眼跳间隙效应的解释机制——来自眼动实验的研究

采用间隙效应的经典实验范式,考察人类被试在不同实验条件(实验一)和不同间隙时间(实验二)下的眼跳潜伏期,研究眼跳间隙效应的解释机制.结果显示,在经典间隙时间(200 ms)下,间隙条件下的眼跳潜伏期最短,信号警报条件次之,基线条件下最长;其他间隙时间下的实验结果与经典间隙时间下的结果并不一致.实验结果表明,眼跳间隙效应的解释机制受间隙时间长短的影响.

加强基础管理 减少针织纱横档

对影响针织纱横档的原料管理、均匀混棉、细纱百米重量CV%、捻度不匀率和先做先用均衡生产四大因素进行了分析,并制定了相应的措施,通过加强基础管理,减少了针织纱的横档,增加了用户满意度。

动态基因调控网演化分析

动态基因调控网是展现生物体内基因与基因之间相互关系随时间变化而变化的动力学行为的复杂网络.这种相互作用关系可以分为两类:激励和抑制.对动态基因调控网网络演化的研究,可以预测未来时刻生物体内的基因调控关系,从而在疾病预测和诊断、药物开发、生物学实验等领域起到重要的指导和辅助作用.现实世界中,动态基因调控网的网络演化是一个复杂而巨大的系统,当前,对于其演化机制的研究存在只关注静态网络而忽略动态网络和只关注相互作用关系而忽略相互作用类型的缺陷.针对上述问题,提出了一种动态基因调控网演化分析方法(dynamic gene regulatory network evolution analyzing method,简称DGNE),将研究扩展到了动态带符号网络领域.通过该方法包含的基于模体转换概率的连边预测算法(link prediction algorithm based on motif transfer probability,简称MT)和基于隐空间特征的符号判别算法,能够动态地捕捉基因调控网的演化机制,并准确地预测未来时刻基因调控网的连边情况.实验结果表明,DGNE方法在仿真数据集和真实数据集上均有良好的表现.

节点不对称转移概率的网络社区发现算法

社区发现是当前社会网络研究领域的一个热点和难点,现有的研究方法包括:(1)优化以网络拓扑结构为基础的社区质量指标;(2)评估节点间的相似性并进行聚类;(3)根据特定网络设计相应的社区模型等.这些方法存在如下问题:(1)通用性不高,难以同时在无向网络和有向网络上发挥出好的效果;(2)无法充分利用网络的结构信息,在真实数据集上表现不佳.针对上述问题,提出一种基于节点不对称转移概率的网络社区发现算法CDATP.该算法通过分析网络拓扑结构来设计节点转移概率,并使用random walk方法评估节点对网络社区的重要性.最后,以重要性较高的节点作为核心构造网络社区.与现有的基于random walk的方法不同,CDATP为网络中节点设计的转移概率具有不对称性,并只通过节点局部转移来评估节点对社区的重要程度.通过大量仿真实验表明,CDATP在人工模拟数据集和真实数据集上均比其他最新算法有更好的表现.