海藻糖合成酶基因工程菌玉米浆培养基配方优化

以玉米浆作为重组大肠杆菌培养基的主要碳源和氮源,在单因素优化的基础上,选择玉米浆、MgSO4和微量元素3个因素对玉米浆培养基进行响应面设计,采用BoxBehnken试验设计和响应面分析法,确定基因工程菌最佳的玉米浆培养基配方。结果表明,最佳的玉米浆培养基配方为:玉米浆26g/L,MgSO42.1g/L,微量元素7mL/L。该条件下,重组大肠杆菌产海藻糖合成酶酶活达到120.5U/mL。试验证明了玉米浆作为重组大肠杆菌培养基唯一的碳源和氮源生产海藻糖合成酶的可行性。     

代数三角混合Bézier型插值曲线

通过一类代数三角混合Bézier型基函数的定义,构造了一类C2连续的代数三角混合Bézier型插值曲线。该曲线继承了Bézier曲线的一些优良特性,并能充分克服Bézier型基函数不能精确表示二次曲线曲面以及某些超越曲线曲面的弱点。另外,利用形状控制参数可以灵活调节曲线形状,进一步增强了曲线曲面的表现能力。最后实例表明了新的插值曲线应用于几何造型的有效性。     

一种基于慢退避思想的SD_DCC退避算法及其性能分析

改进了IEEE 802.11协议的二进制指数退避算法,提出了一种基于慢退避思想的分布式接入控制退避算法.它将慢退避的思想同分布式接入控制的思想相结合,有效地解决了标准协议中二进制指数退避算法成功发送数据帧后没有记录网络当前繁忙程度的缺点,能够更准确地记录数据帧成功发送后高负荷网络的退避阶数,降低数据帧接入信道的碰撞概率,提高无线信道的利用率.算法能够与现有的IEEE 802.11协议完整地结合在一起,具有简单、无开销、完全分布性和自适应性的特点.分析和仿真结果表明,基于慢退避思想的分布式接入控制退避算法较之其它三种常用的接入算法能够更能有效地利用网络中已有的信息,更准确地估计网络当前的竞争状态,表现出更好的网络性能.     

基于改进卷积神经网络的动力下肢假肢运动意图识别

传统动力下肢假肢运动意图识别算法常使用机器学习算法分类器,在特征选择方面则需要手工提取.针对该问题将深度学习算法应用于运动意图识别研究中,通过在传统的卷积神经网络的基础上进行改进,使算法更适应于基于短时行为样本数据的运动意图识别,同时抑制深度学习算法应用于运动意图识别中的过拟合.在意图识别数据集中进行滑动窗口预处理,目的是对时间序列样本做数据增广,扩增目标数据集能够使训练集更加丰富全面,提高识别的精度,运用改进后的卷积神经网络对增广后的数据集进行特征学习与分类.实验结果表明,该方法在13类运动模式下的识别率达到93%.     

球形芽孢杆菌转化猪去氧胆酸为3β-猪去氧胆酸的研究

猪去氧胆酸是从猪胆汁中提取的一种胆烷酸,能抑制胆酸的形成及溶解脂肪,降低血液中的胆固醇和甘油三酯含量,适用于Ⅰa或Ⅰb型高脂血症、动脉粥样硬化症。其同分异构体3β-猪去氧胆酸目前仅能通过化学法少量合成,难以广泛使用。通过球形芽孢杆菌AKU218发酵培养、猪去氧胆酸转化、转化产物提取、结构确证和3β-猪去氧胆酸标准品对比等步骤,确定球形芽孢杆菌AKU218可将猪去氧胆酸转化,其产物为3β-猪去氧胆酸。经过研究,对球形芽孢杆菌AKU218菌株的生物转化特性及其对猪去氧胆酸的生物转化过程有了初步了解。     

一维Ad Hoc网络二连通性研究

无线Ad Hoc网络拓扑结构的连通性是成功实现网络端到端数据通信的基本前提,而二连通性是网络在有节点失效的情况下保持拓扑连通的基本条件.为了有效构建具有容错能力的网络拓扑结构,本文针对节点随机均匀分布的一维Ad Hoc网络模型,基于割点概率,分析了一维Ad Hoc网络的二连通性,给出了网络的二连通性与网络分布区域大小、节点数目、通信半径间的解析关系.利用该结论,合理配置网络参数,能够有效优化网络的拓扑结构.仿真实验结果表明,理论值与仿真值吻合良好,验证了所得结论的正确性.     

一种新的传感器网络MAC地址分配算法

针对传感器网络MAC地址开销较大的问题．提出了一种适用于传感器网络的分布式MAC地址分配算法——VGSR（Virtual Grid Spatial Reusing）算法，该算法将网络分布区域划分为一系列虚拟小区，并建立节点地理位置坐标与虚拟小区间的映射关系，通过MAC地址在不同虚拟小区处的空间复用达到减小节点MAC地址长度的目的，通过调整传感器节点的通信半径，VGSR算法能够在保证网络不失连通性的同时最大限度地降低MAC地址大小，理论和实验结果表明，该算法能够很好地适应网络规模的变化，具有消耗能量低和效率改善明显的特点，其性能优于现有的其他算法。     

一种高效的分布式QoS路由算法的研究

该文提出了一种以带宽为度量标准,改进的分布式QoS路由算法,它不仅继承了分布式QoS路由算法简单、链路开销小的优点,而且可以减少网络处于重负荷时所产生的资源碎片,接纳更多的业务。同时,通过确定本算法的启动门限,可以在保证算法性能的同时,大大降低引入的路径建立时延。计算机仿真结果证明了这种算法的正确性和高效性。     

基于函数型数据分析方法的人体动态行为识别

人体运动过程中,肢体的运动是连续的,而对应的运动捕捉数据是离散的.为了更好地分析人体日常运动行为的连续性与周期性,本文提出了一种基于函数型数据分析（Functional data analysis,FDA）的人体动态行为识别方法.首先,利用函数型数据分析方法,将可穿戴式运动捕捉系统采集的人体周期行为数据函数化,通过函数准确地定义数据的连续性与周期性;然后,根据导函数信息确定一个运动周期的起始点,并近似地提取出一个运动周期的数据序列;最后,根据不同行为一个周期内的曲线特征差异,利用支持向量机对动态行为进行分类识别.实验结果表明,本文的算法既能够较好地描述人体动态行为的连续性与周期性,又使得运动数据在标定的统一起始点处对齐,且在WARD数据集与自采集数据集上均取得了较好的识别率,分别达到97.5%与98.75%.     

自适应图像插值的Hermite型混合样条方法

分析了Hermite型插值样条的基本特性,研究了图像放大时边缘区域产生模糊的原因,并考虑到数字图像实时传输的要求,给出了一类新的自适应图像插值算法.　由于采用单核插值以及弹性边界的处理方法,提出的算法计算复杂性较小,且尽可能保持了边缘像素原有特征. 数值模拟与仿真显示该方法比传统方法有更清晰的边界.