加强密集型中心商区治安管理的基本思路

城市密集型中心商区主要有传统繁华商业街、特色商品集中商区和综合性大型中心商区等类型。随着客流、物流和钱财的大量聚集,城市密集型中心商区可能会产生侵财类违法犯罪增多、消防安全隐患与道路交通拥堵突出等治安问题。因此,应当通过成立专门管理机构、落实商企治安管理责任、建立实时图像监控系统以及加强消防安全监督检查等途径加强密集型中心商区的治安管理。

以用户为中心的超密集网络中窃听用户检测技术

在以用户为中心的超密集网络(User-centric Ultra-Dense Networking, UUDN)中,由于进行信道估计的导频序列长度有限,导致传统的基于信息论准则的窃听检测技术效果不理想甚至完全失效.针对这种情况,提出了一种基于LS-FDC准则的多节点联合检测算法.首先,该方法利用统计学中的线性收缩(Linear Shrinkage, LS)理论,对各节点接收到的样本协方差矩阵进行收缩优化,使其特征分解后更好的拟合总体特征值的分布情况;然后,接入节点组(Access Points Group, APG)中的各节点利用灵活检测准则(Flexible Detection Criterion, FDC)算法进行联合判定是否存在窃听用户;最后,仿真实验与理论分析表明:相较于其他的信源估计检测算法,该算法在较低信噪比和导频序列长度有限时的检测概率显著提高,甚至在导频序列长度小于节点天线数的情况下都能达到很好的检测效果.

基于GIS的粤西海域浮游植物的时空变化分析

根据 1998～ 1999年 4个航次粤西海域浮游植物的调查资料 ,在 GIS的支持下对该海域浮游植物丰度的时空分布特征及其密集中心位置的变化进行了分析和模拟。结果显示 ,粤西海域浮游植物具有明显的时空分布特征。春季、秋季和冬季 3个季节浮游植物丰度的分布趋势相似 ,均呈北部水域高、南部水域低或近岸水域高、离岸水域低的趋势 ,其密集分布区均出现在电白至海陵岛一带的近岸水域 ,其中以冬季密集区的分布范围最广 ,丰度最高 ,平均值达 4 12 .70× 10 4 ind/ m3,其次为秋季 ,丰度的平均值为 14 9.75× 10 4 ind/ m3。与上述 3个季节不同 ,夏季浮游植物的丰度处于全年的最低值 ,平均为 15 .6 4× 10 4 ind/ m3,其相对密集区的分布范围狭小 ,仅出现于川山群岛南侧的小片水域中 ,其余大部分水域的丰度均低于 2 0 .0 0× 10 4 ind/ m3。丰度密集中心的分析结果表明 ,春季、秋季和冬季浮游植物的密集中心位置彼此相近 ,漂移规律不明显 ,而夏季密集中心则明显向东南方向漂移 ,其最大漂移距离横向达 2 4 .74′,纵向达 16 .78′

成人缝匠肌痉挛的肌外和肌内神经阻滞靶点定位

目的:定位缝匠肌的神经入肌点(NEP)和肌内神经密集区中心(CINDR)位置,为缝匠肌痉挛神经阻滞术提供形态学指导。方法:12具24侧成年尸体下肢。连接股骨大转子与耻骨结节和股骨外上髁间的曲线分别为NEP的横向参考线(H线)和纵向参考线(L1线);髂前上棘和股骨内上髁间的曲线为CINDR的纵向参考线(L2线)。Sihler染色CINDR,硫酸钡标记NEP和CINDR,CT扫描。NEP和CINDR在股前、后体表上的投影点分别为P和P′点,经P点的垂线与H线、水平线与L线的交点分别记为PH和PL点。结果:缝匠肌的2个NEP的PH点分别位于H线的51.57%、63.93%处;PL点位于L1线的1.71%、0.71%处;深度分别位于PP′线的7.32%、8.10%处。缝匠肌内5个CINDR的P点分别位于L2线的17.18%、26.56%、42.18%、56.25%和72.65%处;深度分别位于PP′线的5.1%、14.81%、19.23%、22.5%和45.45%处。结论:这些位置应为成人缝匠肌痉挛肌外和肌内神经阻滞术的最佳靶点部位。

一种双优选的半监督回归算法

针对一些工业过程中存在的有标签样本少,而传统的半监督学习无法保证对无标签样本准确预测的问题,提出一种双优选的半监督回归算法。首先,确定有标签样本密集区中心,并计算无标签样本与该中心的相似度,实现对无标签样本的优选,同时根据有标签样本间相似度优选有标签样本;然后,利用高斯过程回归方法对选出的有标签样本建立辅学习器,以对优选出的无标签样本预测标签;最后,利用这些伪标签样本提升主学习器的预测效果。通过数值例子以及实际脱丁烷塔过程数据进行建模仿真,证明了所提方法在有标签样本较少的情况下有良好的预测性能。

利用神经入肌点和肌内神经密集区中心定位成人背阔肌痉挛的阻滞靶点

目的准确定位背阔肌神经入肌点(NEP)和肌内神经密集区中心(CINDR)的位置。方法将12具成人尸体颈静脉切迹至剑胸接合处,腋前线至腋后线之间的体表曲线分别设为NEP的纵向参考线(L1)和横向参考线(H1);肩胛冈内、外侧端间的体表曲线为CINDR的横向参考线(H2),通过CINDR体表投影点连接H2与髂嵴之间的曲线为CINDR的纵向参考线(L2)。Sihler′s染色显示CINDR。硫酸钡标记NEP和CINDR,CT扫描。结果经过NEP的体表投影点的垂线和水平线分别相交于H1和L1的(74.01±3.43)%和(30.41±3.19)%处,NEP深度为(1.28±0.35)cm;背阔肌有2个CINDR,分别投影于H2的(57.50±3.16)%和(15.03±2.76)%、L2的(36.68±3.14)%和(47.89±2.88)%处,深度分别为(1.91±0.38)和(1.85±0.41)cm。结论界定的这些位置应为背阔肌痉挛肌内和肌外神经阻滞术的最佳靶点部位。

UUDN中双层Stackelberg博弈功率控制算法研究

针对以用户为中心的超密集网络(UUDN)信号干扰严重及功耗过大的问题,提出一种双层Stackelberg博弈功率控制(TSGPC)算法。建立UUDN上行功率控制系统模型并采用TSGPC算法为服务用户与协作用户设置合适的收益函数,从理论上推导协作用户最优发射功率及最佳惩戒因子的纳什均衡解,使所有用户收益达到最大,同时证明纳什均衡解的存在性与唯一性,并验证TSGPC算法的有效性。仿真结果表明,该算法在保证通信质量的前提下,能使协作用户的信干噪比较SGUPPC、PCBSW等算法更高,系统吞吐量较Nash算法上升5.58%,有效减少了UUDN用户间干扰,系统吞吐量与容量得到明显提升。

Information engineering infrastructure for life sciences and its implementation in China

Biological data,represented by the data from omics platforms,are accumulating exponentially.As some other data-intensive scientific disciplines such as high-energy physics,climatology,meteorology,geology,geography and environmental sciences,modern life sciences have entered the information-rich era,the era of the 4th paradigm.The creation of Chinese information engineering infrastructure for pan-omics studies(CIEIPOS) has been long overdue as part of national scientific infrastructure,in accelerating the further development of Chinese life sciences,and translating rich data into knowledge and medical applications.By gathering facts of current status of international and Chinese bioinformatics communities in collecting,managing and utilizing biological data,the essay stresses the significance and urgency to create a 'data hub' in CIEIPOS,discusses challenges and possible solutions to integrate,query and visualize these data.Another important component of CIEIPOS,which is not part of traditional biological data centers such as NCBI and EBI,is omics informatics.Mass spectroscopy platform was taken as an example to illustrate the complexity of omics informatics.Its heavy dependency on computational power is highlighted.The demand for such power in omics studies is argued as the fundamental function to meet for CIEIPOS.Implementation outlook of CIEIPOS in hardware and network is discussed.