柔性透明薄膜掺杂微纳米粒子的光谱特性研究

柔性材料因杨氏模量较小,在外力作用下易变形而受到广泛研究和应用。聚二甲基硅氧烷(PDMS)是一种高分子聚合物,并且具有光学透明、化学惰性等特点。Ni在0.3~2μm具有高吸收性,Al_2O_3在0.4~0.8μm具有高反射性。提出将微纳米Ni或Al_2O_3粒子掺杂到PDMS薄膜中的结构,先利用米氏散射理论计算出单个粒子的辐射特性,再利用蒙特卡洛方法求解整个模型的辐射特性。研究发现,薄膜模型的光谱特性受粒径影响:当波长不变时,掺杂Ni粒子的模型的吸收率与粒子浓度和膜厚成正比;掺杂Al_2O_3粒子的模型的反射率与粒子浓度和膜厚成正比;2种模型的透射率均与粒子浓度和膜厚成反比。最后根据布格尔定律推出的关系式证明了光谱特性变化的机理。     

基于三值Walsh插值函数的PSWF重构方法

针对采用二值Walsh函数重构椭圆球面波函数(PSWF)精度不高的问题,通过理论分析的方式,将二值Walsh插值函数推广为三值Walsh插值函数,并依据其完备正交性,提出基于三值Walsh插值函数的PSWF重构方法。在此基础上,对运算量、信号精度、信号性能等进行数值分析。结果表明,相比于二值Walsh函数重构法,在运算量基本持平的基础上,提出的方法能够在相同采样点数量的情况下,使得时域重构信号的精度至少提升5个数量级,且时域正交性较好,频域能量聚集度也有1个数量级的提高。     

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。