变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。     

基于PU学习的链接预测方法

基于分类的链接预测方法中,由于链接未知节点对的大规模性与不确定性,选择可靠负例成为构造链接预测分类器的难点问题.为此,文中提出基于正例和无标识样本(PU)学习的链接预测方法.首先,提取节点对的拓扑信息以构造样本集.再利用社区结构确定候选负例的分布,基于分布进行多次欠采样,获得多个候选负例子集,集成多个负例集与正例集中构建的分类器选择可靠负例.最后基于正例与可靠负例构造链接预测分类器.在4个网络数据集上的实验表明文中方法预测结果较优.     

18F-NaF注射液的制备及新西兰兔骨折显像

由外伤或肿瘤骨转移造成的隐匿性骨折和愈合情况的准确诊断对制定合适的治疗方案具有非常重要的意义。为考查¹⁸F-NaF PET显像用于骨折诊断的诊断效能，本研究制备了¹⁸F-NaF注射液，并对其进行了质量控制和稳定性研究，然后建立新西兰兔骨折动物模型，模型建立约2周后进行了¹⁸F-NaF PET显像和⁹⁹Tc^m-亚甲基二磷酸盐（⁹⁹Tc^m-MDP）SPECT显像的自身对照实验，并对显像效果进行了比较。结果表明：¹⁸F-NaF的产量大于37 GBq，各项检验结果均符合质控要求，40 ℃下放置8 h和30 ℃下放置10 h所有检验结果均无明显变化；¹⁸F-NaF PET和⁹⁹Tc^m-MDP SPECT两种显像方式均可见全身骨骼，骨折部位呈明显放射性浓聚，但¹⁸F-NaF给药后30 min即可进行PET显像，骨折部位显示更为清晰，骨折部位与对侧正常骨骼的放射性摄取比（T/NT）明显高于⁹⁹Tc^m-MDP，而⁹⁹Tc^m-MDP需在给药后2 h才能进行SPECT显像。本研究表明¹⁸F-NaF PET对骨折的显像性能优于⁹⁹Tc^m-MDP，可明显提高检查流通量和诊断效能。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。     

基于模糊综合评判和层次分析法的中子管故障风险评估

中子管是一种用途广泛的关键部件，然而目前国产中子管的可靠性水平与国外相比还有一定差距，难以满足各行业的使用需求。本文分析了中子管的主要故障模式，采用模糊综合评判和层次分析法对中子管故障进行了多级模糊综合评判，并对中子管故障风险进行了评估。结果表明，中子管总体故障风险水平中等，故障风险前3位的部件为靶、氘氚储存器和加速极，在设计和使用中应重点关注靶释放氦气，靶膜氧化，氘氚储存器吸气剂局部破损，绝缘瓷管破损，加速极离子加速、聚焦不稳定等故障。     

无机和有机絮凝剂复配对铁尾矿沉降特性研究

陕西某铁矿选矿厂尾矿难沉降、尾水质量差，尾水长期未回用，不仅浪费水资源，还存在环境污染等问题。为了加快尾矿沉降、改善尾水质量，对尾水进行回用，选用不同种类的无机和有机絮凝剂对尾矿 浆进行沉降试验研究，并考察了FeCl3和新型AL9020有机絮凝剂复配对尾矿絮凝沉降的作用。结果表明，该铁尾矿粒度细，自然沉降效率低，单独使用无机絮凝剂时尾矿沉降速度较慢，但澄清层浊度低；单独使用有机 絮凝剂时尾矿沉降速度快，但澄清层浊度高；将FeCl3和AL9020絮凝剂配合使用既能提高尾矿的沉降速度，又能降低澄清层的浊度，增强了尾矿的沉降效用。在最佳药剂制度下：先添加200 g/m3的FeCl3，再加入15 g/m3的AL9020絮凝剂，铁尾矿的沉降速度为301.68 m/d，澄清层浊度为23NTU，沉降速度的加快和澄清层浊度的降低为尾水回用提供了质量保障。无机和有机絮凝剂复配后产生协同作用，能够显著提高尾矿的沉降效果 ，为尾矿尤其是细粒尾矿的沉降提供借鉴。     

复合酶法提取黄秋葵可溶性膳食纤维的工艺优化及其理化特性、结构表征

以黄秋葵果荚为原料,采用复合酶法提取可溶性膳食纤维(soluble dietary fiber,SDF),通过单因素实验,探究不同因素对黄秋葵SDF得率的影响。在单因素实验的基础上进行响应面分析,得到复合酶法制备黄秋葵SDF的最优条件;并测定所得黄秋葵SDF的理化特性,并对其进行结构表征。结果表明:在料液比1:24 g/mL、复合酶添加量1.8%、酶解时间54 min、酶解温度62℃的提取条件下,黄秋葵SDF得率达到最大值,为10.94%,与预测值之间的相对误差为1.48%。黄秋葵SDF的持水力、膨胀力和持油力分别为5.61 g/g、3.35 mL/g和4.88 g/g,良好的理化特性使其具有成为通便保健食品原料的潜力。黄秋葵SDF的微观结构显示,经过酶的作用,黄秋葵SDF表面的淀粉类物质被充分除去;黄秋葵SDF的晶体结构符合纤维素I晶型的特征,其红外光谱图线符合膳食纤维类物质的典型特征。     

ZIF衍生多孔碳纳米纤维用于高效电容去离子的研究

作为一种环保节能的新兴脱盐技术，电容去离子技术正在成为替代反渗透脱盐和电渗析脱盐的一项重要的脱盐技术。各种碳基材料被广泛地应用于电容去离子电极材料的研究，然而大多数碳基材料为粉末状材料，需要添加黏结剂，这必将导致电极材料电吸附能力的下降。利用静电纺丝技术，将ZIF纳米颗粒和聚丙烯腈混纺，并通过分段高温热处理过程，成功合成了具有柔性结构的整体性多孔碳纳米纤维。由于其具有孔道结构的分级分布和较强的亲水性等优良特性，所制得的多孔碳纳米纤维在1.2 V电压下于500 mg/L NaCl溶液中表现出良好的电吸附性能，脱盐量达到了19.92 mg/g，比普通碳纳米纤维提高了一倍以上。     

深海环境下浮力材料的力学性能研究

浮力材料凭借其优异的机械性能和低密度,在深海装备、航空航天及生活用品中的应用越来越广泛。将空心玻璃微珠填充环氧树脂基体中采用模压的方法制备了三种密度浮力材料,对产品全方位静水压(12.5MPa)作用后的力学性能、尺寸稳定性、吸水率等进行了测试。结果表明,浮力材料经过全方位静水压作用后,压缩性能基本没有变化,剪切强度保留率在95%以上,拉伸强度和冲击强度都有所提高,尺寸稳定性好,吸水率随着静水压作用时间的延长先快速升高后趋于稳定。