Dijkstra算法在肾脏移植交换系统中的应用

在肾脏移植过程中,经常存在一个病人的亲属愿意将自己的一个肾脏捐赠给此病人,但是他们的肾脏匹配不够好,只能放弃的情况,这明显是一种资源的浪费.一个可行的方案就是肾脏交换系统.在这篇论文中,我们提出了两种解决方法,分别代表了解决此问题的两个解决方向.给一些相应的组织,如美国的OPTN,一定的改进建议,并对其他国家建立类似的组织起到一定的指导作用.     

考虑虚拟电厂可信容量的新能源电力系统容量市场出清模型

随着风电和光伏发电装机规模快速增长,系统出现了发电容量充裕度不足的问题。为确保电力系统中的充足发电容量,需要引入容量市场机制。相比于大型火电机组的长建设周期和高投资成本,分布式可调节资源聚合的虚拟电厂（virtual powerplant,VPP）建设周期短、投资小、见效快,是为系统提供发电容量的有效资源。因此,构建了虚拟电厂可信容量（unforcedcapacity,UCAP）计算方法并提出一种考虑虚拟电厂可信容量的新能源电力系统容量市场出清模型。虚拟电厂可信容量计算模型考虑了其功率、能量以及运行特性。容量市场出清模型在考虑发电侧风电、光伏、传统机组的基础上,增加用电侧虚拟电厂参与市场。容量市场出清模型中考虑了高峰容量需求、基本容量需求、电能需求、谷荷需求、爬坡功率需求等系统约束。最后通过算例分析了虚拟电厂可信容量、市场容量总需求量以及新能源装机容量对市场出清结果的影响,验证了本文虚拟电厂可信容量计算方法以及容量市场出清模型的有效性。     

考虑数据分类的建筑电能耗集成预测方法

建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用。尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测模型。针对该问题,提出一种基于建筑物能耗特点并结合数据挖掘技术的分类集成式能耗预测方法。首先,采用递归特征消除法对数据进行特征筛选,并用模糊C均值聚类算法对训练集数据进行聚类,使用K最邻近法对验证集和测试集数据进行归类;选择5种结合智能优化算法的混合数据驱动模型作为子学习器,分别对每类数据做预测,最后使用多元线性回归法进行结果集成。经3个建筑电力用能案例验证,此集成预测模型精度均优于单个子模型,具有适用不同建筑类型和用能尺度的预测潜力。     

过敏原肌质钙结合蛋白在毕赤酵母中的表达、优化及免疫反应性研究

目的 探究天然肌质钙结合蛋白(sarcoplasmic calcium binding protein, SCP)的可替代物,为蟹类过敏原的检测提供基础材料,本研究首次利用毕赤酵母(Pichia pastoris, P. pastoris)高效表达表达三疣梭子蟹(Portunus trituberculatus)重要过敏原SCP,并检验其免疫反应性。方法 根据毕赤酵母的密码子偏好性优化SCP基因并构建重组质粒。将其热激转化至P. pastoris GS115菌株后经遗传霉素(Geneticin, G418)筛选获得阳性高拷贝子。最后通过甲醇诱导表达重组SCP并结合免疫印记(Western blotting, WB)和间接酶联免疫吸附实验(enzyme-linked immunosorbent assay, ELISA)验证其免疫反应性。结果 SCP在P. pastoris GS115中实现了可溶性高效表达,其表观分子量约为28 kDa。在摇瓶水平下,最佳诱导条件为pH为6.0、每24 h添加1.0%(v/v)甲醇,于28℃发酵144 h,在此条件下,纯度为91.6%的SCP产量可达15 mg/L。WB和间接ELISA结果表明,重组SCP具有IgG结合能力。结论 毕赤酵母表达系统可以得到纯度较高且免疫反应性良好的重组SCP。本研究为SCP的理化研究及产业化应用奠定了基础,并有望促进特异性甲壳类过敏原检测的发展。     

基于人工智能的威胁检测与防护系统

文中针对传统的基于签名匹配的威胁检测系统存在的局限,探讨了人工智能技术在网络安全防护中的应用。通过分析异常检测、恶意软件检测和自动化安全响应3个方面,阐明了机器学习和深度学习模型可以实现对未知威胁的检测和主动防御。研究认为,人工智能驱动的网络安全防护系统代表了技术发展的方向,但还需进一步的数据积累和模型优化,以实现更智能的商业安全产品的开发。     

车牌识别嵌入式系统的软硬件设计

作为交通信息服务系统的重要手段,车牌识别技术避免了人工操作存在的各种弊端。文中设计了车牌识别嵌入式系统的软硬件,该系统的整体框架主要包含3个模块,分别是OV7670摄像头、STM32单片机和TFT显示屏。为满足任务需求,设计了最小系统和电源模块等硬件;为解决传统投影法误差较大的问题,该系统在字符分割前会先对车牌区域进行识别,并采用上下投影的方式在有效区域内进行字符分割。实验表明,该系统可以实现车牌识别功能,且精确度较高。     

Tuning the band gap of the CIGS solar buffer layer Cd1-xZnxS (x=0—1) to achieve high efficiency

To evaluate the impact of zinc sulfate (ZnSO4) concentration on the structural properties of the films, Cd1-xZnxS thin films were formed on glass substrates using chemical bath deposition (CBD) in this study. The effect of ZnSO4 precursor concentration on the surface morphology, optical properties, and morphological structure of the Cd1-xZnxS films was investigated. To study the impact of zinc doping content on the performance metrics of Cu(In1-xGax)Se2 (CIGS) cells in the experimental group and to improve the buffer layer thickness, simulations were run using one-dimensional solar cell capacitance simulator (SCAPS-1D) software.     

Analysis of light propagation characteristic in the aero-optic flow field of cone-headed vehicle with side window

Aero-optic imaging deviation research is carried out for infrared-guided vehicle with cone-head side window, with a focus on the propagation characteristics of light in an aero-optic flow field. When the light entering the aero-optic flow field from the free-stream should be close to the normal, numerous data indicate that the light is refracted away from the normal. This paper divides the aero-optic flow field into two parts and uses the gas density distribution in the aero-optic flow field to ...     

能量注量对钛板激光着色的颜色变化影响研究北大核心CSCD

各种激光工艺参数共同作用影响激光彩色打标的结果,不同参数之间相互关系比较复杂。为了获得更优质颜色和基于TA2钛板上更全的激光着色色谱,本实验选用波长为1064 nm、最大输出功率为20 W的MOPA光纤激光器进行试验,通过分光测色仪对彩色样品的色彩、可见光谱进行采集分析。结果表明,通过简化参数间关系,以能量累计注量的变化量dQ产生的色差为依据,调节扫描速度、线间距、功率变化量dP来改变dQ大小,能够获得更丰富的颜色。     

Blood cell counting based on U-Net++ and YOLOv5

Clinical information about a variety of disorders is available through blood cell counting, which is usually done by manual methods. However, manual methods are complex, time-consuming and susceptible to the subjective experience of inspectors. Although many efforts have been made to develop automated blood cell counting algorithms, the complexity of blood cell distribution and the highly overlapping nature of some red blood cells (RBCs) remain significant challenges that limit the improvement of analytical accuracy. Here, we proposed an end-to-end method for blood cell counting based on deep learning. Firstly, U-Net++ was used to segment the whole blood cell image into several regions of interest (ROI), and each ROI contains only one single cell or multiple overlapping cells. Subsequently, YOLOv5 was used to detect blood cells in each ROI. Specifically, we proposed several strategies, including fine classification of RBCs, adaptive adjustment for non-maximal suppression (NMS) threshold and blood cell morphology constraints to improve the accuracy of detection. Finally, the detection outcomes for each ROI were combined and superimposed. The results show that our method can effectively address the issue of high overlap and precisely segment and detect blood cells, with a 98.18% accuracy rate for blood cell counting.