苎麻纤维品质综合改良的初步探讨

本文从苎麻生产的基本特征，及其与原麻购销、纺织加工的相互关系等方面，对我国苎麻优质纤维严重不足而又大量浪费等问题的产生原因和严重后果进行了分析，提出了促进麻纺工业发展，开展农艺变性研究，实行优麻优价和良种区域化，以提高优质纤维产量和利用效率的设想。     

交通网络中出现阻塞路径情况下增量路径查找算法

目的解决车辆在行驶过程中,在原路径出现阻塞的情况下,如何增量查找最优路径．方法在A^＊算法基础之上,采用当前点增量更新、阻塞点增量更新等策略查找最优路径,并通过对不同策略查询结果的比较,得出最佳方案．结果该算法减少了遍历的交通网络节点数量,当阻塞点远小于路径总长时,受影响的集合远小于原数据集合．结论实验表明,该算法在有阻塞路径的情况发生时,具有更高的查询效率和更少的磁盘访问次数,满足了实际应用的需求．     

数据仓库系统中任务调度策略研究

针对数据仓库系统中存在众多的数据处理任务,提出了数据仓库系统中任务调度框架.通过自动分析任务文本生成任务流图,并提出了3种任务调度策略.模拟实验结果显示,该框架可以很好地完成数据仓库系统中的任务调度和管理,同时发现影响系统性能的因素还应包括磁盘I/O性能.     

大麻种子含油量及油脂脂肪酸组成分析

为探明大麻种子油开发利用价值,采取索氏抽提法和气相色谱法对大麻种子含油量、脂肪酸组成及其相关性进行了研究与分析。结果表明:大麻种子含油量较高,最高达36.10%,其中超过34.20%的品种达5个;大麻种子油主要由棕榈酸、硬脂酸、油酸、亚油酸、γ-亚麻酸和α-亚麻酸等组成,其中不饱和脂肪酸含量为86.89%~98.79%,均值达89.50%;大麻种子油多不饱和脂肪酸含量丰富,均值达77.05%,其中亚油酸含量超过59%的有4个品种;亚麻酸含量均值达19.90%,其中α-亚麻酸大于20%的品种达5个。相关分析表明,大麻种子含油量与油中亚油酸、α-亚麻酸存在负相关,与油酸和γ-亚麻酸呈正相关,其中与α-亚麻酸达显著水平。综合分析可见,大麻种子油具有较高含油量和丰富不饱和脂肪酸,其亚麻酸含量明显优于大多食用植物油的,具有较好开发利用前景。云麻6号的亚油酸和α-亚麻酸及云麻4号的γ-亚麻酸含量均极为丰富,显著高于其他品种,表明这两个品种在开发相应高脂肪酸保健食品、特种植物油和品质育种研究等方面具有重要应用价值。     

红麻及其同属近缘植物韧皮纤维与木质纤维形态结构研究

采用光学与电子显微技术，对红麻近缘植物的韧皮纤维与木质纤维的形态结构进行了比较研究。结果表明，红麻近缘植物韧皮纤维均呈束状结构，以次生纤维较多，单纤维长度为１．００～２．７３ｍｍ，纤维表面有多条明显的纵向突起或沟槽，有多个外交型、内陷型和平滑型结节，并伴有程度不等的裂隙、转折或扭曲，节间长度为１５４．０８～４４９．０１μｍ，胞壁上的孔洞较少较小，纤维表面巨原纤呈圆柱形，趋向纤维轴向排列。木质纤维亦以次生纤维较多，主要呈射线状排列，单纤维长度为０．７０～１．０７ｍｍ，结节、转折和扭曲极少，胞壁上孔洞较多较大，孔径为０．０５～３．５μｍ，纤维表面巨原纤分布较稀少，与纤维轴向的夹角较大。     

空间区域中对象流动模式构建方法研究

随着时空数据获取设备的普及应用,产生了大量反映移动对象活动的位置数据,数据的海量性及分析的复杂性决定了该类数据为典型的大数据。位置数据中的到达和离开可以反映移动对象的流动规律,可以表示为区域的流动模式,本文研究空间区域中移动对象流动模式的构建方法,将区域的流动规律以时间序列进行定量表示,模式可用于指导交通、安全等方面的可预测调度。由于对象流动的随机性,使得构建高预测精度的模式成为一个挑战。提出一种基于层次聚类的流动模式构建模型,模型中通过数据的离散化、序列化、模式训练等步骤实现模式构建;提出偏斜度层次聚类树及异常序列去除方法,可以有效去除局部异常序列及自动聚簇选取,提高了模式的预测精度。利用真实数据集对所提出的模式训练方法进行了充分的实验,验证了所构建的空间区域中的流动模式可以用于表达区域中对象的流动规律,所提出的模式训练方法与现有的训练方法相比具有较高的预测精度。     

基于网格索引结构的TNN查询算法

目的应用网格索引结构实现TNN查询算法,提高查询效率.方法将首次查询到的TNN路径长设为探测距离,利用它缩小有效查询区域,随着查询的进行,不断更新探测距离,直至终止条件到达查询结束.结果实验表明,在同等条件下,利用网格索引比利用R-tree索引结构进行查询的效率至少高一倍,而且随着目标点个数的增加,优势更加明显.结论运用网格索引并选择合适的网格粒度实现TNN查询优于运用R-tree索引实现的算法.     

一种求解带时间窗车辆路径问题的混合差分进化算法

对带时间窗的车辆路径问题进行研究,建立以最小化车辆数量和行驶路程为目标的多目标数学模型,提出一种结合改进差分进化算法和变邻域下降搜索的基于Pareto支配的混合差分进化算法。首先重新定义了个体的生成方式。其次,结合双种群策略和变邻域下降搜索技术来平衡算法的全局探索能力和局部开发能力,并在搜索过程中用随机个体替代种群中的重复个体,维持种群的多样性。然后引入Pareto支配的概念来评价个体的优劣性,并采用擂台法则构造非支配解集。最后对18个不同规模的Solomon算例的求解结果表明,算法在行驶路程和车辆数量上的求解质量比人工蜂群算法分别平均提高了2.04%和14.95%,且与已知最优解相比,在车辆数量的求解质量上平均提高了14.53%,验证了所提算法的有效性。     

云环境中海量数据的并行分组密码体制研究

云计算环境中,飞速增长的海量数据的安全性越来越受到关注,分组密码算法是保证海量数据安全性的一个有效手段,但面对超大规模的数据量其效率是一个备受关注的问题。提出了一种基于MapReduce架构的并行分组密码机制,能够使标准的分组密码算法应用于大规模的集群环境中,通过并行化来提高海量数据加密与解密的执行效率,并设计了常用的几种并行工作模式。实验证明,提出的算法具有良好的可扩展性和高效的执行性能,能够适用于云计算环境中海量数据的安全保密,为进一步的研究工作奠定了基础。     

导入马齿苋DNA的烟草D4代株系的SRAP分析

采用花粉管通道法将马齿苋DNA导入烟草,并经4次连续自交获得第4代材料(D4),选择其中32个株系进行SRAP纯度分析。结果表明:通过条件优化建立了烟草SRAP-PCR反应体系,即每10μL溶液中含有0.2mmol/LdNTP、20ng模板DNA、30nmol/L引物、0.5UTaq聚合酶和2mmol/LMgCl2;最佳复性温度和循环次数分别为53℃和35次;选用118对引物组合构建了烟草D4代的指纹图谱,其中不同引物组合产生的DNA片段数目在10～30之间,大小分布于100～700bp,且共扩增出1052条扩增产物,其中10条带表现出多态性,多态性比率仅为0.95%,说明使用SRAP标记检测烟草后代纯度是可行的。