模具结构对连续纤维增强热塑性复合材料性能的影响

采用自行设计的两种不同结构的熔融浸渍模具制备了连续玻璃纤维增强聚丙烯预浸带，测试了模具结构对预浸带的孔隙率、纤维断裂率、界面形貌、纤维分散均匀度和拉伸强度的影响，建立了纤维浸渍模型和纤维断裂模型，并通过理论模型对预浸带的孔隙率和断裂率进行理论预测。结果表明，本文建立的数学模型能够有效预测预浸带的浸渍程度和纤维断裂率，可用于浸渍模具结构的优化设计；在本文范围内，与波浪形模具相比，斜齿形模具的多楔形区结构可以有效地降低预浸带孔隙率和提升纤维分散程度；波浪形模具的流道圆角半径较大，楔形区个数较少，与斜齿形模具相比，可有效降低纤维断裂率并提升拉伸性能。     

浅析《医疗事故处理条例》存在的问题及对策

《医疗事故处理条例》颁布实施后，在医患纠纷诉讼方面仍存在一些问题．文章就其在医疗事故分级、医疗纠纷诉讼仍未设置行政裁决前置、鉴定方面、病历资料的封存和启封及医疗保险赔偿机制方面存在的问题作一阐述，并提出建议性的解决办法。     

硬线控制冷却工艺

研究了影响硬线性能的主要工艺参数，这些参数是决定线材最终产品质量的关键，并初步讨论了其影响规律。     

基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．     

集成电路设计产业产品创新趋势研究——国际片上系统（SOC）IP核发展现状及对策分析

基于国际集成电路设计产业的分析，系统阐述了国际SOCIP核的发展状况，指出SOC设计将是集成电路设计企业技术创新的发展方向。提出了一些国际SOCIP核发展的对策，包括口核标准化、SOC技术平台开发及加强与Foundry的合作。     

试论陈寅恪先生的文史互证研究

陈寅恪的史互证研究是中国人研究史上的一座丰碑。其“贴近现实、逆向思维、融贯古今、史笔诗心、突破前人”等方面均精湛独到，创造了一个学术研完的新时代。     

高中学生的物理成绩的调查与分析

经过两年广泛的调查，对调查结果进行统计，按教育统计学相关分析的计算方法，逐条求出各单元的相应系数。并对量化的部分结果进行了初步分析，指出了高中学生学习物理困难的主要原因，以及进行矫治的初步措施。该调查采集面广，样本大，计算方法科学，量化结果数据可靠，所反映的信息具有一定的代表性，可供中学物理同仁在教学改革中参考。     

浅析基于电子商务网络安全PKI技术的角色访问控制模型

文本提出了一种区别于传统自主访问控制策略和强制访问控制策略的RBAC网络安全策略,并提出了RBAC的面向对象模型,实现用户身份认证与访问权限的逻辑分离,且易于控制,既能有效的改进系统安全性能,又极大地减少了权限管理的负担。     

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.