,认为建立注水渗流条件下的有效驱替是关键,综合多种测试手段和岩心室内实验结果,定量描述了启动压力梯度和压力敏感系数的非线性变化规律,建立了超低渗透油藏考虑应力敏感和启动压力梯度的渗流模型,研究并试验了以小井距、小水量、超前注水、前置酸加砂压裂、多级加砂压裂、水力射孔射流压裂为主体的开发技术,有效地改善了平面和剖面渗流条件,为规模开发超低渗透油藏提供了新途径。     

属性链匹配法识别自由手写数字

本文提出一种属性链匹配识别自由手写数字的方法,以带有属性的基元描述待识字符,粗分类后的一般类字符用属性链匹配法识别.     

BP网络在汽车牌照字符识别中的应用

基于BP神经网络原理对汽车牌照中数字与英字母进行了识别．分析了汽车牌照图像的识别处理过程，提出一种将大量模式分成许多小模式组的方法，研究了学习速率、误差精度与隐含层节点数之间的关系．实验结果表明所设计的汽车牌照神经网络识别系统能够较好地识别汽车牌照字符．     

基于轮廓结构和统计特征的字符识别研究

车牌识别系统是智能交通不可缺少的一部分,在车牌识别系统中,字符的特征提取和字符识别是这一系统的关键技术.文章利用字符的轮廓结构特征和统计特征对字符进行识别,根据字符外部轮廓的上、下、左、右4个方向的特点和一些统计特征,如字符最大宽度,垂直方向笔画数等作为识别特征,形成判别树,再利用判别树对汽车牌照中的数字和字母进行识别.此方法识别的准确率比较高,并提高了识别速度,还适用于其他不同字体的数字和字母识别.     

基于字符块提取的车牌字符分割算法

为了解决车牌图像倾斜、背景复杂、分割过程中出现的字符间粘连、断裂等问题,提出简便有效抗干扰强的基于字符块提取的车牌字符分割算法,以此提升车牌字符的识别效果.通过车牌图像二值化处理、倾斜矫正、去除干扰以及字符块提取一系列步骤,实现车牌识别前对车牌字符的准确有效分割.实验结果表明,该车牌字符分割方法可靠、准确度高,为后续车牌字符的正确识别奠定基础.     

一种实用快速的车牌字符分割方法

针对车牌自动识别系统中的字符分割问题,提出了一种基于车牌字符几何特征的分割字符算法。该方法先用数学形态学对二值化后的车牌图像进行一系列的形态运算,去除掉一些无用信息,使得字符与车牌左右边框、字符与字符之间空懈变大,便于划出字符间的垂直分割线,然后使用一种新的快速测量车牌倾斜度的方法进行校正。实验结果表明,该算法原理简单实用,分割速度快,分割的质量好,便于下一步的识别。     

利用磁悬浮技术提高动平衡精度及平台设计

在现有的磁悬浮技术和动平衡原理的基础上,对常规的机械式动平衡仪进行改进,提出了利用磁悬浮技术对动不平衡质量进行不停机自动切除的方案.即在不停机的情况下,采用激光加工器对不平衡质量进行自动切除,使转子由不平衡到平衡.分析转子的动平衡特性和磁悬浮的振动特性,建立振动方程,对工作平台的结构进行分析设计.该方法与传统的在停机情况下对不平衡质量进行切除相比,提高了动平衡的精度和系统的效率.     

不一致数据库中基于用户语义模板的评论可信度计算

在清洗算法不能有效地纠正不一致数据的情况下,“知情”用户给出的关于其正确取值的评论,对数据库的其他用户意义重大,可以帮助他们甄别错误数据,并在不丢失信息的前提下,尽可能地从不一致数据库中获取有用信息,但只有正确可信的评论才能有如此意义.因此,评论的可信度估算是这类应用中的一个关键问题.和互联网评论不同,数据库一般向系统内用户开放,用户的特征更易于提取,其语义确定.由于数据是对现实世界的描述,能对同一评论对象,发出类似评论的用户往往具有相同的背景或语义特征.文章提出了一种基于用户的特征分析的评论可信度计算算法,有针对性地解决了上述问题.算法首先根据语义特征,对历史评论者进行用户社区挖掘,得到在某准确度下评论过某对象的用户公共特征,形成用户模板;其次,对于任意给定新评论,通过其评论者和用户公共特征模板的匹配程度,并综合该评论者可信度、评论者和评论对象的语义相关性等关键因素,计算出该评论的可信度.实验证明,该算法在时间和准确率两方面都是有效的.