摘要：为解决传统疫苗溯源方案存在的数据易篡改、可信度低、追责难和信息孤岛等诸多弊端,实现疫苗信息在生产、流通、接种全过程中的安全存储和共享,提出一种基于双链结构和国密算法的疫苗溯源方案。选用私有链和联盟链双链结合的许可链作为底层架构,引入SM2、SM3国密算法用于代替一般区块链中使用的国际标准通用密码算法,实现更强的抗碰撞性和更高的签名可信度,在确保安全性的基础上进一步提高交易速率和自主性。实验结果表明,该方案交易速度快、运行成本低,不易遭到恶意攻击,可以防范来自内部和外部的安全攻击。该方案与我国疫苗行业的应用场景高度匹配,符合国家对于密码算法和信息安全自主可控的要求。

摘要：目的鉴定小儿复方鸡内金散中鸡内金的真伪。方法根据家鸡、麻鸭、家鹅的线粒体基因序列设计和筛选引物,优化反应条件和体系,建立基于特异性引物的多重PCR法进行鉴别。结果鸡内金、鸭内金、鹅内金DNA在优化条件下,分别在94、124、155 bp处产生了清晰、明亮的条带,并且未观察到非特异性扩增,呈现出较好的特异性,检测灵敏度均达到0.1 ng/μL。来源于8个厂家的11批样品中,有2批检出了鸭内金掺伪,检出率为18.2%。结论该方法灵敏度高,特异性强,可为更好地监控含鸡内金中药制剂的质量提供新颖的途径和有力的手段。

摘要：对于行人重识别,注意力机制具有增强显著特征和抑制不相关特征的优点,而先前基于注意力的方法大多独立关注通道域和空间域而忽略了通道与空间的对应关系。针对这一问题,提出一种维度融合注意力的行人重识别方法。在提取特征期间,采用滑动窗口的方法融合通道维度和空间维度,使用超大一维卷积核不断学习通道与空间之间的关系;在网络的最后阶段引入ECA注意力,ECA注意力具有局部跨通道交互的作用,与维度融合注意力相配合使用能够显著提高重识别率。实验结果表明,该方法在计算成本有限的情况下优于当前大多数方法。

摘要：目的建立蛤蚧定喘丸中醋鳖甲的DNA分子鉴定方法。方法根据鳖、佛罗里达鳖线粒体基因序列的差异设计特异性引物TS和AF,进行荧光定量PCR和方法学考察,然后对市售蛤蚧定喘丸中醋鳖甲进行鉴定。结果含有鳖、佛罗里达鳖的DNA样品仅与相应引物扩增后可检测到荧光信号,有特定温度单一峰,T_(m)分别为77.45、79.72℃。该方法的检测限为10 copies/μL,重复性较高(CV<1%)。10批蛤蚧定喘丸中有9批仅检出鳖DNA,被鉴定为正品;1批同时检出鳖DNA和佛罗里达鳖DNA,被鉴定为掺伪品。结论本研究所建立的方法可快速、可靠地鉴定蛤蚧定喘丸中醋鳖甲炮制品成分,有助于监管含醋鳖甲成方制剂的质量,并为成方制剂中动物药成分的专属性鉴定研究提供新途径。

摘要：【目的】分析10个糯玉米自交系的穗部性状配合力及其遗传特性,为高效利用亲本材料选育穗部性状优良的糯玉米品种提供理论依据。【方法】按不完全双列杂交设计(NCⅡ),以10个糯玉米自交系为被测系(A1~A10)与5个测验种(B1~B5)组配50个杂交组合,通过春播和秋播2次试验,调查F1代穗部性状(穗长、穗粗、秃尖长、穗行数和行粒数)的一般配合力(GCA)、特殊配合力(SCA)、广义遗产力和狭义遗传力。【结果】50个杂交组合穗部性状春播平均值均大于秋播平均值。秋播穗部性状(除穗行数外)的变异系数大于春播,春播和秋播中秃尖长的变异系数均最大,约50.0%,而其余性状的变异系数均在10.0%左右。综合春播和秋播2次试验,A3(T2)、A4(JS0381)和A6(S181)穗长、穗粗、行粒数和穗行数的GCA表现为较高正向效应,秃尖长表现为负向效应,综合表现较好,以其组配的杂交组合A6×B3(S181×JN2-8)、A6×B5(S181×RJ)、A6×B2(S181×W150)、A4×B5(JS0381×RJ)和A3×B5(T2×RJ)的多数穗部性状SCA也较高,且SCA效应值排名前10位,是强优势组合。春播和秋播中穗长和穗粗GCA方差均较高(>80.0%),且远高于SCA方差,秃尖长和行粒数GCA和SCA方差相近;穗长、秃尖长和穗行数的广义遗传力和狭义遗传力均较大(>54.0%),穗粗和行粒数的广义遗传力和狭义遗传力均较小(<45.0%)。【结论】S181、T2和JS0381综合表现较好,具有较大的育种潜力,易组配出穗部性状优良的杂交组合,可在育种实践中重点利用。穗长、秃尖长和穗行数可进行早代选择,而穗粗和行粒数宜晚代选择。

摘要：深度神经网络可通过训练从大脑图像中预测年龄,作为识别衰老相关疾病的生物标志物.传统的脑龄预测方法往往依赖于单一模态的图像数据,而多模态数据可提供更全面的信息,提高预测精度.然而,现有的多模态融合方法往往不能充分利用不同模态之间的相关性和互补性.为了克服上述问题,文中提出基于多模态模糊特征融合的脑龄协同预测算法(CMFF),设计模糊融合模块和多模态协同卷积模块,可有效利用多模态信息之间的相关信息和互补信息.首先,利用卷积神经网络从多模态脑图中提取特征张量,径向拼接后整合到一个全局特征张量中.然后,利用模糊融合模块学习被模糊化的特征,再将特征应用到多模态协同卷积模块,通过特定的卷积层增强模态间的互补信息.最后,基于性别信息和经过模糊协同处理的特征执行年龄预测回归任务,得到准确的预测年龄.在SRPBS多重障碍MRI数据集上的实验表明,CMFF性能较优.

摘要：图卷积神经网络在解决节点分类问题时,使用拓扑图刻画节点间关系,并根据该拓扑图进行节点特征更新.然而,传统的拓扑图只能刻画节点之间的确定关系(即连接边权重为固定值),忽略真实世界中广泛存在的不确定性.这些不确定性不仅影响节点之间的关系,同时影响模型最终的分类性能.为了克服该缺陷,文中提出基于粗糙图的图卷积神经网络算法.首先,使用上下近似理论和传统拓扑图的边理论构造粗糙边,在粗糙边中使用成对出现的最大-最小关系值刻画节点之间的不确定关系,从而构建粗糙图.然后,设计基于粗糙图的可端到端训练的神经网络架构,将使用粗糙权重系数训练后的粗糙图输入图卷积神经网络,使用这些不确定信息更新节点特征.最后,根据这些学习的节点特征进行节点分类.在真实数据上的实验表明,文中算法可提高节点分类的准确率.

摘要：传统增量算法主要侧重于从更新近似的角度进行属性约简,但在处理大规模数据集时需要评估所有属性并反复计算重要度,提升时间复杂度,降低效率。针对上述问题,文中提出基于属性树的并行化增量加速策略,关键步骤是将所有属性聚类成多棵属性树进行并行化动态属性评估。首先,根据属性树相关性度量选择合适的属性树进行属性评估,降低时间复杂度。再增加分支系数至停止准则中,随着分支深度的增加进行动态增加,可使算法在达到最大阈值后自主跳出循环,有效避免原先的冗余计算,提高效率。基于上述策略,提出基于属性树的增量属性约简算法,同时与Spark并行机制结合,设计基于属性树的并行化增量式动态属性约简算法。在多个数据集上的广泛实验表明,文中算法在保持分类性能的同时,可提高动态变化数据集约简的搜索效率,具有较好的性能优势。

摘要：眼底图像中视网膜血管的健康状况对早期诊断各种眼科疾病及糖尿病心脑血管疾病等具有重要意义,然而视网膜血管结构细微、边界模糊且分布不规则,对其进行准确分割存在较大的难度.针对视网膜血管的这些特征,提出一种粗糙通道注意力残差U型网——粗糙通道注意力残差U型网络(RCARUNet).该网络首先引入粗糙集理论中上下近似概念设计粗糙神经元;接着基于粗糙神经元构建粗糙通道注意力模块,该模块在U-Net跳跃连接中采用全局最大池化和全局平均池化构造上下近似神经元,并进行神经元间的加权求和,对所建立的通道依赖关系进行合理的粗糙化,该依赖关系不仅包含全局信息,同时具有局部特性,可有效实现对所提取视网膜血管特征的准确重标定;然后添加残差连接,将特征直接从低层传递给高层,有助于解决网络性能退化问题,并有效提取更加丰富的视网膜血管特征;最后为了验证所提视网膜分割网络的有效性,在3个眼底视网膜公开图像数据集上与U-Net,Attention U-Net等传统网络模型进行对比实验,实验结果表明,所提视网膜分割网络在血管分割准确率、灵敏度和相似度等方面具有较高的优越性.

摘要：在"新工科"背景下,针对国内高校大部分自动化专业现有实验设备存在的缺陷,建立类人机器人创新实验室。学生可以在该实验室综合运用电路理论、模拟电子技术、自动控制原理、计算机控制技术、单片机原理、电力电子技术、传感器与检测技术等专业知识,进行方案论证、系统建模、硬件设计、程序编写、系统联调等研究工作,从而全方位培养学生解决复杂工程问题的能力。在此基础上,通过校内比赛对学生的作品进行检验,促进工程教育专业论证要求的达成。