摘要：The aim of this study was to evaluate the efficacy of mosaicplasty with tissue-engineered cartilage for the treatment of osteochondral defects in a pig model with advanced MR technique. Eight adolescent miniature pigs were used. The right knee underwent mosaicplasty with tissue-engineered cartilage for treatment of focal osteochondral defects, while the left knee was repaired via single mosaicplasty as controls. At 6, 12, 18 and 26 weeks after surgery, repair tissue was evaluated by magnetic resonance imaging （MRI） with the cartilage repair tissue （MOCART） scoring system and T2 mapping. Then, the results of MRI for 26 weeks were compared with findings of macroscopic and histologic studies. The MOCART scores showed that the repaired tissue of the tissue-engineered cartilage group was statistically better than that of controls （P 〈 0.001）. A significant correlation was found between macroscopic and MOCART scores （P 〈 0.001）. Comparable mean T2 values were found between adjacent cartilage and repair tissue in the experimental group （P 〉 0.05）. For zonal T2 value evaluation, there were no significant zonal T2 differences for repair tissue in controls （P 〉 0.05）. For the experimental group, zonal T2 variation was found in repair tissue （P 〈 0.05）. MRI, macroscopy and histology showed better repair results and bony incorporation in mosaicplasty with the tissue-engi- neered cartilage group than those of the single mosaicplasty group. Mosaicplasty with the tissue-engineered cartilage is a promising approach to repair osteochodndral defects. Morphological MRI and T2 mapping provide a non-invasive method for monitoring the maturation and integration of cartilage repair tissue in vivo.

摘要：文中设计了一种基于数据挖掘技术的智慧畜牧业平台。该平台采用分层架构,通过物联网设备实时采集养殖场环境和动物体征数据,结合随机森林、K-means聚类和关联规则挖掘算法,对动物健康状态、环境优化及饲料配比进行智能预测与优化,实现了高效的数据处理和决策支持,提升了养殖场的管理效率和经济效益。

摘要：渐进迭代逼近(PIA)是一种用于数据拟合的经典几何迭代方法,其操作简单,表达显式.针对经典PIA算法存在收敛速度慢的问题,将逆矩阵的具有高阶收敛的迭代算法与经典PIA方法融合,提出一类单步非定常的加速PIA算法.首先,对给定数据点用均匀或累加弦长法进行参数化;然后,用加速PIA算法调整控制点生成拟合曲线(曲面)序列,从理论上保证了生成的曲线(曲面)序列的极限插值原始数据点.在规则曲线曲面,散乱数据点以及加噪声散乱数据点的拟合实验结果表明,在相同终止误差条件下,相比经典PIA算法,所提加速PIA算法需要的迭代次数平均减少84.75%,运算时间平均减少65.53%.

摘要：为了得到近似弧长参数的有理Bézier曲线表示,提出基于分段M?bius参数变换的有理Bézier曲线的重新参数化方法.该方法将曲线的曲率极大值点作为分段点构造分段M?bius参数函数;在保证参数速率C1的连续条件下,用新参数速率关于单位速率偏离变量的L2范数作为度量标准函数;通过最小化该目标函数求得分段M?bius函数的具体表示.实例结果表明,通过分段M?bius变换后,有理Bézier曲线的参数具有很好的弧长参数近似效果.

摘要：传统渐近迭代逼近方法是一种简单、直观和有效的数据拟合方法,但存在难以处理海量数据的缺陷.最小二乘渐近迭代逼近(least square progressive iterative approximation,LSPIA)方法的出现弥补了其数据量受限的不足,使之能适用于大量数据拟合的需求.为了提高LSPIA方法的收敛速度,结合Moore-Penrose广义逆的Schulz迭代方法,给出了三角B-B曲面的加速LSPIA迭代格式,并证明了2,3,4次三角B-B逼近曲面的LSPIA生成以2次的收敛速度收敛到最小二乘逼近结果.此外,还提供了拥有最快收敛速度的权重公式,并用实例验证了该加速LSPIA方法的正确性和高效性.

摘要：为提高Bézier曲线降阶的稳定性,提出以基于L2范数的逼近误差为指导的一种迭代算法.该算法从一条初始Bézier曲线开始逐渐地对其控制顶点进行偏移,得到具有误差最小的逼近曲线;同时,应用线性搜索方法来优化控制顶点的偏移,使得在每次迭代后逼近误差可以达到局部最小.实例结果表明了该算法的快速收敛性.

摘要：渐进迭代逼近(简称PIA)是一种直观有效的数据拟合方法.经典的PIA方法要求曲面控制顶点的个数等于拟合数据点的个数,并不适用于大量数据的拟合.为了改造经典PIA方法,特别研究了使用最频繁的三角曲面用PIA来生成的算法,并重点考虑实际中最常用的低次情形.证明了低次(n=2,3,4)非均匀三角Bézier曲面具有最小二乘渐进迭代逼近(简称LSPIA)性质,并且迭代得到的三角Bézier曲面序列的极限就是数据点的最小二乘拟合.同时,还提供了如何选择合适的权值使得迭代拥有最快收敛速度的方法.实例验证了最小二乘PIA方法的有效性.

摘要：为了解决连续区间上积分值的函数重构,提出一种直接构造方法.首先利用积分值的线性组合得到结点处函数值的六阶逼近;然后将该近似函数值代入到传统的五次离散样条拟插值算子的泛函值上,得到积分值五次样条插值;最后基于五次样条拟插值的收敛阶,得到该方法对高阶导数逼近的收敛阶.实验结果表明,与传统的积分值样条插值方法相比,该方法简单、有效,可以推广到积分值高次样条拟插值上.

摘要：在增量发展转向存量发展的政策背景下,为了使高校的老旧校区更好地适应社会,谋求发展方向,文章提出了以人为本、造价低、建设周期短、校企合作、学生参与的微更新模式。从中南大学铁道校区内的一些典型公共空间微更新实例出发,探讨高校公共空间微更新的设计策略,为当下的高校发展提供思路。

摘要：中小微企业信贷融资难问题依然突出,信息不对称的根本原因突显。而大数据征信作为问题解决的关键所在,其整体建设有待加强。本研究以2013—2017年30个省级行政区为样本,从宏微观双视角出发,结合区域金融发展水平的外在调节作用以及企业软硬信息的内在影响,运用分层线性模型定量分析了大数据征信建设与中小微企业信贷能力之间的影响关系。研究表明,大数据征信建设能有效提升中小微企业信贷能力,且该效用随着时间推移有增强趋势,受企业软硬信息、区域金融发展水平等交互影响。研究认为强化大数据征信顶层设计,健全制度保障体系,拓展大数据征信应用场景,推进金融体系创新改革,进而充分发挥大数据征信效用,是全面提升中小微企业信贷能力的关键路径。