肺动脉高压2013：分类与治疗的新趋势

2013年2月，在法国尼斯召开了第五届世界肺高血压论坛。在这次大会上，肺动脉高压（PAH）的临床分类和治疗有诸多变化，现介绍如下。     

引导学生探究 展现思维过程——例谈开发数学题的教育功能

作为数学教师,一项重要业务是"试卷评析".总结得失,寻根思底;研析数学试题,开发专题;拓展延伸,挖掘潜力.以下是一道典型试题测试评析及教学片断.题目设实数a使得不等式3x-1+5x-3≥a2对任     

乙腈溶剂中芳酰基硫脲对F~-识别作用的理论研究

采用混合密度泛函B3LYP方法,在6-31G**水平上和URHF溶剂半径中优化乙腈溶剂中四种芳酰基硫脲及其氟离子复合物的几何构型,从几何结构参数、电荷布居、前线轨道、结合能以及热力学参数等角度探讨复合物形成过程中主客体间的相互作用,结果表明,芳酰基硫脲在乙腈溶液中识别氟离子是一个自发过程,识别作用主要是硫脲氮氢与氟离子的氢键作用。受体分子识别氟离子能力与取代基密切相关,以N-对硝基苯基-N’-对硝基苯甲酰基硫脲氟离子复合物最稳定。在基态结构的基础上用相同的理论水平计算了乙腈溶剂中四种受体分子及氟离子复合物的电子吸收光谱。结果表明,有取代基的芳酰基硫脲识别氟离子后的光谱行为变化大,有利于使用比色法检测阴离子。光谱理论计算值很好地反映了实测值,这为实验室开展工作提供了依据。     

基于RFID和指静脉识别的化学药品智能管理柜设计

为保障实验室中存放的药品安全, 提出一种基于射频识别(RFID)和指静脉识别的化学药品智能管理柜. 智能柜采用RFID、指静脉识别等物联网技术, 通过用户身份认证, 化学药品的自动识别、记录以及存储空间的智能控制, 实现实验室化学药品的高效安全管理. 样机实际测试结果表明, 系统可以较好地通过指静脉识别对使用者的身份进行认证, 也能够通过RFID快速识别化学药品; 系统智能化程度高, 各项功能完备, 可显著提高实验室化学药品管理能力.     

非正态变异下的非线性轮廓异常点识别方法研究

在质量控制领域,非线性轮廓异常点识别问题是重点研究问题之一。本文综合运用了小波分析、数据深度、聚类分析等数据分析处理技术,提出了一种新的非正态变异的异常点识别方法。文章通过仿真分析技术,将新方法χ²与控制图方法进行性能对比,结果证实新方法能够以更高的准确率和稳定性识别异常点,表现出更好的异常点识别性能。最后将新方法应用于木板垂直密度轮廓实例对新方法进行验证,分析结果表明本方法能够有效识别出异常轮廓数据。     

一种惯性/简化室内GIS组合的行人定位系统（英文）

惯性定位系统中的累积误差问题使得惯性定位系统无法长时间使用。室内地理信息系统(GIS)中的建筑物结构、地标点位置等信息可以用来修正和优化惯性定位算法,解决其累积误差问题,从而实现惯性定位系统的精度保持,延长系统使用时长。使用射频识别(RFID)系统和建筑物结构信息构建了简易室内地理信息系统,提出了一种基于GIS的增强型行人航迹推算(PDR)算法,通过该算法融合GIS与惯性定位系统。实验表明,融合简易室内GIS的惯性行人定位系统较传统行人定位系统性能更优。在GIS提供航向标定和步长估算系数标定的情况下,融合GIS的惯性系统能够在60 min之后,较惯性定位系统误差分别降低50%和67%;在GIS提供位置和高度标定的情况下,融合GIS的惯性系统并未出现误差累积的现象,在使用超过150 min后,依然能够将行人航迹推算误差保持在2 m范围之内(>80%概率)。     

一种时域载荷识别数值算法及其不适定性研究

某结构在试验中,经历了持续时间很短的出水过程,试验中获得了该状态下关键位置响应的时间历程,需进行结构试验环境适应性分析。本文将杜哈梅卷积积分离散化,推导了时域内载荷与响应之间的传递函数矩阵;基于该传递矩阵的逆运算发展了一种时域内载荷识别方法,该方法在数值仿真过程中往往出现累计误差过大导致不收敛的现象,研究分析发现这属于反问题中典型的不适定性问题,并采用最速下降法有效克服了该不适定性问题;同时还考察了该算法在不同信噪比下的识别精度。研究结果表明,正弦、随机、半正弦冲击等多种载荷均获得了较准确的识别结果。本文提出的方法便于复杂工程结构有限元模型的应用。     

非线性科学中的对称性研究及其应用

自1990年宁波大学非线性科学课题组完成非线性系统对称性约化的第1个对称性专题研究以来, 宁波大学的非线性科学研究,特别是非线性系统的对称性研究成为一个特色, 引起了同行的广泛关注. 宁波大学非线性科学团队在对称性研究方面的主要进展有: 递推算子的因式化和逆递推算子及逆对称和逆可积梯队、形式级数对称法、非局域对称及其局域化、达布变换和非局域对称、条件对称和分离变量法、对称群直接法、群不变非线性系统分类、超对称和玻色化、留数对称、从对称性到达布变换、非局域对称的对称性约化和相容Riccati展开法、完备对称和可积性、大气和海洋系统中的对称性应用、离散对称和多地物理学、局域对称和非局域对称的对偶及可积系统的正梯队和负梯队的对偶等.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。