猪瘟疫苗免疫失败原因分析

猪瘟一直是养猪业危害较大的疫病之一。我国因病死亡的猪中,1/3是由猪瘟引起的。近年来猪瘟发病已由早年的大面积发病、"烂肠瘟"、败血症等典型的临床症状发展为散在发病、零星死亡、带毒不发病等非典型症状,给疾病的诊断增大了难度。这种情况下,预防为主的疫苗免疫就成为控制猪瘟发生的主要途径。但很多基层兽医及养殖户发现,虽然猪瘟疫苗免疫工作年年搞,次次免,但监测时     

基于RBF神经网络的单交叉口自学习控制系统

单交叉路口自学习信号控制器主要是通过径向基函数(RBF)神经网络建立了交叉口模型,模拟交通警察指挥交通的思维过程.该控制器能够根据交叉口各相位车辆的排队长度,对各个相位的绿信比和总的信号周期进行实时分配,并且根据交通状况的变化,可以对信号配时效果进行评价,对信号作出调整,具有学习功能.仿真结果表明,该系统能够很好地适应实际的交通状况,可以提高道路交叉口的车辆通行能力.     

A novel scale-free network model based on clique growth

A novel scale-free network model based on clique (complete subgraph of random size) growth and preferential attachment was proposed. The simulations of this model were carried out. And the necessity of two evolving mechanisms of the model was verified. According to the mean-field theory, the degree distribution of this model was analyzed and computed. The degree distribution function of vertices of the generating network P(d) is 2m ² m ₁⁻³ (d − m ₁ + 1)⁻³, where m and m ₁ denote the number of the new adding edges and the vertex number of the cliques respectively, d is the degree of the vertex, while one of cliques P(k) is 2m ² k ⁻³, where k is the degree of the clique. The simulated and analytical results show that both the degree distributions of vertices and cliques follow the scale-free power-law distribution. The scale-free property of this model disappears in the absence of any one of the evolving mechanisms. Moreover, the randomicity of this model increases with the increment of the vertex number of the cliques. Foundation item: Projects(60504027, 60573123) supported by the National Natural Science Foundation of China; Project(20060401037) supported by the National Postdoctor Science Foundation of China; Project(X106866) supported by the Natural Science Foundation of Zhejiang Province, China     

WS与NW两种小世界网络模型的建模及仿真研究

对WS小世界网络和NW小世界网络两种网络模型进行计算机建模,并分析它们的静态网络统计量,包括节点的度分布、平均最短路径和聚类系数等特征指标.进一步得到了WS和NW小世界网络模型的度分布图以及NW小世界网络模型的平均最短路径和平均聚类系数的归一化图.使用Matlab软件,用邻接矩阵表示网络连接,用随机数产生器产生概率,生成两种小世界模型.并且使用稀疏矩阵的方法,大大减少了内存的使用量,使仿真程序能生成具有更多网络节点的大型网络,使对数十万节点的网络进行建模和分析成为可能.     

基于深度信念网络的医院门诊量预测

有效的医院门诊量预测是现代医院对医疗资源实现智能化管理的重要前提之一。现有的医院门诊量预测方法大多针对的是单一的数据集,缺少对数据的充分挖掘和深入分析。为此,提出一种基于深度信念网络的医院门诊量预测方法,用深度信念网络对医院各科室的门诊量数据进行无监督学习,完成对门诊量数据的特征提取,挖掘各科室门诊量数据间的相互关系,在网络的顶层叠加一个逻辑回归层并将提取出的数据特征作为输入来预测各科室未来的门诊量。仿真实验结果表明,基于深度学习的预测模型可以得到较高的门诊量预测精度,是一种可行且有效的预测方法。     

基于局部社团和节点相关性的链路预测算法

基于网络拓扑结构信息的链路预测算法是预测网络未知连边或未来连边的有效方法。在实际应用中,通过进一步提取网络结构信息可以提高网络链路预测结果的精度。文中提出了一种基于局部社团和节点相关性的链路预测算法(HCRP)。该算法把种子节点对的一阶局部社团扩展到二阶局部社团,获得了比一阶局部社团更多的网络结构信息;在用皮尔逊系数计算两个种子节点的相关系数时,该算法也考虑了二阶局部社团的最短路径、边聚类系数和连边密度对两个种子节点相似度的影响,获得了良好的预测网络连边的效果。实验采用了10个真实网络的数据,并对比了HCRP算法和11种知名算法,数值实验结果表明所提算法具有优良的链路预测性能。     

基于低采样率浮动车数据的全局投票地图匹配算法

针对现有地图匹配算法在低采样率时错误率较高的问题,提出一种全局投票地图匹配算法.算法在浮动车GPS轨迹数据的基础上,充分考虑道路网络的拓扑结构和不同距离的GPS轨迹点对匹配过程的影响.算法考虑道路网络的几何特性和拓扑结构,首先得出作为初始结果的静态匹配矩阵,定义距离加权函数对静态匹配矩阵进行修正,得到动态匹配矩阵,在此基础上进行全局投票,找出最优轨迹作为地图匹配的结果.最后采用杭州出租车数据对算法进行验证,结果显示:在采样率低情况下,算法能够充分利用已有信息,得到较好的地图匹配效果.     

畜禽乙型脑炎的流行状况及防控对策

流行性乙型脑炎(epidemi cencephalitisB,乙脑)又称日本脑炎(Japanese encephalitis,JE),是由乙型脑炎病毒(Japanese encephalitis virus,JEV,乙脑病毒)引起、经蚊虫传播的急性传染病.流行性乙型脑炎属于自然疫源性疾病,多种动物和人感染后都可成为该病的传染源.乙脑主要在亚洲流行,畜禽的隐性感染率很高,国内很多地区的牛、羊、猪等的血清抗体阳性率在90％以上,发病率和死亡率高.目前尚无特效的治疗该病的方法,控制蚊虫传播和免疫接种是现阶段的主要防御手段.     

汽车用单组分湿固化聚氨酯胶粘剂的研究

本文以聚醚和多异氰酸酯为原料,用预聚体法合成了聚氨酯胶粘剂用于汽车顶棚胶。介绍了聚氨酯胶粘剂的合成工艺,确定了反应物的配比,并对反应用催化剂,反应温度,反应时间等条件进行了讨论得出最佳工艺。结果表明,采用聚醚混合物与异氰酸酯的配比为4.5:1,催化剂用三乙烯二胺和辛酸亚锡的混合催化剂且用量为0.15%,温度为80±5℃的条件下,反应4.5h得到的胶粘剂具有良好的性能。。     

预聚体法制备汽车顶棚胶用单组分湿固化聚氨酯胶粘剂

本文以聚醚和多异氰酸酯为原料,用预聚体法合成了聚氨酯胶粘剂,具有高的粘接强度和固化时间短,且不含任何有机溶剂,为环境友好材料。介绍了聚氨酯胶粘剂的合成工艺,确定了反应物的配比,并对反应用催化剂,反应温度,反应时间等条件进行了考察。结果表明,采用聚醚混合物与异氰酸酯的配比为3:1,催化剂用三乙烯二胺和二月桂酸二丁基锡的混合催化剂且用量为0.15%,温度为80±5℃的条件下,反应4.5h得到的胶粘剂具有良好的性能。。