Koch曲线上Potts模型的自由能

给出Koch曲线上考虑所有最近邻互作用的Potts模型的自由能的严格解.所得自由能是温度的解析函数。这表明系统不存在有限温度的相变。     

推导亥姆霍兹自由能和吉布斯自由能判据的新方法

用熵判据判别变化的方向和限度时，系统必须是隔离的，否则，还应考虑环境的熵变，这是极不方便的。利用亥姆霍兹自由能或吉布斯自由能判据，就无需再考虑环境了。本文采用的推导方法可清楚地看到它们的确与环境是无关的。     

基于多特征融合预测蛋白质相互作用界面

为高效准确地预测蛋白质相互作用界面,提取了传统特征,并采用多种方法改进进化信息特征,利用特征选择构建了一个14维的预测模型.通过5折交叉验证和独立测试,预测结果表明:该预测模型不仅显著降低特征维度,而且选择的特征组合具有较好的预测能力和较强的泛化能力.     

从序列预测蛋白质折叠速率

基于序列预测二级结构的蛋白质折叠速率的成功预测暗示着折叠速率能够单独从序列中预测出来.为了追踪这一问题,提出了从序列预测折叠速率的一种方法,而不需要任何二级结构和拓扑的信息.残基对折叠速率的影响与氨基酸的性质有密切的关系.对双态和多态蛋白质实验测定的折叠速率的相关性达到了82.9%,这意味着蛋白质的氨基酸序列是决定折叠速率和机理的重要因素.     

基于小波分析法的蛋白质结构研究

用小波的方法预测了一个已知结构蛋白质的二级结构，并把它同互连网蛋白质结构预测服务及其他结构预测软件得到的二级结构进行比较。结果表明：该方法可以较好地确定蛋白质的二级结构且不必进行同源蛋白质序列的联配。在预测未知结构的蛋白质序列方面，该方法与其他方法相比，预测结果并无显著差异，这说明小波分析法可以用于蛋白质结构研究，若与其他方法结合用于结构预测,将会起到更好的作用。     

化合物的溶解性和自由能

本文主要讨论了无机化合物的溶解性与其溶解过程的自由能变之间的关系,提出了一种判断无机化合物溶解性难易的方法。     

利用标准生成自由能判定化合物的稳定性

本文从热力学原理出发，推导出：二元系中化合物的标准生成自由能符合拟抛物线规划；推广到三元系中则应符合抛物面规则；并且利用上述规则判定含稀土体系中化合物的稳定性。     

基于蛋白质二级结构序列的结构型预测

以蛋白质二级结构含量为基础利用Mahalanobis距离和以蛋白质二级结构序列建立数学模型相结合的方法来预测α型、β型、α＋β型和α/β型四种蛋白质结构型。     

证据框架与自由能框架

在指出证据框架和自由能最小化方法等贝叶斯推理方法的局限性的前提下，通过对比证据框架的方法，提出了自由能框架的概念，将通常难以求解的自由能最小化过程分解成参数自由能最小化，超参数自由能最小化，模型参数自由能最小化等层次，在每个层次上调节参数，超参参数和模型参数，使其后验分布与其真实分布之间的Kullback-Leibler矩最小，以使以变自由能逼近真实自由能，同时，保持其他层次上的参数，超参数和模型参数固定不变，以简化贝叶斯前馈神经网络的参数估计，应用自由能框架，对通常较难求解的贝叶斯支持向量回归机器的参数与超参数进行估计，推导出相应的计算公式，并验证了该方法的可行性与有效性。     

Prediction of Topological Structure of Protein from Its Secondary Structure Sequence

提出由蛋白质二级结构序列预测拓扑结构的方案，对全α全β和α／β型蛋白质制定了预测规则．预测成功率为８５％～９０％．     

利用神经网络算法推算超额吉布斯自由能

利用神经网络算法推算了超额吉布斯自由能Gm^E，并将推算结果与实验结果进行了比较，推算的平均相对误差均在1．42％以内。     

基于扩散势能和自由体积的扩散系数模型

为探讨流体扩散机理进而研究流体传递性质，在同时考虑自由体积和活化能的基础上，提出一种计算自扩散系数模型，并给出新模型中各个因子的物理含义．还提出一种计算扩散势能的新方法，并应用于新模型．同时将衍生Vander Waals状态方程应用于求解自由体积，式中所需径向分布函数由Morsali—Goharshadi方程得到．结果表明在相同条件下，新模型比原自由体积模型更准确．因此在计算自扩散系数时，需要同时考虑自由体积和活化能．     

煤的表面自由能及应用探讨

分析了煤表面自由能的形成过程和特点,并根据表面化学原理计算了煤的表面自由能。煤的变质程度、瓦斯气体种类和温度对表面自由能都有影响,对难抽放瓦斯煤层,如果采取降低表面自由能的措施,会使抽放效果更好。     

由氨基酸序列预测蛋白质二级结构的进一步研究

本文在工作[1][2]的基础上进一步研究了蛋白质二级结构的经验预测,着重讨论了如何制定预测规则的问题,并将预测工作计算机化.在蛋白质资料库中随机选取了21个蛋白质(3296残基)进行预测,正确率对α螺旋和β折迭分别为84.4%和81.9%.     

基于集成特征选择的盗窃案件预测方法

盗窃类案件是公安机关较为棘手的一类犯罪,呈现高发低破态势.提前预测发案情况是预防该类型犯罪的有效途径,因此对预测盗窃犯罪提出了一种以Bagging方法为基础、基于特征选择准确度和差异性双重考量的集成学习算法,根据集成学习器好而不同的原则,构造由异质基学习器集成的特征选择器,实现对影响盗窃犯罪发生因子的有效选择,使用更少维度的特征数据集提升犯罪预测的效率和准确度.实验结果表明,提出的SEFV_Bagging算法具有较好的泛化能力和稳定性,在测试数据上表现出的预测准确度也较为理想,且算法无需根据先验知识设置所选特征子集维数,在盗窃犯罪数据分析预测领域应用中有较为明显优势.      

不可逆过程中自由能减小率的计算

基于非平衡系统的局域平衡假设,对有物质输运的不可逆过程的自由能流密度与局域自由能减小率进行了计算和讨论,为用辅助热力学函数研究不可逆过程进行的速率问题提供有益的参考.     

基于子图特征的科学家合作网络链路预测

提出了多种基于子图结构特征的新特征,构建了基于节点重要性、基于节点共同邻居、基于边共同邻居、基于邻居子图和基于边子图五类特征,并将这五类特征中的多种特征分别作为特征输入,运用机器学习的方法,实现科学家合作网未来合作关系的预测。研究中发现,基于边子图特征的链路预测准确率最好。此外,研究中运用基于模型的特征排序和最大信息系数特征选择方法分析类内特征的影响力以及相互关系,通过机器学习算法的分类模型进行链路预测。该方法能够有效地揭示网络类内特征在预测中的重要性和相关性,有利于发现影响力大的特征和冗余特征。     

关于离子的生成焓自由能及熵

提出溶液中离子的标准态及离子的标准生成焓、标准生成自由能、标准熵定义，论述了它们的计算方法，有助于解决电解质溶液中的有关问题。