基于模糊DEMATEL方法的建筑施工安全影响因子分析

近年来,建筑施工安全问题层出不穷。为加强建筑施工安全管理,本文识别了影响施工安全的6个影响因子和产生安全事故的7个因子并对其重要程度进行排序。首先,通过文献分析,结合建筑事故数据的事故因子,提出施工安全管理的发展现状;其次,建立施工安全因子模型,采用模糊DEMATEL法根据建筑行业专家对影响因子的打分情况进行分析,找出各安全因子的特点;最后,在此基础上,结合安全因子分析建筑施工的安全管理的具体内涵,并提出安全施工的办法。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

给排水常用管材分类使用探讨

在进行给排水的安装工作期间,对于所用材料的尺寸、规格和品质的标准要求是非常高的,但是当前在安装期间对于材料的选取上还是存有一些问题的。部分施工机构贪恋眼下的小利,采用伪劣的建材替换高品质的建材,另外还有相关工作人员对于建材的管理不到位,使得伪劣的建材流入施工场地并用于建设,致使给排水工程中存有大量的品质问题,例如,水管爆裂、阀门无法关紧等,干扰了居民的正常使用。基于此,本文主要对给排水常用管材分类使用进行了有效的分析,希望可以为相关工作学者提供一定的参考。     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

可溶性肿瘤坏死因子相关凋亡诱导配体在E.coil中的表达、纯化及其生物学活性

目的表达纯化可溶性肿瘤坏死因子(tumor necrosis factor,TNF)相关凋亡诱导配体(TNF-related apoptosisinducing ligand,TRAIL)蛋白,并测定其生物学活性。方法利用E.coli中表达C-端带有6×His标签的可溶性TRAIL蛋白,并优化诱导时间(4、6和8 h)和诱导剂IPTG的浓度(0.06、0.125、0.25、0.5、1 mmol/L)。表达产物经Ni亲和层析和离子交换层析纯化后,采用MTT法测定不同浓度TRAIL(终浓度分别为100、200、400 ng/ml)的活性,并检测亲和层析过程中两种洗脱方式(洗脱液4℃留柱过夜后进行洗脱和洗脱液进柱后直接收集流出液)及纯化过程中两次透析的时间(均为24和48 h)对TRAIL活性的影响。结果最佳诱导时间为6 h,最佳IPTG诱导浓度为0.5 mmol/L。表达产物的表达量占菌体总蛋白的20%,相对分子质量为20 000,可与兔抗人TRAIL单克隆抗体发生特异性结合。TRAIL终浓度为100、200和400 ng/ml的实验组的抑制率分别约为36%、53%和73%。亲和层析的两种洗脱方式的TRAIL活性差异无统计学意义(P0.05),透析48 h比透析24 h获得的TRAIL活性显著降低(P0.05)。结论 TRAIL蛋白成功在E.coli中表达,具有抑制肿瘤细胞生长的作用,优化后的TRAIL诱导条件和纯化方法可进一步大量生产高TRAIL蛋白的活性,满足了TRAIL的基础及临床相关研究的要求。     

欢迎订阅2015年《肉类研究》杂志

<正>中国科技核心期刊《肉类研究》杂志创刊于1987年,主办单位为中国肉类食品综合研究中心。《肉类研究》是经国家新闻出版总署正式批准,面向国内外公开发行的中文科技期刊,国际标准刊号:ISSN 1001-8123,国内统一刊号:CN11-2682/TS。月刊。本刊自2011年开始由《食品科学》杂志的编辑团队全新打造,2011~2013年连续入选《中国科技核心期刊》,影响因子持续上升。本刊还被《中国核心期刊(遴选)数据库》《中国期刊全文数据库》《中文科技期刊数据库》《中