人宫颈癌FHIT基因的表达改变与HPV16感染的关系

目的探讨FHIT基因表达改变和HPV16感染与人宫颈癌发生的关系。方法采用反转录-巢式聚合酶链反应方法测定5种人宫颈癌细胞株(SiHa、HeLa、RJC-1、CS1213、C4-1)和58例宫颈癌组织与18例正常宫颈对照中FHIT mRNA的表达;回收7例FHIT基因不同的转录扩增产物,纯化后进行DNA测序;PCR技术检测组织中HPV16型的感染状况。结果SiHa、HeLa和C4-1宫颈癌细胞中有FHIT基因转录异常;宫颈癌组织中39例(67.2%)存在FHIT基因异常表达,显著高于正常对照组0例(0%)(P<0.05);37例(63.8%)有HPV16感染,显著高于正常对照组1例(5.0%)(P<0.05)。宫颈癌组织中有HPV16感染患者的FHIT基因表达异常数(30/37)显著高于HPV16未感染的患者(9/21),二者之间存在相关性(P<0.01);FHIT基因的异常表达和HPV16的感染与患者的年龄、临床分期、肿瘤直径、病理分级及是否伴淋巴结转移无相关性(P>0.05)。序列分析发现FHIT基因转录本主要存在不同程度的外显子的缺失,以第5位和第6位外显子的缺失为主,未见未知序列的插入和点突变。结论FHIT基因在人宫颈癌组织中的异常表达率明显增高,且与HPV16的感染有关,这些改变可能在人宫颈鳞癌的发生中起着重要作用。     

基于人工神经网络的湘江最大洪峰流量中、长期预报

将统计相关性分析与模糊方法相结合,识别出影响湘江湘潭站年最大洪峰流量的前期流域降水、大气环流形势等预报因子,通过比较几种改进的BP网络的优缺点,探讨了BP网络建模过程中存在的几个问题,建立了LMBP算法和自适应BP算法相耦合的神经网络中、长期水文预报模型．预报结果表明：预报效果好、精度高,且具有较高的推广和应用价值．     

利用变形模板提取嘴部特征的算法

嘴部特征提取是人脸识别和人机交互等领域的重要步骤。作者提出了一种改进的利用变形模板是取嘴部特征的算法。针对变形模板对初始位置敏感和匹配易陷际局部极小等问题，首先确定嘴部区域的边框，然后在此区域内仅用边缘和灰度信息，进行全局搜索确定变形模板的最佳参数，算法用两种模板匹配张嘴和闭嘴的情况。实验表明，对于简单背景的灰度图像。该算法可较好地提取嘴部特征，计算速度较快。     

基于城市道路数据库的最短路径搜索

在智能交通的导航／动态路线诱导系统中，最短路径搜寻是其重要功能，根据城市交通路网建设的实际，研究了描述城市交通网络图的城市道路数据库的组织结构。在此数据结构的基础上依靠GIS技术的支持，采集了大量具体道路信息，采用Dijkstra算法实现了快速最短路径搜索。根据城市的交通状况对交通网络图的边值赋予不同的权值可实现最优路径搜寻。给出了在广州市电子地图上搜索的一个实例：一个包含61个交通路口的最短路径搜索结果的搜索时间约为2．2s。     

带有边界条件的曲面插值蝴蝶细分算法

给出一种带有边界条件的曲面插值蝴蝶细分算法；边界条件可以是曲面的边界参数曲线或者曲面的边界参数曲线以及曲面在该边界曲线的法向量．进而分析了极限曲面的收敛性和光滑性．最后给出两个应用实例以及有关问题的讨论．     

一种基于蚁群算法的服务组合方法

Web服务是一种新型的信息集成架构,将多个Web服务组合成一个能完成复杂任务的组合技术是Web服务中关键技术之一．文中提出了一种基于蚁群算法的服务组合方法,对于服务序列可生成全局最优联盟,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好．     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

软土地层地铁隧道施工对地下管线的影响

为减小软土地层地铁隧道施工引起的地表沉降对地下管线的影响,考虑流固耦合效应和施工效应的综合作用,根据管线允许的安全控制标准,采用FLAC3D建立的数值模型,对降水、动态降水和非降水3种施工方法进行了对比研究.结果表明,非降水施工法是控制地层固结沉降最有效的施工方法.深圳地铁1号线采用该施工方法,保证了煤气管线在施工期间安全使用.     

一种结合2DLPP与2DPCA的人脸识别方法

为解决二维局部保持投影(2DLPP)需要较多数据表示人脸特征的缺陷,提出了一种新的二维局部保持投影主成分分析方法(2DLPP-PCA).通过对人脸图像在行、列方向同时进行2DLPP和2DPCA投影,2DLPP-PCA 不仅能减少保存人脸特征所需要的数据量,而且能有效地提取人脸的局部特征和全局特征.在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,2DLPP-PCA是一种高性能的特征提取方法,当训练样本数为6时,2DLPP-PCA在ORL数据库上的最佳平均识别率达到99％以上.