杏鲍菇副产物免疫活性物质追踪与结构鉴定

以杏鲍菇副产物为试验材料,采用不同极性部位分段萃取、硅胶柱层析2个步骤对甲醇提取物中的活性物质进行分离纯化,并对每步中得到的提取物进行免疫活性研究,观察其对小鼠巨噬细胞的免疫刺激作用,以此对其中的免疫活性物质进行筛选、活性追踪。利用液相串联四级杆飞行时间质谱对主要活性成分进行结构表征。结论显示:对杏鲍菇甲醇提取物进行系统溶剂法分段萃取,其中正丁醇部位表现出最强的促进细胞增殖活性、吞噬活性和细胞因子分泌活性。当正丁醇部位提取物质量浓度为25μg/m L时,促进Ana-1细胞的增殖和吞噬活性作用最强,细胞因子TNF-α和IL-6均出现分泌量高峰。通过硅胶柱层析对正丁醇部位萃取物进行分离,得到7个洗脱组分,其中Fr.2表现出最强的促进细胞增殖活性、吞噬活性和细胞因子分泌活性。当Fr.2质量浓度为12.5μg/m L时,促进Ana-1细胞增殖作用,吞噬活性最强,细胞因子TNF-α和IL-6出现分泌量高峰。通过液相质谱对Fr.2中主要成分进行结构表征,确定Fr.2中主要成分为腺苷,化学分子式为C10H13N5O4。     

LayerLSB:基于分层局部敏感B树的最近邻搜索

最近邻搜索由于其广泛的应用已成为一个重要的研究课题.传统的空间索引结构,如R-tree和KD-tree,可以在低维空间中高效地返回准确的最近邻搜索结果,但不适用于高维空间.局部敏感B树(LSB)将数据点哈希到可排序的一维值,并将它们排列成树状结构,这在不影响结果质量的前提下极大地提高了传统局部敏感哈希(LSH)所需的空间和查询效率.但是,LSB并没有考虑到数据分布,它在均匀的数据分布设置中表现良好,但在数据倾斜时表现出了不稳定的性能.针对这个问题,文中提出了 LayerLSB,通过探索哈希值的密度对密集范围内的哈希值进行重建,使其分布更均匀,从而提高查询效率.相比LSB,LayerLSB索引在数据分布方面变得更有针对性,并构建了多层结构,与简单的重新哈希方法相比,多层方法会通过仔细选择组数和哈希函数来保证搜索质量.实验结果表明,在达到相同查询精度的情况下,查询成本最多可降低为原来的44.6％.     

一种支持服务网格的动态负载平衡系统

为了实现服务网格系统内负载的均衡分布,提高资源利用率和系统的吞吐率,设计并实现了一种基于服务网格环境的动态负载平衡系统。提出了层次式负载平衡调度模式,给出了本系统结构形式,设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前的负载情况的动态双阈值作业分配算法。实验结果表明,此算法能有效地基于负载分派作业,达到了提高网格内分布资源的利用率和减少作业调度时间的目的。     

基于CPU-GPU异构体系结构的并行字符串相似性连接方法

相似性连接技术在数据清洗、数据集成等领域中具有重要意义, 近年来引起了学术界的广泛关注.随着数据量的不断增大、数据处理实时性的要求逐渐提高以及处理器性能提升瓶颈的出现, 传统的串行相似性连接方法已经不能满足当前大数据处理的需求.近些年, GPU作为协处理器在机器学习等领域取得了良好的加速效果, 因此基于GPU的并行算法开始成为解决各类性能问题的有效解决方案.为此, 提出了基于CPU-GPU异构体系的并行相似性连接方法.首先, 方法使用GPU构建倒排索引, 索引采用SoA(struct of arrays)结构, 从而解决了传统索引结构在并行模式下读写效率低的问题.其次, 针对串行算法的性能问题, 提出基于过滤验证框架的并行双重长度过滤算法, 其中利用前缀过滤和构建好的倒排索引提升过滤效果.方法中相似度精确计算验证过程使用CPU计算执行, 从而充分利用CPU-GPU的异构计算资源.最后, 在多个数据集上进行实验验证性能.通过与串行相似性连接算法进行对比, 实验结果表明所提出方法相对于已有方法具有更好的过滤效果和更低的索引生成代价, 并在相似性连接上具有更好的性能和良好的加速比.     

侧围备份数据分析

备份数据是制件发运前留存的数据资料,通过对侧围备份数据与原始数据的对比,结合设计提供的回弹补偿及压机补偿,对前门洞工艺补充研配量大、C柱区域初始着色差等具体问题进行分析,综合整改方案,将优化方案反馈至设计部门,用于新产品的回弹分析及数模设计,以降低或避免在后续制件研配过程中再发生同类问题。     

从计算机体系结构发展历程看数据流计算思想

在计算机体系结构发展历程中,冯·诺依曼(yon Neumann)计算机结构一直是计算机系统的主流架构.谈及非冯计算机体系结构时,数据流计算机无疑是被提及最多的.本文从计算机体系结构发展历程的角度,分析数据流计算思想在计算机体系结构创新发展过程中发挥的重要作用.本文首先回顾数据流计算思想、分析早期数据流计算机的局限性;之...     

一种基于多阅读器数据冗余的高效RFID数据清洗策略

随着RFID技术的发展,RFID的应用越来越广泛.然而,由于RFID硬件设备固有的限制和环境噪声的影响,造成了RFID原始数据的不确定性,使RFID在很多领域中的应用受到限制.现实应用中的部署环境通常由多个阅读器及大量标签组成,而现有的数据清洗算法大多只针对单个阅读器对标签的读取情况进行研究,因此在真实应用中的效果差强人意.本文综合考虑RFID的数据特性、阅读器和部署环境的先验知识以及具体应用中的约束条件三个方面,提出一种更贴近现实应用的基于多阅读器数据冗余的数据清洗策略LC-INFER(Location-Containment Inference):首先基于贝叶斯推理对数据进行初步清洗,其次结合基于物体间包含关系的平滑技术,并考虑约束条件对数据进行二次清洗以提高数据的准确性,最后部署真实供应链应用环境进行实际测试,并用大量仿真数据集进行模拟测试,验证了本文提出的RFID数据清洗算法的准确性及高效性.     

无线传感器网络中基于模式序列分类的分布式数据流过滤技术

研究了无线传感器网络中产生的分布式数据流的过滤技术.在传感器网络中,传感器感知到的是无限、连续、实时、快速的数据.然而,在一些实际的应用中,由于传感器能量的有限性,传感器传送所有感知数据是不实际的.针对这一问题,提出一种基于模式序列分类的数据过滤技术,来减少数据的传输量,从而达到节省资源的目的.基于模式序列分类的数据过滤技术不考虑内网聚集,在传感器的缓存中存有一些模式序列,给定一个相似度衡量阈值,对传感器在某一段时间里感知到的数据做出处理,在已有的模式序列中寻找与当前传感器采集感知到的这段数据的相似序列,传感器只用传送部分数据.通过实验验证了提出算法和策略的有效性.     

多方强隐私保护记录链接方法

链接跨组织数据库中表示同一实体的记录,同时保护存储在这些数据库中实体的隐私,是安全有效地整合多源数据资源的核心技术之一。然而,已有隐私保护记录链接(privacy-preserving record linkage,PPRL)技术中的分块方法不能同时保证高查全率和高查准率,强隐私性的匹配方法存在时间代价过大的不足,且对多于两个数据库间的匹配研究很少。针对上述问题,提出了一种多方强隐私保护记录链接方法(multi-partystrong-privacy-preserving record linkage,MP-SPPRL)。首先,提出了一种局部敏感哈希(locality sensitiveHashing,LSH)结合后缀分块的二次分块方法,并引入分块分散度调节两次分块,在保证MP-SPPRL高查全率的前提下有效地提高了查准率;接着,利用滑动窗口合并分块生成候选记录组,保证MP-SPPRL的容错率;然后,采用基于同态加密的Hamming距离计算方法,设计了一种适用于大型数据的基于安全多方计算(securemulti-party computation,SMC)的可伸缩多方记录匹配算法,通过缩减加密记录数量和提前终止不可能匹配的候选记录组的距离计算,显著降低了匹配的时间代价,提高了MP-SPPRL的效率;最后,通过大量实验验证了MP-SPPRL的高查全率、高查准率和高效性。