一种高效的机房软件安装方法

在机房管理实践的基础上，提出了综合注册表管理、系统设置、网络克隆等技术的一种高效的机房软件安装方法，这种方法具有安装效率高，易于恢复等特点，是机房管理的有效方法。     

克隆遗传算法在学生成绩分析中的应用

分析了关联规则挖掘的特点,提出一种基于克隆遗传策略的关联规则挖掘模型。该模型针对遗传算法易于陷入局部最优的缺点,引入克隆算子,通过克隆操作扩大群体规模,并采用自适应方式动态地选取交叉率和变异率,从而求得问题的最优解。实例分析表明,克隆遗传模型能有效处理数据集中的关联规则挖掘问题。     

克隆转换开关的变形和微缩痕的处理技术

转换开关是工业生产自动流水线上机械手中的运动转换装置,克隆该产品需要解决多方面的技术问题才能实现。转换开关孔的精度和几何精度要求,甚至超过了金属机械加工件。如何控制克隆转换开关的变形、微缩痕和银纹等缺陷,就成为了克隆转换开关首先要面对课题。先后采用物理、化学和光谱分析方法,确定了进口转换开关的主要成份后。又通过不断试用不同的填充剂,最终确定选用30%的微珠玻璃聚碳酸脂取代进口转换开关材料,这便解决了产品变形和色泽的问题。以选用适当的注塑机和注射参数,解决了微缩痕的问题。烘料解决了银纹的问题,而后处理解决了内应力的问题。至此,转换开关的克隆加工便取得了重大的进展。     

一种求解约束优化问题的改进型免疫克隆算法

针对约束优化问题提出一种基于精英库机制的改进型免疫克隆优化算法ICOAEB(Immune clonal optimization algorithm based on elite bank)。该算法利用精英库机制动态存储迭代过程中父代优势个体,实现优秀个体的多代记忆,从而提高算法寻优能力;并利用灾变算子扰动算法运行过程从而摆脱迭代缓慢的状态,避免局部收敛。通过对五个约束优化函数的测试,实验结果表明ICOAEB的求解精度和稳定性较高,可以较好地解决约束优化问题。最后针对影响算法性能的两项重要参数选择问题给出了相关的实验及分析。     

中国狂犬病疫苗CTN-1-V株糖蛋白基因的克隆及序列分析

目的 研究CTN-1-V株糖蛋白(GP)基因结构特性。方法 利用RT-PCR反应从感染CTN-1-V病毒的Vero细胞中获得精蛋白全长cDNA片段,并克隆至PCR2.1载体,进行序列测定。结果 CTN-1-V株糖蛋白cDNA序列长度为1 575个核苷酸,编码524个氨基酸。与国外已测定的相应序列进行同源性比较,其核苷酸同源性为80.8％～92.4％,氨基酸同源性为82.9％～93.3％。结论 进一步了解CTN-1-V株的基因结构,为筛选特异性疫苗株提供理论依据。     

生物技术生产纤维素酶及其应用研究进展

简要介绍纤维素酶的酶学性质、降解机制、生产工程菌的选育、纤维素酶的应用情况,以及对纤维素酶生产与应用方面存在的问题和未来发展趋势进行了分析与探讨。纤维素酶在食品、酿造行业、农副产品深加工、饲料、医药、环境保护和化工等领域有着非常广阔的应用前景和应用潜力。我国纤维素酶的生产及应用研究近年来取得了很大进展,今后必将在应用深度和广度上进一步扩展。     

克隆代码技术研究综述

软件系统中克隆代码的检测与管理是软件工程中的基本问题之一, 在软件的质量、维护、架构、进化、专利和剽窃等众多领域有着广泛的应用需求。综述了克隆检测的过程、技术及其优缺点、克隆进化方向上的相关研究, 以及克隆管理的一些技术, 并特别介绍了克隆重构技术。最后概括了该领域所取得的研究成果, 并讨论了目前克隆代码研究中所遇到的挑战性问题。     

基于分层特征的代码克隆检测方法

针对现有代码克隆检测方法通常存在标记表示单一而抽象语法树构造复杂的问题,提出一种结合分层特征的代码克隆检测方法。使用双层双向长短时记忆网络提取行级和全局代码层次的深层语义信息,挖掘目标代码的语义特征。引入注意力机制调整重要标记及代码行的影响权重,增强语义形式的代码克隆检测效果,并采用softmax分类器识别克隆代码。实验结果表明,该方法的召回率和精确度分别为91%和97%,相比NICAD、CCIS、CCLearner方法对于复杂语义形式的克隆代码具有更好的检测效果。     

改进灰狼优化算法的K-Means文本聚类

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法。在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类。所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠。