Estimation of thermal diffusivity of foods using transfer functions

The effective thermal diffusivity of foodstuffs was estimated from time-temperature histories in the geometric center of samples exposed to heating and cooling processes.Transfer functions methodology was used as an alternative method to estimate the thermal diffusivity assuming that conduction was the main heat transfer mechanism. The samples were characterized as delayed first-order systems with unit gain, dead time (L) and time constant (τ).The results were compared with those obtained from the f_h value and with results reported in the literature.     

用发生炉煤气进行快速热风烤窑的应用

用发生炉煤气进行快速热风烤窑的应用王善波，王志军（山东荣成市玻搪工程有限公司２６４３０９）ＰｒｏｄｕｃｅｒＧａｓＵｓｅｄｆｏｒＦａｓｔＨｅａｔｉｎｇｕｐＴａｎｋＦｕｒｎａｃｅ￥ＷａｎｇＳｈａｎｂｏ；ＷａｎｇＺｈｉｊｕｎ（ＳｈａｎｄｏｎｇＲｏｎｇｃｈｅ...     

筛查基因突变的新技术——循环双脱氧指纹图谱法及其应用

建立了适用于大批量标本基因突变筛查的双脱氧指纹图谱法即ｄｄＦ。该技术民测定ＤＮＡ序列的双脱氧末端终止法及ＳＳＣＰ二者长处于一身，即只作一个双脱氧末端终止反应，然后将反应产物在与ＳＳＣＰ相同的电泳条件下进行聚丙烯酰胺凝胶电泳，这样有突变的样品不会漏检，阳性检出率高达１００％。     

焦炉烘炉问题探讨

介绍了柳钢焦化厂6、7号焦炉烘炉中存在的问题及其改进措施。     

植物抗性基因识别中的随机森林分类方法

为了解决传统基于同源序列比对的抗性基因识别方法中假阳性高、无法发现新的抗性基因的问题,提出了一种利用随机森林分类器和K-Means聚类降采样方法的抗性基因识别算法。针对目前研究工作中挖掘盲目性大的问题,进行两点改进:引入了随机森林分类器和188维组合特征来进行抗性基因识别,这种基于样本统计学习的方法能够有效地捕捉抗性基因内在特性;对于训练过程中存在的严重类别不平衡现象,使用基于聚类的降采样方法得到了更具代表性的训练集,进一步降低了识别误差。实验结果表明,该算法可以有效地进行抗性基因的识别工作,能够对现有实验验证数据进行准确的分类,并在反例集上也获得了较高的精度。     

K-split Lasso:有效的肿瘤特征基因选择方法

随着DNA微阵列技术的出现,大量关于不同肿瘤的基因表达谱数据集被发布到网络上,从而使得对肿瘤特征基因选择和亚型分类的研究成为生物信息学领域的热点。基于Lasso(least absolute shrinkage and selection operator)方法提出了K-split Lasso特征选择方法,其基本思想是将数据集平均划分为K份,分别使用Lasso方法对每份进行特征选择,而后将选择出来的每份特征子集合并,重新进行特征选择,得到最终的特征基因。实验采用支持向量机作为分类器,结果表明K-split Lasso方法减少了冗余特征,提高了分类精度,具有良好的稳定性。由于每次计算的维数降低,K-split Lasso方法解决了计算开销过大的问题,并在一定程度上解决了"过拟合"问题。因此K-split Lasso方法是一种有效的肿瘤特征基因选择方法。     

基于基因表达式的克隆选择算法求解JSP问题

针对作业车间调度问题的特征,提出一种基于基因表达式的克隆选择算法。在这个方法中,采用基因表达式编程算法中的编码方式来表示调度方案,同时为了提出的方法具有更强的全局搜索能力,运用克隆选择算法作为搜索引擎。最后,验证提出的方法的有效性,对7组Benchmark实例进行测试。实验结果表明,基于基因表达式的克隆选择算法在求解作业车间调度问题中是非常有效的。     

机器人足球比赛系统中的机器人任务分配方法

针对基于遗传算法的多机器人任务分配方法中,由于初始种群是随机产生不能很好地表征整个解空间,而容易陷入局部最优解的问题,提出一种新的多机器人任务分配方法。该方法根据机器人效用函数值来确定个体基因,从而产生初始种群,并引进分层遗传算法来实现具有不同最优基因的群体分开演化。仿真实验表明,该方法比传统的遗传算法有更高的寻优效率和更快的收敛速度。