N-乙酰氨基葡萄糖对乙醇致肝组织损伤的保护作用及其机制

目的:探讨N-乙酰氨基葡萄糖(GlcNAc)减轻乙醇对肝组织损伤的作用,并阐明其作用机制.方法:小鼠灌胃市售白酒建立酒精性肝病模型,同时在市售白酒中加入低、中、高剂量的GlcNAc作为干预组,记录模型组和干预组小鼠开始醉酒时间及醉酒持续时间,HE染色观察模型组和干预组小鼠肠道组织和肝组织的病理损伤程度.结果:与模型组比较,GlcNAc低、中、高剂量组小鼠的开始醉酒时间逐渐延长(P<0.05或P<0.01),醉酒持续时间逐渐缩短(P<0.05或P<0.01).组织切片观察,模型组小鼠肠道组织结构受损,腺体萎缩,管腔内可见脱落的肠黏膜细胞,肝组织多数细胞胞膜破裂,少许细胞核破碎、溶解消失,肝小叶中央静脉及其周围肝窦明显扩张,肝细胞索间充满淡红色嗜酸性均质状物,周围组织结构疏松;GlcNAc干预组小鼠肠道及肝组织损伤均有不同程度的减轻,且随着GlcNAc剂量的增加,肠道组织和肝组织损伤逐步减轻.结论:GlcNAc可不同程度减轻乙醇对肠道组织和肝组织的损伤,GlcNAc对肝脏的保护作用可能与GlcNAc稳定肠黏膜屏障作用有关.     

IR46智能电表软件白盒测试的基路径集生成方法研究

为了提高IR46智能电表软件白盒测试的效率,提出一种新的基路径集生成方法.对程序进行分析识别,得到节点连接关系、语句类型等信息;对常用程序结构进行错误源分析,并给出错误倾向权重用以表示该路径在测试中的重要性;优化二进制蝙蝠算法,并将其用于基路径集搜索.算例仿真表明:优化二进制蝙蝠算法有更好的路径生成效率,该方法能够估量...     

基于多分辨奇异值分解包和随机森林的电能质量扰动分类研究

为解决电能质量扰动的分类问题,利用多分辨奇异值分解(Singular Value Decomposition, SVD)的信号逐层分解方式,提出基于多分辨SVD包与随机森林(Multi-Resolution SVD and Random Forest, MRSVD-RF)的电能质量扰动分类方法。通过实验证明了该算法对单一和复合电能质量信号的分类效果明显优于分解结构相似的基于的小波包的信号分解方式,比较了分类器模型的选择和特征提取数量对算法性能的影响。     

针对不平衡数据的过采样和随机森林改进算法

针对数据不平衡带来的少数类样本识别率低的问题,提出通过加权策略对过采样和随机森林进行改进的算法,从数据预处理和算法两个方面降低数据不平衡对分类器的影响。数据预处理阶段应用合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)降低数据不平衡度,每个少数类样本根据其相对于剩余样本的欧氏距离分配权重,使每个样本合成不同数量的新样本。算法改进阶段利用Kappa系数评价随机森林中决策树训练后的分类效果,并赋予每棵树相应的权重,使分类能力更好的树在投票阶段有更大的投票权,提高随机森林算法对不平衡数据的整体分类性能。在KEEL数据集上的实验表明,与未改进算法相比,改进后的算法对少数类样本分类准确率和整体样本分类性能有所提升。