基于COⅠ基因和D-loop序列的东海鳓鱼种质资源遗传变异研究

以东海区鳓鱼背部肌肉的线粒体DNA作为模板,对16个个体的CO Ⅰ基因和D-loop序列进行了扩增,通过对PCR产物进行双向测序,最终得到了691 bp的CO Ⅰ基因片段和718 bp的D-loop序列片断.用DNASP软件分析得知,16个CO Ⅰ基因序列定义了6个单倍型(在GenBank登录号:HM030765-HM030768,HM030769-HM030770),在6个单倍型中,共检测到6个变异位点,其中有5个变异位点发生在第三密码子位置上,有1个变异位点发生在第一密码子位置上.东海区鳓鱼16个个体D-loop序列共定义了14个单倍型(GenBank登录号:HM030781,HM030783-HM030792,HM030794-HM030796).除去插入/缺失位点,14个单倍型共检测到30个多态位点,主要发生在D-loop序列的两端区域;D-loop序列还检测到80个插入或缺失位点,碱基插入主要发生在340～419 bp之间的中央区域,以40 bp重复片断插入的形式进行.每个个体含有2～4个连续重复片断.对鳓鱼进行了遗传多样性分析,CO Ⅰ基因序列的单倍型多样性为0.617,核苷酸多样性指数为0.001 37,平均核苷酸差异数为0.950.D-loop序列的单倍型多样性为0.983,核苷酸多样性指数为0.009 98,平均核苷酸差异数为6.367.综合分析,东海区鳓鱼的遗传多样性并不高,有必要采取综合措施对其进行种质资源保护.     

B样条的Bernstein多项式系数

B样条函数是构造小波的基本方法之一,在软件或硬件实现上来说,B样条函数或许是最有效的具有紧支撑的简单函数。通常m阶基数B样条函数由一些非平凡多项段组成。通过构造限制在[k-1,k）上的m阶基数B样条函数段的Bernstein多项式导数与积分公式,确定高阶与低阶下B样条Bernstein多项式系数相互关系。最后,给出了Bernstein多项式系数的求解算法。     

蝗虫cyt b基因部分序列的多样性和分子系统学研究

利用蝗虫线粒体DNA(mtDNA)基因组中细胞色素b(cyt b)基因部分序列,研究其系统进化关系,所测序列与黑尾果蝇的同源序列一起经Clustal X1．8软件比对,选定46条片段均为432 位点的cyt b基因序列,其中变异位点共有137个;选定13条片段均为258个位点的cyt b基因序列,其中变异位点共有72个;选定27条片段均为640位点的cyt b基因序列,其中变异位点有235 个．利用MEGA 2．1软件,以黑尾果蝇为外群,用p-distance及k-2参数模型、N-J法和ME法构建系统进化树．对蝗虫的系统进化关系进行了研究,确定其分类地位,并对蝗虫进化关系进行初步探讨．     

动态数据的ARMA模型预测加工质量

本文首先阐述了在长度计量中建立自回归滑动平均模型(Auto Regressive Moving Average Model)的理论,推导出预测的计算模型及误差估计,然后以一个生产实例,证明这个模型具有相当的置信度。     

一种改进的基于Sobol序列的快速线积分卷积法

为提高快速线积分卷积法（Sobol-FLIC）的计算效率和流线的覆盖率，提出了一种改进的基于Sobol序列的快速线积分卷积法。计算结果表明，与一般的快速线积分卷积法相比，改进后的算法计算效率提高了约10%，同时可以产生稀疏纹理和密纹理，并且采用二次LIC法对图像进行后处理提高了可视化效果。在Matlab环境中，该算法与几种基本算法（LIC，FLIC）的可视化效率、计算固定数目流线的可视化结果和图像覆盖率的比较结果证实了其优越性。     

柯西定理的推广及其应用

本文对柯西定理的思想进行了推广 ,得到了有关正项级数敛散性的一个命题 ,并由此及到一个判别正项级数敛散性的方法。     

融合动态兴趣偏好与特征信息的序列推荐

传统的序列推荐通常忽略用户和项目特征信息的重要性,且无法有效对动态的兴趣偏好进行建模.因此,提出融合动态兴趣与特征信息的序列推荐算法.该算法通过对目标项目进行动态兴趣建模,克服兴趣转移带来的影响;同时融合用户和项目特征信息模拟真实的用户行为以提高推荐的性能.首先,针对动态兴趣建模,采用辅助函数应用下一个行为监督上一个隐藏兴趣状态的学习,并采用带注意力机制的门控循环单元为不同的兴趣状态对目标影响程度赋予不同的权重;然后,针对用户和项目特征信息特征融合,采用平凡注意力机制为影响目标项目的特征赋予不同的权重,并通过多头注意力机制进行深层次的特征提取;最后,融合用户动态兴趣表示和用户项目特征表示输入到多层感知机.在Yelp和MovieLens-1M数据集上进行仿真实验,结果表明提出模型的性能比一些基线模型有较好的提升.     

高层建筑物沉降监测数据综合分析的几种方法

目的探求桩基基础与灰土地基基础高层建筑物沉降监测数据分析的较优方法。方法应用线性回归模型、时间序列模型、灰色系统模型对桩基基础与灰土地基基础的高层建筑物沉降实测数据进行分析。结果3种方法对桩基基础高层建筑物的数据分析均取得了良好效果,而对灰土地基基础高层建筑物沉降监测数据分析中,时间系列模型要优于线性回归模型、灰色系统模型。结论桩基基础高层建筑物的监测数据分析可以采用线性回归模型、时间序列模型、灰色系统模型,而灰土地基基础高层建筑物监测数据分析更适合选用时间序列模型。     

基于无监督对抗学习的时间序列异常检测

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的缺失值处理机制和无法利用先验知识(例如少量的有标签异常).为了解决以上问题,提出一种基于生成对抗神...     

基于Bayes准则的广义判别预报模式及其应用

根据Ｂａｙｅｓ准则,提出一种时间序列与多元分析相结合的广义判别模式．该模式既保留了时间序列线性模式的优点,同时又吸收了多元分析线性模式的长处．从气象状况演变的物理机制来看,这种综合考虑系统状况的方法比单纯考虑前期状态演变或单纯考虑某一时次的状态更有意义．