ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。     

基于蛋白质组学技术研究秦川牛肉宰后贮藏过程中肌红蛋白含量及其衍生物转化

本实验采用4D-非标记蛋白质组学技术研究秦川牛肉贮藏过程中（0～8 d）肌红蛋白含量及其衍生物的转化情况，阐释冷却秦川牛肉中肌红蛋白含量及其衍生物转化的分子机制。结果表明：贮藏过程中，肌红蛋白表达量在宰后0～4 d上升、4～8 d下降，利用非标记蛋白质组学技术鉴定出与肌红蛋白及其衍生物相关的差异蛋白14 种，具体包括代谢酶、氧化还原酶、过氧化物酶、伴侣蛋白4 类，这4 类蛋白的表达共同调控贮藏过程中肌红蛋白含量的变化及其3 种衍生物之间的转化，具体表现为贮藏过程中肌红蛋白表达量整体呈下降趋势，氧合肌红蛋白相对含量持续下降，脱氧肌红蛋白、高铁肌红蛋白相对含量逐渐增加，导致肉色发生褐变。本研究结果有利于理解秦川牛肉贮藏过程肉类变色的复杂生化变化机制。     

"一带一路"沿线中国境外产业园区规划实践研究

在"一带一路"倡议深入实施的背景下,中国境外产业园区得到沿线国家的普遍认同,正在成为支撑"一带一路"倡议落地开花的重要手段,这也为中国开发区规划技术"走出去"提供了机会和提出了需求.本文系统梳理了相关领域的学术研究状况,在分析相关法定规划体系架构基础上,结合实地调研,对中国境外产业园区的规划实践进行了系统梳理和分析,对既有境外园区规划类型与内容、规划技术标准、规划编制组织和管理体系等进行了总结,结合园区就业者对规划建设的评价和需求等,分析了境外园区规划建设存在的主要问题,提出了境外产业园区规划体系创新的策略性建议,为构建全球化的境外产业园区规划技术体系提供支撑,也为中国城乡规划技术"走出去"探路.     

紫色马铃薯酒发酵工艺优化及主发酵期花青素与色泽的动态变化

以紫色马铃薯为原料，在单因素的基础上，通过响应面法对紫色马铃薯酒的发酵工艺参数进行优化。最佳发酵工艺参数为:马铃薯与面粉比1:0.6、料水比1:1 (g/mL)、α-淀粉酶添加量8.5 U/g、酒曲添加量0.45%。此工艺在28 ℃下发酵14 d，得到的紫色马铃薯酒酒精度13.5%vol，花青素含量166.34 mg/mL，酒体澄清透明呈紫红色，酸甜适中，有独特酒香，综合感官评定得分90分。测定主发酵期花青素和色泽的动态变化，分析表明，紫色马铃薯酒在发酵过程中花青素呈现先上升后下降的趋势，色度呈现先下降后趋于平缓的趋势，色调则与之相反。聚合色度和褐变指数总体均呈现逐渐上升的趋势。试验结果为工业化生产紫色马铃薯酒提供理论依据。     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。     

某矿快速掘进最优炮孔间距的选择

山西某矿5308底抽巷在掘进过程中速度慢、效率低，直接影响工作面的瓦斯抽采，为了改善上述情形，对炮孔间距进行研究。通过使用ANSYS软件对不同炮孔间距下快速掘进效果的模拟分析，并经现场验证，得出了适应该矿的最佳炮孔间距。结果表明：炮孔间距为500 mm时，爆破产生裂隙发育范围和岩石损伤区域都最大，快速掘进的效果最好。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.