基于改进欧几里得聚类的激光雷达障碍物检测

针对传统的欧氏聚类算法无法同时对近处和远处的障碍物点云进行精准检测和分割,容易造成错检和漏检的情况,提出一种欧氏聚类算法的改进方法,可以根据点云与激光雷达之间的距离动态地选择阈值,从而快速且准确地完成聚类.实验表明:该方法能同时对近处和远处的障碍物点云进行快速且准确的聚类.     

高低温环境航天机构力矩特性测试平台研制

为了测试在太空环境下航天机构中弹性机构的性能指标,研制了高低温环境下测量角度-力矩特性的测试平台.分析测试平台测试原理后,设计了平台的机械结构、设计电气系统结构并搭建软件系统.机械结构考虑对被测对象的保护,针对高低温测试带有高低温箱,可以为被测对象提供-100℃～100℃的温度环境,具有热变形偏差测量与补偿设计,减少温度变化对测量精度的影响.软件系统具备收集、处理、存储数据和图形化显示能力.分析平台不确定度的组成,对传感器进行测试校准并对航天弹性机构进行测试,测试结果验证了:该测试平台的力矩检测范围为0～50 N·m,力矩检测精度≤0.5％FS,角度测量扩展不确定度为U=35.6″,得到了被测对象的角度-力矩特性曲线图.     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

苯丙氨酸解氨酶印迹交联酶聚体的制备及部分催化性能研究

苯丙氨酸解氨酶(PAL)是酶法生产L-苯丙氨酸的关键酶,目前主要利用红酵母PAL进行转化,但红酵母PAL稳定性较差,妨碍了其工业化的应用。该研究将交联酶聚体和印迹酶的制备方法相结合,制备出新型固定化酶-苯丙氨酸解氨酶印迹交联酶聚体,筛选出最优的底物印迹分子,并考察了该固定化酶的部分特性。结果表明,反式肉桂酸是制备印迹PAL交联酶聚体的最适底物,所制备印迹交联酶聚体的最适催化温度和pH值分别是50℃和10.5,并表现出较好的重复使用性,连续催化9个批次后,仍保持了32%的酶活保留率。     

具有奇性的时滞Rayleigh方程周期正解存在性

研究了含有奇性的时滞Rayleigh方程x″(t)+f(x'(t))+g(t,x(t-σ))=0周期正解的存在性问题,其中f:R→R连续,g:R×(0,∞)→R连续,关于t为T周期,且在x=0处具有奇性,即limx→0+g(t,x)=∞.利用Mawhin重合度延拓定理,证明了上述方程至少存在一个T周期正解.     

LC-MS/MS法测定比格犬血浆中Epacadostat的浓度

本文旨在建立快速、灵敏、可靠的液相色谱串联质谱(LC-MS/MS)方法以测定IDO抑制剂Epacadostat在比格犬血浆中的浓度,研究其在比格犬体内的药代动力学特征.色谱柱为Waters symmetry C18 (150 mm×2. 1 mm,3. 5μm),流动相为乙腈-水(80∶20,含0. 02 mmol/L乙酸铵),流速为0. 2 m L/min,采用负离子选择性反应监测模式监测.在此实验条件下,方法的灵敏度高,专属性好,分析物在0. 025～5μmol/L范围内线性关系良好(r 0. 992 5),批内批间变异系数小于12. 5%,偏差在±5. 1%以内,该方法已成功应用于比格犬血浆中的Epacadostat药物浓度测定.动物实验结果表明,Epacadostat在比格犬血浆中的药时曲线下面积(AUC0-24)为19. 7±1. 65 h·μmol/L,末端消除半衰期为7. 05±2. 73 h.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

基于盖洛普Q12的实习期定向医学生敬业度调查分析研究

通过研究实习期定向医学生的敬业度情况并分析管理对策,以提高实习期定向医学生的实习效果。对200名实习期定向医学生运用盖洛普Q12调查表对其敬业度进行调查,根据测评内容调整定向医学生的管理政策,据此不断改进,达到最佳管理效果。干预后6个月再次进行调查,比较干预前后实习期定向医学生的盖洛普Q12敬业度得分情况。针对盖洛普Q12表相关内容,对满意度低的项目进行了重点管理和改进,实习期定向医学生的盖洛普Q12满意度不断提高。干预前后实习期定向医学生敬业度得分比较差异有统计学意义(P0.05)。在实习期定向医学生管理中运用盖洛普Q12分析方法,能提高实习期定向医学生的敬业度。同时也能更好地促进医院管理者人本精神的培养及提高医院的管理效果。     

AR-Grams:一种应用于网络舆情热点发现的文本聚类方法

网络舆情热点发现是一种常用且处理速度要求较高的应用.针对网络舆情热点发现这一特殊应用场合,本文提出了一种基于随机N-Gram的文本聚类方法AR-Grams.该方法通过随机N-Gram的文本相似度计算方法,确立待聚类文档集中各个初始聚类的标志文档并完成初步的聚类操作,继而通过聚类元素数阈值来确定初始聚类,并可根据实际情况确定是否执行聚类合并.该方法生成的聚类内聚性好,准确率高.另外,为了便于评估整体的聚类效果,提出了聚类的整体覆盖率和正确覆盖率.实验结果表明:与对比方法DR-Grams相比,在低阈值时,AR-Grams的准确率、召回率、F-score、正确覆盖率分别提高了11.9％、9.1％、10.2％和9.2％,提升效果尤为明显;在高阈值时,效果基本相当;在整体上,前述4项指标则分别提高了4.5％、2.9％、3.5％和3.0％,优于对比方法DR-Grams.