网上赌场真人发牌-澳门网上赌场空城

目前報(bào)導(dǎo)的“m5C”位點(diǎn)往往成簇存在于高GC含量區(qū)域，對(duì)針對(duì)NSUN2的RNA干擾不敏感，也無法被m5C抗體所富集，極可能是實(shí)驗(yàn)引入的假陽(yáng)性。根據(jù)這一特征，該研究建立了一套新穎的生物信息學(xué)計(jì)算流程過濾噪音，得以精確地定位mRNA上的m5C。通過進(jìn)一步分析，該研究發(fā)現(xiàn)NSUN2依賴的m5C位點(diǎn)傾向于擁有一個(gè)3’富G的基序，通常位于在一個(gè)小頸環(huán)結(jié)構(gòu)的底部，與其tRNA底物高度一致，揭示了mRNA m5C 序列和結(jié)構(gòu)特征的由來。該研究發(fā)現(xiàn)除了NSUN2，NSUN家族其他成員不調(diào)控mRNA m5C位點(diǎn)，暗示除了NSUN家族成員，可能存在新的甲基轉(zhuǎn)移酶參與了不依賴于NSUN2 的mRNA m5C位點(diǎn)的催化。通過進(jìn)一步對(duì)7個(gè)人類組織于10個(gè)小鼠組織的轉(zhuǎn)錄組測(cè)序分析，分別確認(rèn)了3212與2498個(gè)高置信度位點(diǎn)。結(jié)果表明，在不同組織中mRNA m5C位點(diǎn)的數(shù)量與甲基化水平有很大差異。在人和小鼠的睪丸、肝臟、心肌和骨骼肌，mRNA上有數(shù)百個(gè)高置信度的m5C位點(diǎn)，而在其他的一些組織則寥寥可數(shù)。另外，這些m5C位點(diǎn)在人和老鼠之間并不保守，說明它們很可能是受到順式調(diào)控（cis-regulation）的。       這項(xiàng)研究開發(fā)的方法為mRNA m5C的研究提供了新的工具；其構(gòu)建的哺乳動(dòng)物mRNA m5C 精確圖譜為發(fā)現(xiàn)mRNA上m5C修飾的調(diào)控和功能奠定了堅(jiān)實(shí)的基礎(chǔ)。奧地利因斯布魯克醫(yī)科大學(xué)Alexandra Lusser教授在同期撰寫的評(píng)述文章“Getting a hold on cytosine methylation in mRNA”中，評(píng)價(jià)張銳教授課題組開發(fā)的新計(jì)算方法增加了m5C檢測(cè)的精確度，進(jìn)一步提供了tRNA甲基化轉(zhuǎn)移酶NSUN2介導(dǎo)mRNA甲基化的令人信服的證據(jù)。

本實(shí)用新型公開了一種基于特征吸收光譜的氣體體吸熱太陽(yáng)能發(fā)電裝置。光能轉(zhuǎn)換器件一側(cè)吸收聚焦太陽(yáng)光轉(zhuǎn)換為熱能，熱能傳遞到光能轉(zhuǎn)換器件另一側(cè)，轉(zhuǎn)換為氣體工質(zhì)的特征吸收峰鄰近的輻射能，并向吸熱腔內(nèi)輻射換熱。回?zé)崞鞒隹诘臍怏w工質(zhì)進(jìn)入吸熱腔，立體吸收輻射能，溫度迅速升高。加熱后的高溫工質(zhì)進(jìn)入透平機(jī)膨脹做功，膨脹之后的工質(zhì)流經(jīng)回?zé)崞鲹Q熱，溫度降低后依次進(jìn)入冷卻器、壓縮機(jī)和回?zé)崞鳎責(zé)崞鞒隹诘墓べ|(zhì)再進(jìn)入吸熱腔內(nèi)立體加熱，完成一個(gè)熱功轉(zhuǎn)換循環(huán)。本實(shí)用新型采用光能轉(zhuǎn)換器件，將太陽(yáng)能轉(zhuǎn)換為氣體工質(zhì)的特征吸收峰鄰近的輻射能，工質(zhì)直接立體吸收輻射能，大幅減少了吸熱表面積，吸熱器結(jié)構(gòu)簡(jiǎn)單，效率高，成本低。

本發(fā)明公開了面向大規(guī)模圖像視覺特征的多維倒排索引與快速檢索算法，包括：利用圖像的視覺特征訓(xùn)練增強(qiáng)型殘差量化所需的多層碼書，并利用所訓(xùn)練的碼書構(gòu)建多維倒排索引；根據(jù)已訓(xùn)練完成的碼書，對(duì)圖像視覺特征進(jìn)行量化和編碼，同時(shí)根據(jù)計(jì)算得到的編碼將其插入到倒排索引中對(duì)應(yīng)的倒排列表；利用查詢圖像視覺特征對(duì)所構(gòu)建的多維倒排索引進(jìn)行查詢，獲得查詢候選集；利用自適應(yīng)超球體過濾對(duì)查詢候選集進(jìn)行優(yōu)化，對(duì)過濾后的查詢結(jié)果排序，從而完成圖像視覺特征的檢索。本發(fā)明的方法通過對(duì)圖像特征進(jìn)行量化和編碼，提高圖像特征的量化效率；利用所生

本發(fā)明公開了一種基于 GPU 的多尺度空間特征提取方法，包括 以下步驟：利用多尺寸并行非線性濾波構(gòu)造尺度空間、在尺度空間中 并行的進(jìn)行關(guān)鍵點(diǎn)檢測(cè)和描述符生成。其中尺度空間構(gòu)造包括：多尺 寸數(shù)據(jù)打包、多尺寸并行降采樣、多尺寸并行非線性濾波的具體執(zhí)行 步驟。為了提高算法的并行度、降低數(shù)據(jù)依賴性，通過并行降采樣提 前得到各個(gè)尺寸下的初始圖像，使得各個(gè)尺寸下的非線性濾波、關(guān)鍵 點(diǎn)檢測(cè)和描述符生成可以在 GPU 中并行的執(zhí)行。

該成果 2013 年獲全國(guó)商業(yè)科技進(jìn)步獎(jiǎng)二等獎(jiǎng)。本研究采用納米 ZnO 和 SBS 為外摻劑，尋求合適的制備工藝，制備納米材料/聚合物復(fù)合改性瀝青。借鑒聚合物改性瀝青的研究方法、試驗(yàn)手段及評(píng)價(jià)方法，探討納米材料/聚合物復(fù)合材料改性瀝青及混合料的路用技術(shù)性能；并通過微觀、化學(xué)分析手段，研究納米 ZnO 和 SBS 加入到基質(zhì)瀝青中，與基質(zhì)瀝青的相互作用機(jī)理，以期望達(dá)到較為良好的改性效果，促進(jìn)納米材料/聚合物復(fù)合改性瀝青的發(fā)展與應(yīng)用。

本發(fā)明公開了一種基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，本發(fā)明針對(duì)遙感影像數(shù) 據(jù)回歸建模過程中變量空間自相關(guān)性對(duì)模型的影響，提出采用特征函數(shù)空間濾值方法，通過將影像進(jìn)行 分塊，利用搭建的并行計(jì)算集群進(jìn)行分布式計(jì)算，最后將分塊計(jì)算的結(jié)果返回給主節(jié)點(diǎn)匯總，通過對(duì)比 串行和并行分別得到的回歸模型擬合評(píng)價(jià)參數(shù) MSE、RMSE、R2、Adj.R2 以及并行加速比 S，驗(yàn)證基于 遙感影像的特征函數(shù)空間濾值并行方法在空間統(tǒng)計(jì)回歸建模中能夠消除空間

本發(fā)明公開了一種基于模糊不變特征的模糊圖像識(shí)別方法，屬于計(jì)算機(jī)視覺、模式識(shí)別技術(shù)領(lǐng)域。本發(fā)明包括：分別從紋理與結(jié)構(gòu)兩個(gè)方面提取模糊圖像的模糊不變特征；將所提取的特征采用 KCCA方法進(jìn)行融合；利用訓(xùn)練樣本提取融合特征訓(xùn)練 SVM 分類器；利用訓(xùn)練得到的 SVM 分類器對(duì)模糊圖像進(jìn)行識(shí)別。相比于傳統(tǒng)的模糊圖像識(shí)·751·別方法，本發(fā)明所提供的方法可以在不去圖像模糊的情況下直接對(duì)模糊圖像進(jìn)行識(shí)別，具有識(shí)別準(zhǔn)

本發(fā)明公開了一種基于視覺感知特征的光譜降維方法及系統(tǒng)，包括構(gòu)造綜合人眼視覺色度特性和光 譜特性的權(quán)函數(shù) w(λ)，利用構(gòu)造的權(quán)函數(shù) w(λ)計(jì)算任意光譜樣本集 S 的權(quán)函數(shù) Siw(λ)，對(duì)樣本集的權(quán)函 數(shù) Siw(λ)進(jìn)行均值化處理，得到樣本集均值權(quán)函數(shù)矩陣 Wfv，構(gòu)造用于均值權(quán)函數(shù) Wfv 平滑優(yōu)化模型及 約束目標(biāo)函數(shù)，利用優(yōu)化目標(biāo)函數(shù) ObjFunc 對(duì)平滑優(yōu)化模型進(jìn)行約束，確定權(quán)函數(shù)矩陣 Wfv 最佳平滑優(yōu) 化函數(shù)參數(shù) n 值，利用確

項(xiàng)目簡(jiǎn)介： 獲取數(shù)字圖像的多特征性，需要在其特征空間上構(gòu)建或獲取更多特征來發(fā)現(xiàn)元素間更復(fù)雜的依賴關(guān)系。