外源乙烯对西伯利亚百合小鳞茎萌发和内源激素的调控研究

为了探究外源乙烯对西伯利亚百合小鳞茎萌发的影响和对其内源激素含量的调节,分别用0、0.5mmol/L、3.0mmol/L、5.0mmol/L、10.0mmol/L乙烯(ETH)及0.5mmol/L乙烯受体抑制剂(STS)处理百合小鳞茎,种植30d后统计测定其萌发指标及内源激素含量。结果表明,5.0mmol/L乙烯处理的西伯利亚百合小鳞茎发芽率最高,平均芽长、根长最长,平均球重最大。在小鳞茎发芽过程中外源乙烯对内源激素存在调节作用,ABA的含量呈降低趋势,而GA和IAA的含量不断升高,且显著高于对照。

基于三标度AHP与CUOWA区间群决策方法的商业地产投资风险评价

商业地产在我国崛起速度快、开发环境复杂、投资风险大。科学合理的投资风险评价对于商业地产开发具有重要意义。本文根据商业地产开发的特点,结合相关文献对投资风险进行梳理,构建了商业地产投资风险评价指标体系。利用三标度AHP法对商业地产的指标进行赋权,在综合考虑投资风险模糊不确定性和决策群体中人类思维模糊性的基础上,采用CUOWA区间群决策方法建立商业地产投资风险评价模型。最终,实证研究表明,本文所构建的模型具有较高的可行性和可操作性。

雄性不育东方百合转录组SSR信息分析及其分子标记开发

【目的】对东方百合雄性不育系开展转录组测序分析,开发SSR分子标记,为东方百合雄性不育系遗传多样性研究奠定基础。【方法】利用MISA软件对筛选得到的1 Kb以上的Unigene做SSR分析,利用Primer3.0设计引物,随机选择71对引物进行多态性扩增。【结果】共获得135 483条Unigene,筛选得到12 391个SSR位点(占总Unigene的9.15%);其中SSR位点中主导类型为单核苷酸重复,占总SSR的63.94%;其次是二核苷酸重复,其出现频率为20.65%。通过Primer3.0设计得到11 948对SSR引物,随机选择71对SSR引物对24种不同来源的东方百合可育品种及雄性不育系进行多态性验证分析,结果显示在22对可扩增产物的SSR引物中,引物表现稳定可重复的多态性,各个位点的等位基因介于3～8个,平均等位基因数5个,多态信息含量PIC平均值0.5048、观测杂合度Ho平均值0.1977、期望杂合度He平均值0.4533。【结论】研究表明通过对东方百合雄性不育系转录组分析可获得较高频率的SSR位点且类型丰富,为东方百合雄性不育系遗传多样性分析和遗传图谱构建提供了候选标记。

鸢尾属植物花器官总RNA不同提取方法的比较分析

【目的】为了探索更适合鸢尾属植物花朵总RNA的提取方法。【方法】以新鲜的鸢尾(Iris tectorum Maxim.)和冷冻的西南鸢尾(I. bulleyana Dykes)的花蕾为材料,分别采用Trizol法、Trans Zol Plant试剂盒法和EasyPure Plant RNA Kit试剂盒法等3种方法提取它们的花蕾总RNA,通过琼脂糖凝胶电泳检测RNA的完整性,利用超微量紫外分光系统检测RNA的纯度和浓度,比较3种不同试剂提取得到的总RNA的质量和浓度。【结果】对于冷冻的西南鸢尾花蕾组织,只有Trans Zol Plant试剂盒法可以提取出纯度好、浓度高的RNA。而对于新鲜的鸢尾花蕾,3种方法提取出的RNA均可用于后续试验,但质量和浓度有一定差异,EasyPure Plant RNA Kit试剂盒法提取出的RNA质量最好且产量较高;Trans Zol Plant试剂盒法提取出的RNA质量较好但产量最高;Trizol法提取出的RNA品质较好但产量最低。【结论】综合植物样品材料、RNA纯度和得率及费用等因素,EasyPure Plant RNAKit试剂盒法适合需要获得高质量的RNA和有新鲜的植物材料时使用;TransZol Plant试剂盒法适合在需要大量RNA但对RNA的质量要求不是很高时使用,且较适合应用于冷冻的鸢尾花朵。研究结果为鸢尾属植物的分子生物学深入研究提供一定研究基础,也为其它植物花朵总RNA的提取提供必要的参考。

在线社交网络中双谣言扩散的阈值研究

为了更加贴合实际社交网络中谣言的传播过程,构建了社交网络中的双谣言扩散模型并研究其传播阈值的一般形式。基于经典的SIR(Susceptible-Infected-Recovered)传染病模型,考虑双谣言同时传播且相互影响的情况,分别在度均匀和度不均匀的网络环境中推导出阈值表达式,为研究多则谣言在网络中传播和其阈值提供了基础。针对社交网络的小世界和无标度特性,基于所构建的人工网络进行了数值仿真,研究了在不同的平均度下的,扩散规模和扩散阈值(基本再生数)之间的关系,验证了阈值的存在。仿真结果表明,平均度对谣言在网络中的扩散有显著影响,在平均度越小的网络中,谣言的扩散阈值越大,仿真结果验证了理论分析。

基于K近邻的运动想象分类中的噪声效益

关于脑电信号中的噪声处理问题一直是脑-机接口(BCI)领域的重点研究方向,通常认为噪声是有害的,所以针对脑电信号中的噪声处理往往以降噪或消噪为主。但是根据随机共振(SR)的思想,在非线性系统中噪声往往能增强信号处理,而脑电信号恰好具有非线性的特征,因此提出运用高斯噪声提高运动想象脑电信号的识别率。通过在脑电信号中加入独立的高斯噪声,将原始训练集与添加噪声的训练集串联起来增加训练样本量,考虑训练样本量增加与否和噪声加入的阶段(训练或/和测试);通过共空间模式(CSP)和小波包变换(WPT)提取分类特征,并用K近邻(KNN)算法进行分类。实验结果表明,只要加入适当强度的噪声,均可提高系统的分类准确率,出现随机共振现象;增加训练样本量的同时在训练集和测试集中加入适当强度相同的噪声,系统最大平均分类准确率相比不加噪声时增加9.28个百分点;K近邻算法的最大平均分类准确率相比决策树(DT)和支持向量机(SVM)而言整体更高,体现出K近邻算法的优越性和可靠性。

基于谱优化社区划分的双信源溯源算法

在线社交网络的飞速发展给人们带来便捷服务的同时也给谣言的肆意传播提供有利的平台,若不加以制止,将会严重扰乱社会秩序。因此,如何快速准确地识别谣言源具有重要的实际意义。考虑到社交网络的社区结构特性,即社区内节点连接紧密,社区间节点连接松散,通过分析扩散快照和网络拓扑结构,提出一种结合社区划分的谣言溯源算法。在模块度的社区划分算法的基础上,基于优化的谱分析方法将感染图划分成两个社区,然后运用谣言中心性的溯源算法在两个社区内分别进行单信源溯源,将双信源溯源问题近似分解为两个独立的单一信源溯源问题。为验证该算法的有效性和准确性,对比不同的网络拓扑结构和不同的中心性估计量,仿真实验结果表明该算法能够快速有效地识别谣言源。

基于时间卷积网络的极化码译码算法

针对传统的极化码译码(SC译码)算法实际应用中的用时较长和容错率较差的问题,提出并使用新型人工神经网络——时间卷积网络(temporal convolutional network,TCN)拟合的方式搭建极化码译码模型。与其他人工神经网络不同的是,时间卷积网络属于卷积神经网络(convolutional neural network,CNN),和循环神经网络(recurrent neural network,RNN)的功能相似,其独有的膨胀因果卷积结构和残差链接方法使其擅于分析时间数据,比长短期记忆网络(long short-term memory,LSTM)、门控循环神经网络(gated recurrent units,GRU)之类的规范循环网络更准确、更简单、更清晰,比较适合极化码这样的时间序列。通过调试网络模型参数的方式,对时间卷积网络译码性能影响进行了研究,仿真结果显示,通过合理地调整训练序列数、卷积核的大小和数目可以实现提升极化码译码性能的要求。

社交网络上理性者交互的群组传播谣言模型

社交网络已经成为信息交流的重要媒介,直接影响谣言传播的速度和范围,因此研究谣言传播机制对谣言传播规律理解具有十分重要的意义。考虑到关于少数不相信谣言的理性者对谣言传播影响的研究还很少,社交网络群组成员通过群组共享和传播信息方式对谣言传播的影响大,在均匀网络和非均匀网络上构建了理性者交互群组传播谣言传播模型。利用微分动力学方法和下一代矩阵理论给出模型的无谣言平衡点和基本再生数。文中首先使用数值仿真验证模型的正确性,然后通过Monte Carlo方法在ER,WS,BA,Facebook网络上分别模拟真实情况下未知者、理性者以及传播者的动态变化。仿真结果表明,当谣言逐渐消失时,4种网络中的未知者密度和理性者密度均能趋于稳定;BA网络和Facebook网络谣言传播速度和消失速度快于ER网络和WS网络。更大规模的群组能够增加谣言传播影响范围。更可信的理性者显著降低了网络谣言的传播时间和传播者密度峰值。

基于有责量和免责量的谣言溯源算法

复杂网络中的谣言溯源问题一直是学者们的研究重点,随着互联网技术和社交网络的发展,如何快速准确地确定网络中的谣言源以削减其不良影响显得尤为重要。考虑到谣言源是网络中最早感染的节点,即拥有最大的节点年龄,通过对节点的未受感染邻居所表现出的免责量进行研究,综合免责量与节点年龄之间的关系,提出基于有责量和免责量的谣言溯源算法,同时为了减少计算成本,选取高介数中心性节点作为可疑集。结合现实网络中谣言发展的真实情形,将算法推广至网络中双源情况,基于优化的谱分析方法将感染网络划分为两个社区,将复杂双源问题转化为单源问题。在几个合成与真实网络中进行的仿真实验结果表明,在单源和双源的情况下,提出的溯源算法能够快速有效地识别到谣言源,在多个网络中溯源结果的平均误差距离小于1跳,相较于其他启发式算法具有一定的优越性,同时,在高度稀疏性的网络中,性能表现良好。

基于传播者心理差异的随机谣言传播模型

社交网络已经成为信息时代的主流媒体,因此研究社交网络上的谣言传播动力学行为有助于更好地理解谣言传播机理。考虑到社交网络经常受环境因素的影响,导致网络拓扑结构是时变的,引入随机扰动的噪声,针对一些传播者由于心理差异因素,选择保持沉默,在谣言传播过程中引入沉默者个体,基于此建立一个考虑沉默-复发机制的随机Si-SIR(Silent-Susceptible-Infected-Removed)谣言传播模型,并对复杂社交网络中随机谣言传播动力学方程进行了研究。通过对随机模型进行稳定性分析,推导了谣言消亡的充分条件,讨论了同质网络和异质网络上谣言的传播阈值。通过蒙特卡洛方法分别在WS(Watts-Strogatz)小世界网络、BA(Barabási-Albert)无标度网络、Facebook真实社交网络上进行模拟仿真。仿真实验表明,添加适当强度的噪声,加速了谣言扩散的过程,扩大了谣言的最终规模;与WS和BA网络相比,Facebook网络的谣言扩散速度更快,谣言的最终规模更高;更强的沉默-复发机制能够提高传播节点密度峰值和延迟谣言消亡的时间。

城市高架桥预应力混凝土现浇连续箱梁承载能力检算分析

文章依据桥梁技术评定方法,对预应力混凝土现浇连续箱梁进行承载能力检算。通过引入检算系数、承载能力恶化系数、截面折减系数等计算修正;采用Midas Civil软件建立了有限元模型,进行了持久状况承载能力极限状态、正常使用极限状态及构件应力验算,最后运用上述方法进行分析评估,得出主梁在承载能力极限状态下的内力及运营阶段的应力、挠度及抗裂性均满足规范要求。

语音信号传输过程中的阈上随机共振现象

对利用阈上随机共振现象来改善语音信号的传输进行了研究。在理论上,选取输入输出互相关系数作为测度,用拉普拉斯信号模拟语音信号,研究了拉普拉斯信号在多阈值系统中受到加性高斯噪声和乘性高斯噪声作用下的阈上随机共振现象。在实际应用中,同样选取输入输出互相关系数作为测度,用真实的语音信号作为输入信号,在受到加性高斯噪声和乘性高斯噪声共同作用下的多阈值系统中进行仿真。理论研究结果表明,在受加性噪声和乘性噪声共同作用情况下的多阈值系统中,当噪声强度在一定范围内变化时,该系统中出现了阈上随机共振现象。仿真结果表明,语音信号在上述系统中传输时,也发生了阈上随机共振现象,即验证了利用阈上随机共振可以改善语音信号的传输。

考虑群组传播的SEIR谣言传播模型

近年来,移动互联网络技术的高速发展极大地改变了信息的传播方式。在移动社交网络中,人们根据共同爱好、亲友关系等往往聚合成特定的群组,如QQ群、微信群等,并在这些群组之间进行信息分享与交流。移动社交网络的特点在于所有用户都可以创建和管理社交群组并邀请朋友加入。因此,一个群组很容易变成一个人们可能无法直接彼此认识的小团体,而人们通常会收到不同用户发布的谣言信息并将其转发给其他个人或团体。考虑到一些人可能因为不确定谣言的真实性,而不会立刻转发谣言。因此,在引入E态的谣言传播模型上建立了一种考虑群组传播影响的新型SEIR模型,研究了移动社交网络中考虑群组传播的谣言传播动力学变化过程,并进行了稳态分析给出模型的传播阈值。为了验证理论分析的正确性以及评估模型对相关参数的敏感性,计算给出了模型动力方程组的数值解,并在Watts–Strogatz(WS)小世界网络上进行了是否考虑群组传播的仿真对比实验。实验结果表明,群组传播极大地加快了谣言传播的进程;且平均群组度的增加,会导致传播速度和传播者峰值规模均有所增加;群组规模越大,谣言的影响范围越广。

基于XGBoost算法的社交网络链路预测

提升链路预测精度是复杂网路研究的基础问题之一。传统基于局部信息相似性、基于全局信息相似性与基于随机游走相似性的链路预测都是基于单个相似性指标进行预测的,而没有充分利用这些相似性指标的综合信息。将链路预测问题看作机器学习中的二分类问题,将有连接的样本标签记为1,无连接的样本标签记为0,将基于局部信息、基于全局信息与基于随机游走相似性等15个指标作为样本特征。综合考虑以上信息,使用XGBoost算法,选取AUC作为模型评价准则,在facebook真实数据集上进行实验。结果表明,该算法在测试集上的AUC高于基于单个相似性指标链路预测的AUC。

Noise-Assisted Signal Reception in Threshold Neuron

In certain cases, noises can improve signal transmission or signal processing. This phenomenon is the so-called stochastic resonance. In this paper, we firstly present two theorems to prove that the noisy threshold neuron shows stochastic resonance in terms of the probability of correct reception. Secondly, we analytically discuss stochastic resonance effects and give the probability-optimal noise levels for four representative noises. Finally, we discuss the stochastic gradient ascent learning law, which can be used to find the probability-optimal noise levels. We also present our simulation results for the four representative noises. These results indicate that stochastic resonance is favorable both in biological neurons and in signal processing.