超融合+云桌面底层融合架构的建设与研究

为应对各场景应用中大量终端、服务器的使用需求,解决各场景中硬件的重复建设,造成计算、人力、投入等资源的浪费和硬件资源的“孤岛”问题,提出了基于结合超融合技术+云桌面方案进行融合底层的架构方式,组成超大集群,将云桌面、超融合软硬资产全部池化,从而实现资产复用和共享。该架构具有统一管理控制、卓越的并发I/O处理和资源协调能力,同时简化IT运维管理、降低运维成本、提高数据安全性和访问的灵活性。

基于硅氧烷喷墨打印加工纸芯片的研究

提出了一种基于硅氧烷喷墨打印技术加工纸芯片的方法.将十八烷基三甲氧基硅烷的正庚烷溶液以喷墨打印的方式打印到滤纸上,由于滤纸的强吸水性,十八烷基三甲氧基硅烷的甲氧基水解生成硅羟基,硅羟基与滤纸纤维上的羟基缩合使硅氧烷结合到滤纸纤维上.该加工方法简单、低廉,适于纸芯片的大规模加工与制作.用该方法加工的纸芯片分析了尿样中的蛋白质含量,证明其在临床检测中的广泛应用前景.

对氢气的制备与性质实验的微型化改造

化学是一门以实验为基础的自然学科,常以其直观性、趣味性来激发学生的学习兴趣,从而加强学生对知识的理解和把握。针对潮州农村地区初级中学实验条件差、药品缺、实验开课率低、化学实验教学难等问题,我们现以初中化学教材中最典型、最有代表性的＂氢气的制取和性质实验＂为例进行微型化改造,从而实现降低成本、简化操作、突显现象、确保安全、节能环保等目的。

核多元基因选择和极限学习机在微阵列分析中的应用

针对微阵列数据样本量少、维度高的特点,结合当前数据降维方法中没有考虑特征与特征之间相关性的缺点,提出一种核最小二乘的特征基因选择方法。将解释变量空间通过非线性映射转换到高维空间上,再在高维空间上进行最小二乘回归,并采用极限学习机进行训练和预测。结果表明:对三种经典数据集的分类精度分别达到90.47%,88.89%,88.23%,高于传统的机器学习算法,充分表明本方法的优越性。

基于深度玻尔兹曼机的蛋白质相互作用预测

本文针对传统蛋白质相互作用预测模型预测精度不够高的问题,提出一种改进的深度玻尔兹曼机(DBM)模型以更精确地预测蛋白质的相互作用。首先,将多尺度特征组提取和自协方差编码方法结合编码序列特征,并利用DBM自动筛选有效特征。同时,为了避免采用sigmoid或tanh激活函数在深度网络中出现过饱和的问题,本文采用Re LU改进的深度玻尔兹曼机(RBM),使网络具备稀疏性,从而避免模型过拟合,加快收敛速度。在酵母菌PPIs数据集上,本文算法达到了92.27%的准确率,优于传统的方法。