排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
采用13个形态性状指标,应用聚类分析、判别分析和主成分分析方法,对内蒙古中东部地区不同生境8个小驼嗡蜣螂Onthophagus gibbulus 种群的形态差异进行研究.判别分析和聚类分析的结果表明,8个种群间存在一定程度的形态分化,但分化程度较低;8个种群分为两大支.中部区的7个种群为一支,东部区的1个种群为一支.主成分分析显示,不同种群间的形态差异主要表现在体长、体宽和前足胫节第4外缘齿后小齿数3个方面. 相似文献
3.
比较蜣螂不同浓度醇提物抗良性前列腺增生的作用,并探讨相关机制,为蜣螂的开发利用奠定基础。采用皮下注射丙酸睾酮制造大鼠良性前列腺增生模型,以前列腺湿重、前列腺指数、血清酸性磷酸酶质量浓度(ρPAP)、雌二醇质量浓度(ρE2)、双氢睾酮浓度(DHT)(cDHT)、睾酮质量浓度(ρT)、表皮细胞生长因子(EGF)、转化生长因子-β1(TGF-β1)、碱性成纤维细胞生长因子(bFGF)及胰岛素样生长因子-1(IGF-1)为指标,考察蜣螂醇提物对良性前列腺增生的影响。结果表明良性前列腺模型造模成功,与模型组相比,85%乙醇提取物组能明显降低大鼠前列腺湿重与前列腺指数,明显降低ρPAP,ρE2,cDHT及ρT水平,明显降低EGF,bFGF及IGF-1的表达,提高TGF-β1的表达,可显著降低前列腺体密度,显著增加比表面及比膜面值。蜣螂85%乙醇提物具有良好的抗良性前列腺增生的作用,其机制与调节EGF,TGF-β1,bFGF及... 相似文献
4.
非光滑表面仿生学(Ⅰ) 总被引:1,自引:1,他引:1
介绍了生活在不同环境的动物,如鲨鱼、沙鱼、蜥蜴、甲虫和蜣螂体表的非光滑性.这些动物体表的沟槽型(肋条样)、鳞片型、凸包型和凹坑型形态和结构与其生活习性相适应.它们特异的微结构使非光滑表面具有优异的减阻、减摩、抗粘附和抗磨损的特性,因此成为仿生学研究和应用的一个新领域. 相似文献
5.
蜣螂醇提物抗良性前列腺增生研究 《山东科学》2010,33(5):51-56
比较蜣螂不同浓度醇提物抗良性前列腺增生的作用,并探讨相关机制,为蜣螂的开发利用奠定基础。采用皮下注射丙酸睾酮制造大鼠良性前列腺增生模型,以前列腺湿重、前列腺指数、血清酸性磷酸酶质量浓度(ρPAP)、雌二醇质量浓度(ρE2)、双氢睾酮浓度(DHT)(cDHT)、睾酮质量浓度(ρT)、表皮细胞生长因子(EGF)、转化生长因子-β1(TGF-β1)、碱性成纤维细胞生长因子(bFGF)及胰岛素样生长因子-1(IGF-1)为指标,考察蜣螂醇提物对良性前列腺增生的影响。结果表明良性前列腺模型造模成功,与模型组相比,85%乙醇提取物组能明显降低大鼠前列腺湿重与前列腺指数,明显降低ρPAP,ρE2,cDHT及ρT水平,明显降低EGF,bFGF及IGF-1的表达,提高TGF-β1的表达,可显著降低前列腺体密度,显著增加比表面及比膜面值。蜣螂85%乙醇提物具有良好的抗良性前列腺增生的作用,其机制与调节EGF,TGF-β1,bFGF及IGF-1的表达有关。 相似文献
6.
非光滑表面仿生学(I) 总被引:2,自引:0,他引:2
介绍了生活在不同环境的动物,如鲨鱼、沙鱼、蜥蜴、甲虫和蜣螂体表的非光滑性.这些动物体表的沟槽型(肋条样)、鳞片型、凸包型和凹坑型形态和结构与其生活习性相适应.它们特异的微结构使非光滑表面具有优异的减阻、减摩、抗粘附和抗磨损的特性,因此成为仿生学研究和应用的一个新领域。 相似文献
7.
为了提升传统3DDV-Hop算法的定位精度和稳定性,提出了MIDBO-3DDV-Hop算法。该算法利用多策略改进蜣螂搜索算法(multi strategy improvement dung beetle optimizer,MIDBO)来提高3DDV-Hop算法的定位精度。该算法通过通信半径分级方法细化跳数,使用加权平均跳距来修正节点之间的跳距误差。MIDBO算法引入立方混沌初始化和反向折射机制来初始化算法种群,采用变螺旋策略增强全局搜索能力。算法还融入Levy飞行策略和自适应权重因子,以避免陷入局部最优,并平衡算法的收敛性和搜索多样性。通过MIDBO算法对3DDV-Hop算法中未知节点位置进行优化。仿真结果显示,与传统的3DDV-Hop、IPSO-3DDV-Hop和IGA-3DDV-Hop算法相比,MIDBO-3DDV-Hop算法在定位精度、稳定性和收敛速度方面均达到最优水平。 相似文献
8.
针对标准粒子群算法存在的局部最优、早熟和慢收敛等问题,提出了一种新的粒子群更新方法。改进了算法惯性权重,引入一种新的更新方式;借鉴蜣螂优化算法中蜣螂滚球、繁殖、觅食和偷窃行为,将基本粒子群的操作划分为寻优、变异、波动和跳跃,从而提高了算法的全局寻优能力和收敛速度,并避免了早熟问题。通过与其他9种智能算法进行实验对比表明,在10个基准测试函数中,基于蜣螂优化的改进粒子群算法在寻优能力和收敛速度方面表现出色,证实了该算法的优越性。 相似文献
9.
1