轮状病毒荧光定量PCR标准品的构建

采用MA104细胞系培养和T载体克隆技术,在轮状病毒结构蛋白VP4基因序列中设计合成引物,经过PCR扩增后将特异性产物与pMD-19-T载体连接,对获得的轮状病毒重组质粒标准品进行酶切鉴定和测序分析。利用常规PCR和荧光定量PCR方法对获得的重组质粒标准品进行特异性和灵敏度指标的检验。结果表明,将构建的重组质粒作为标准品制备标准曲线具有较高的扩增效率和良好的线性关系(斜率为-4.015,R2=0.991);荧光定量PCR熔解曲线分析表明,85.8℃的PCR产物是轮状病毒VP4基因序列的特异性产物,该标准品具有轮状病毒特异性;同时,所制备的重组质粒标准品在荧光定量PCR检测中具有较大的线性范围(5×101~5×1010拷贝/μL),每个梯度PCR反应最低可以检测到50拷贝的重组质粒,因而采用该标准品进行荧光定量PCR分析具有较高的检测灵敏度;此外,该重组质粒标准品具有较高的稳定性和重复性,3次独立实验的变异因数Cv<1.5%。构建的重组质粒标准品可以用做环境水体中轮状病毒的荧光定量PCR标准品。     

基于灰色系统理论的军队油料节约人员360度绩效评估

基于360度绩效评估理论,从德、能、勤、绩4个方面构建了包含4个1级指标和16个2级指标的军队油料节约人员360度绩效评估指标体系。利用层次分析法确定了各评估指标的权重,运用灰色系统理论的原理和方法,构建了多层次灰色评估模型,并对某油料节约小组5位油料节约人员进行了360度绩效评估。案例应用表明,此方法具有系统综合各层评估者提供的"贫信息"的优点,不仅能得出被评估者的灰类及优劣顺序,而且得到了各指标所属灰类和具体的灰色评价权值,使360度绩效较好地实现了绩效反馈的目的。该研究为军队油料节约人员绩效管理工作提供了新的思路和方法。     

基于神经网络集成方法预测膜蛋白类型

由Chou等人提出的预测膜蛋白分类的机器学习算法在近年来不断改进,使得预测膜蛋白类型的准确率越来越高。但是由于膜蛋白类分布不均衡而导致少数类的预测准确率非常低,使用神经网络集成方法能解决此问题。该方法中Bagging算法通过对多数类欠采样和少数类过采样来解决膜蛋白训练数据集不均衡问题。此外,用神经网络集成方法对已训练数据集和独立数据集进行分类测试,得出神经网络集成方法预测效果优于单个最好神经网络。该方法为解决蛋白质分类预测问题提供了一种新的策略,特别是训练数据集不均衡时,该方法的优势更加明显。     

机房漏水检测与精确定位装置研究

机房漏水是危及精密信息设备长期稳定可靠运行的重大安全隐患。为了解决传统定位装置难以实现漏水点精确定位的问题,从传感电缆的检漏原理出发,利用分压补偿原理,通过STEP7软件编程,设计了一个结合自检、漏水检测和漏水定位3种功能的机房漏水检测与定位装置。在此基础上搭建了实验系统,经测试实验,结果表明短距离定位精度可以达到1．70％,从而证实了该装置检测的有效性和定位的精确性。     

导频设计的MIMO-OFDM改进信道估计算法

为提高系统的传输效率并改善信道估计的性能,提出了一种结合优化导频设计的分段带阻滤波算法.采用优化的导频设计,该算法在少量增加计算复杂度的基础上,能够进一步提高信道估计的性能,与实际中广泛应用的经典时域滤波算法相比,具有更高的估计精度.仿真结果证明该算法适用于不同的信道环境,尤其在低信噪比的条件下,该算法能够明显降低信道估计的MSE.     

利用拖尾能量提高蝶形天线辐射效率

蝶形天线在探地雷达中已有广泛的运用,但其辐射效率不高的问题一直存在。究其原因,主要是将近70%的辐射能量是以有碍目标探测的拖尾的形式存在。为了保证探测性能,传统上可观的拖尾能量往往以阻抗加载的方式被吸收掉。本文研究发现,当选择双极性单周波作为激励脉冲时,通过优化天线长度可以实现拖尾能量的有效利用,从而显著地提高蝶形天线的辐射效率。仿真实验结果表明,在较远的探测距离上本文方法可以将辐射效率提高近100%。通过实测实验进一步验证了本文方法的有效性。此外,本文所提的方法易于工程实现,工程应用价值十分明显。     

基于相位差-频率拟合的宽带信号数字测向方法

提出了一种基于双阵元的宽带信号测向方法,该方法根据两阵元接收信号互谱的相频特性,采用直线拟合的方法可精确获得信号到达两阵元的时延参数,进而估计出信号的到达角.该方法所需阵元数少,不存在测向模湖,运算量小,易于工程实现.仿真实验表明,应用此方法可对宽带信号实时测向且有较高的估计精度.     

基于凸优化理论的三维微分对策制导规律求解

针对三维微分对策制导律(DGL)求解问题,引入凸优化理论,将DGL求解归结到Hamilton系统的求解,设计了DGL求解算法,通过对代价函数梯度特征的凸分析,推导出对策系统鞍点存在的充要条件和求解方法,解决了以往通过对微分对策模型简化求解导致的模型不能客观反映作战过程的问题.     

On fair designs of cross-chain exchange for cryptocurrencies via Monte Carlo simulation

Cryptocurrency is one of the earliest and the most successful applications of blockchain, and it utilizes the distributed ledger, which is a commonly used technique in blockchain, to make a decentralized transaction within the blockchain of a cryptocurrency. However, how to make a decentralized transaction of cryptocurrencies between parties on different blockchains, that is, the cross-chain exchange, is not well-studied. In this paper, we develop a new method to make cross-chain exchanges based on the classical atomic swap. We first study the optionality embedded into the atomic swap and propose to add a premium into the atomic swap, and then design a new procedure with the premium to guarantee the fairness of the cross-chain exchange. We also provide an algorithm based on the least-squares Monte Carlo method to estimate the premium and analyze the convergence of the algorithm. Moreover, we study the cross-chain exchange with margin trading. We propose an adapted exchange procedure to make a fair cross-chain exchange and an algorithm to estimate the fair premium under the margin trading. Numerical experiments are provided to show the effectiveness of the algorithms.