氨基酸席夫碱及其Co(Ⅱ)配合物的合成与量化计算

合成1-苯基-3-甲基-4-对氯苯甲酰基-5-吡唑啉酮(简称PM4ClBP)缩L-缬氨酸甲酯席夫碱及其Co(Ⅱ)配合物之后,再用Gaussian03程序量化计算2种化合物。结果表明,配合物的前线分子轨道能量差△E比配体的能量差稍小,配合物的活性稍强于配体。Co~(2+)对最低空轨道的贡献很大,接受电子的能力很强,使配合物的抑菌活性强于配体,氯原子存在与否对化合物的活性影响不大。参与配位的N、O原子的电子具有很强的接受和转移电子的能力,在配合物中Co(Ⅱ)是活性中心。     

苯基脲类衍生物的抑菌活性和量子化学计算

本文利用单片纸蝶法测定了14个苯基脲类化合物抑制金黄葡萄球菌和大肠杆菌的抑制活性；采用量子化学计算方法中的PM3软件进行了量化计算，计算结果与活性测试结果基本相吻合。     

酰基吡唑啉酮配体的设计

利用分子力学方法研究了1－苯基－3－甲基－4－（烟酰）－吡唑啉－5－酮（A）和1－苯基－3－甲基－4－（异烟酰）－吡唑啉－5－酮（B）及反应可能生成的烯醇式异构体（C）、（D）。系统搜索结果可以看出酮式能量最低，和实验结果相吻合，表明设计结果正确，为进一步设计开发新型配体提供了可靠的方法。     

二氯-4,5-二氮芴-9-酮合钯(Ⅱ)及其席夫碱衍生物能带结构的理论研究

二氯-4,5-二氮芴-9-酮合钯(Ⅱ)配合物(PddafoCl2)是一类大环间呈现π-π堆积层状的晶体.其结构中的羰基官能团,可与含氮的亲核试剂伯胺(RNH2)生成含碳氮席夫碱的衍生物.在共轭环间的π-π堆积下其有序的堆积结构可能产生具半导体性质,但对标题体系的席夫碱衍生物的导电性理论研究还未有见相关报道.基于局域密度(LDA)泛函理论,第一原理赝势平面波法,采用Materials Studio 4.0软件中的CASTEP程序包中的LDA/CA-PZ法研究二氯-4,5-二氮芴-9-酮合钯配合物及其席夫碱衍生物(其中R'=-CN、-COOH、-NO2、-CHO、-CH3、-CH2CH3)共7个体系的能带结构,结果表明该系列体系的能隙在(1.082 6～1.622 2)eV之间,Fermi能级上截距在(7.5147～8.4538)electrch s.eV-1之间.与二氯-4,5-二氮芴-9-酮合钯配合物相比,连接吸电子取代基后的席夫碱衍生物,能隙明显缩少,导电性增强,其中以连接氰基的化合物2的能隙最小.构建不同的席夫碱衍生物,配合物呈现不同的导电性.随R'取代基团电负性增强,体系的导电性能增强,这一规律在实际应用中有理论指导和预测作用.二氯-4,5-二氮芴-9-酮合钯(Ⅱ)及它的席夫碱衍生物有望在不同的领域获得广泛的应用.     

应用量化参数研究d4T核苷酸类似物的结构与抗HIV-1活性的相关性

应用MM 分子力学法、量子化学AM1法计算了20个d4T核苷酸类似物的优势构象和电子结构,并用逐步回归分析方法寻找其量化指数与抗HIV(艾滋病)活性的关系。结果表明:1)d4T核苷酸类似物的油水分配系数LogP与活性参数间呈较好的抛物线关系,LogP处于0．95-2．45区间是d4T核苷酸类似物具有良好抗HIV活性的重要条件。2)建立了量化指数与活性之间的定量模型,取得了良好的结果,其模型相关系数为R=0．948;继以留一法(Leave-one-out,LOO)进行交互检验,复相关系数为R2C(?)=0．771,说明定量相关模型具有良好的稳定性和预测能力。     

一种快速二维熵阈值分割算法

在二维熵阈值基础上，利用量化图像直方图概念讨论了一种快速二维熵阈值分割算法，这种算法能够递推运算和自动寻找阈值，将计算复杂性大大降低。 实验表明，该算法将每一幅图像运算时间降到2秒以内，提高了计算效率。     

2-杂环芳基苯并二氢吡喃-4-酮衍生物的定量结构与色谱保留相关

采用多元线性回归方法建立了2－杂环芳基苯并二氢吡喃－4－酮衍生物的定量结构－色谱保留相关方程。结果表明，化合物的反相高效液相色谱的容量因子与分子的疏水性质（ClogP）、电离热以及最低空轨道的能级有密切关系。     

3-甲基-7-二乙氨基-4-氧氮杂萘-2-酮的波谱性质量子化学从头计算

以合成的重要荧光材料3-甲基-7-二乙氨基-1，4-氧氮杂萘-2-酮为例子，进行了一些有机含氮杂环化合物的红外、核磁性质Hartree-Fock（HF）和密度泛函（DFT）量子化学从头计算研究。通过系统构象搜寻，对低能量稳定构象进行了红外振动频率和^1H、^13C-NMR及偶合常数等光谱学性质的计算，并对计算结果进行详细的归属和解析。在化学位移计算方面，HF／631g（d）和DFT／BG3LYP／6311＋g（2d，p）方法计算结果相当。但对于白旋偶合常数的计算，用HF／631g（d）方法不能得到准确的结果，只能用密度泛函大基组的方法才能得到比较准确的结果。计算结果表明有机分子光谱性质的理论计算尤其是核磁性质的计算是一种非常有效的辅助结构确定方法。     

α-唑基-α-芳氧烷基频哪酮(芳乙酮)及其醇式衍生物抗真菌活性的分子筛选

研究了最佳投影识别法（Optimal Projection Recognition Method）在α－唑基－α－芳氧烷基频哪酮（芳乙酮）及其醇式衍生物抗真菌活性筛选中的应用，解决了由计算机自动搜索该类化合物活性分类的最佳模式识别分类图的问题，且得到了识别该类化合物高抗真菌活性的判据，据以筛选出了可望具有较高抗真菌活性的该类新化合物。     

甲苯与戊二烯催化合成戊烯基甲苯反应过程的建模及优化

戊烯基甲苯可以由甲苯与戊二烯通过催化合成反应制得，是制备2，6-二甲基萘的重要原料。本文首先利用Matlab语言对此催化合成反应建立了人工神经网络模型，根据此模型可预测反应条件改变时实验结果；接着利用遗传算法对此模型进行优化，得到优化的反应条件组合；最后在此优化条件组合下进行实验验证。当原料配比4．39，催化剂配比4．43mol％，反应温度82℃，反应时间2．6hr时，目标产物收率实验值29．87％与优化结果33．93％比较接近。     

On the computation of the Gram matrix in time domain and itsapplication

The Gram matrix of the system involves evaluation of the scalar product of repeated integrals and has formerly been computed in frequency domain. A time domain method for evaluation of the Gram matrix is presented. It is based on new properties of the Gram matrix, derived here. A model reduction algorithm based on these properties is presented. The method is illustrated by a numerical example     

依据列相关性优化高斯测量矩阵

为了提高信号重建的精度以及稀疏度适用范围,提出了一种新的测量矩阵优化方法,减小测量矩阵和稀疏变换矩阵的相关性。首先,由测量矩阵和稀疏变换矩阵的乘积构造Gram矩阵;根据Gram矩阵的维数,计算互相关函数的下确界即Welch界;其次,由Welch界确定阈值,收缩Gram矩阵中大于阈值的非对角元;然后,由新得的Gram矩阵和稀疏变换矩阵反解出测量矩阵,迭代更新,从而达到减小相关性,优化测量矩阵的目的。实验结果表明：依据Welch界优化测量矩阵,能快速降低压缩感知矩阵相关性的最大值,提高OMP算法的性能,例如在误差率为10_-0.9时,原高斯随机矩阵需要23个观测值,算法优化后只需16个观测值,相对于Elad、Zhao等观测矩阵优化方法,文中提出的算法具有更小的重构误差,性能和稳定性也略有提升。     

A Parameter-Free Framework for General Supervised Subspace Learning

Supervised subspace learning techniques have been extensively studied in biometrics literature; however, there is little work dedicated to: 1) how to automatically determine the subspace dimension in the context of supervised learning, and 2) how to explicitly guarantee the classification performance on a training set. In this paper, by following our previous work on unified subspace learning framework in our earlier work, we present a general framework, called parameter-free graph embedding (PFGE) to solve the above two problems by posing a general supervised subspace learning task as a semidefinite programming problem. The semipositive feature Gram matrix, namely the product of the transformation matrix and its transpose, is derived by optimizing a trace difference form of an objective function extended from that in our earlier work with the constraints that guarantee the class homogeneity within the neighborhood of each datum. Then, the subspace dimension and the feature weights are simultaneously obtained via the singular value decomposition of the feature Gram matrix. In addition, to alleviate the computational complexity, the Kronecker product approximation of the feature Gram matrix is proposed by taking advantage of the essential matrix form of image pixels. The experiments on simulated data and real-world data demonstrate the capability of the new PFGE framework in estimating the subspace dimension for supervised learning as well as the superiority in classification performance over traditional algorithms for subspace learning     

Quartic curves and their bitangents

A smooth quartic curve in the complex projective plane has 36 inequivalent representations as a symmetric determinant of linear forms and 63 representations as a sum of three squares. These correspond to Cayley octads and Steiner complexes respectively. We present exact algorithms for computing these objects from the 28 bitangents. This expresses Vinnikov quartics as spectrahedra and positive quartics as Gram matrices. We explore the geometry of Gram spectrahedra and we find equations for the variety of Cayley octads. Interwoven is an exposition of much of the 19th century theory of plane quartics.     

细菌特征分析的革兰氏阴阳性判别算法

自然界中细菌无处不在,细菌的革兰氏阳性和阴性的有效分类对于临床治疗具有重要意义.现有的细菌的革兰氏阴阳性分类主要依赖于革兰氏染色法.这种方法借助细菌细胞壁结构的不同引起的染色性的差异来进行分类,然而涂片的厚薄和脱色时间的掌握制约着革兰氏染色法的准确性,并且实验需要花费一定时间.本文提出一种用计算机智能分析的细菌革兰氏阴阳性判别方法—基于蛋白质序列特征分析的细菌革兰氏阴阳性判别算法GCBPS.该算法首先挖掘出闭合邻接序列模式(FCloConSP)集合并对大量已知阴阳性的细菌蛋白质序列特征进行提取,然后先利用赋参的余弦相似度距离计算方法来衡量待测细菌蛋白质序列与阳性细菌特征集之间的距离来初步判别是否为阳性,再通过去假阴性等处理后得到最终的细菌革兰氏阴阳性判别结果.该算法已在标注的1591条革兰氏阴性菌以及576条革兰阳性菌的标准数据集上进行评估,实验结果表明,判别的平均正确率F1值可达到95.4%.     

改进型任意风格快速迁移元网络算法

基于元网络的任意风格快速迁移方法得到业界的高度关注和评价。然而,该模型的结果图中经常出现灰色风格不协调的像素缺块,颜色色调与目标风格图不一致,严重影响了迁移质量。提出了该方法的改进策略。使用Gram矩阵作为风格统计量,用于元网络信息输入和计算网络训练损失函数。同时,综合Gram矩阵平均池化操作和元网络分组全连接策略,有效避免了传统Gram矩阵带来网络参数整体过大的问题。实验结果显示,该方法不仅有效去除了不协调风格缺块问题,而且在纹理和颜色布局上较原方法取得了更好的视觉效果。通过理论分析、实验佐证,在算法收敛性和视觉效果方面,进一步确认了采用Gram矩阵作为风格损失和特征统计量的优越性。     

一种解决大规模数据集问题的核主成分分析算法

提出一种大规模数据集求解核主成分的计算方法.首先使用Gram矩阵生成一个Gram-power矩阵,根据线性代数的理论可知,新形成的矩阵和原先的Gram矩阵具有相同的特征向量.因此,可以把Gram矩阵的每一列看成核空间迭代算法的输入样本,这样,无须使用特征分解即可迭代地计算出核主成分.该算法的空间复杂度只有O(m);在大规模数据集的情况下,时间复杂度也降低为O(pkm).实验结果表明了所提出算法的有效性.更为重要的是,在大规模数据集的情况下,当传统的特征分解技术无法使用时,该方法仍然可以提取非线性特征.     

一种高效的检测相似重复记录的方法

如何消除数据库中的重复信息是数据质量研究中的一个热课题。文中提出了一种高效的基于N－Gram的检测相似重复记录的方法,主要工作有：（1）提出了一种高效的基于N－Gram的聚类算法,该算法能适应常见的拼写错误从而较好地聚类相似重复记录,复杂度仅为O（N）;同时提出该算法的改进形式,使其在检测的同时能自动校正单词的插入、删除错误、提高检测精度。（2）采用了一种高效的应用无关的Pair-wise比较算法,该算法以单词间的编辑距离为基础,通过计算两记录中单间的编辑距离来判断记录的相似与否。（3）给出了一种改进的优先队列算法来准确地聚类相似重复记录,该算法使用固定大小的优先队列顺序扫描已排序的记录,通过比较当前记录和队列中记录的距离来聚类相似重复记录,此外,该文构造了合适的实验环境并作了大量的算法实验,在此基础上,文中分析了大量、翔实的实验结果从而验证了算法的科学性。     

Learning low-rank Mercer kernels with fast-decaying spectrum

Low-rank representations have received a lot of interest in the application of kernel-based methods. However, these methods made an assumption that the spectrum of the Gaussian or polynomial kernels decays rapidly. This is not always true and its violation may result in performance degradation. In this paper, we propose an effective technique for learning low-rank Mercer kernels (LMK) with fast-decaying spectrum. What distinguishes our kernels from other classical kernels (Gaussian and polynomial kernels) is that the proposed always yields low-rank Gram matrices whose spectrum decays rapidly, no matter what distribution the data are. Furthermore, the LMK can control the decay rate. Thus, our kernels can prevent performance degradation while using the low-rank approximations. Our algorithm has favorable in scalability—it is linear in the number of data points and quadratic in the rank of the Gram matrix. Empirical results demonstrate that the proposed method learns fast-decaying spectrum and significantly improves the performance.     

自适应梯度下降观测矩阵优化算法

基于可以通过减小压缩感知中观测矩阵与稀疏矩阵之间的互相关性来提高信号的重构质量,结合无约束凸优化问题中梯度下降的思想,提出了一种自适应梯度下降算法（Adaptive Gradient Descent, AGD）。首先利用等角紧框架（Equiangular Tight Frame, ETF）收缩传感矩阵的Gram矩阵,然后通过收缩得到的Gram矩阵建立一个无约束凸优化问题,最后通过梯度下降方法求解无约束凸优化问题进而得到优化后的观测矩阵。AGD算法通过每次更新梯度下降的方向,使Gram矩阵能够在最短时间内逼近ETF。仿真实验表明,该算法不仅迭代次数少,且优化后的观测矩阵与稀疏矩阵之间的互相关性大大降低。与传统的优化算法相比,信号恢复效果更好。