一、解释下列术语:(本题5小题,每题3分,共15分) 1、 Adaptive suites:适应组合;生物适应特定环境条件在形态结构、生理生化特性与行为上所表现的一整套适应,即适应组合。Plant Community:落;在相同时间聚集在同一地段上的各种植物物种的集合。 2、Fitness:适合度;一种生物对生境的适合程度,以平均每个个体生育的存活后代的数量作为衡量适合度高低的指标

本章尝试证明,虽然结构助词“的(底)”与其前的“之”、“者”在功能上 有相同之处,但是它们之间并没有渊源关系,“的”是在特殊的句法环境中,通过 语法化,由其原来的指示代词或疑问代词用法独立发展出来的。“的”的用法与其 前结构助词有本质上的差别。由于唐朝中期,“数+量十名”成了占优势的数量表 达,由此而来的类推效应要求一般的修饰语与其中心语之间也有类似于量词的语法 标记,而指代性质的“底”因其句法和语义上的相宜性而被虚化为一个助词来充当 这一语法标记

基于对石灰石分解机理的分析,研究了炼钢过程中利用石灰石代替石灰进行造渣时炉内富余热量的变化,发现当采用全部石灰进行冶炼时,铁水加入比(质量分数)可达到86.1%左右,随着石灰石加入量的增加,废钢比降低,吨钢富余热量减少,石灰加入量降低.若全部采用石灰石进行造渣,铁水比最高可达到97.0%.在此基础上,利用60 t转炉研究了炼钢过程采用石灰石完全代替石灰进行造渣炼钢的冶金效果.实验发现:与采用石灰造渣炼钢相比,当采用石灰石进行造渣炼钢时,吹炼至4 min时的炉渣TFe质量分数为21.87%,碱度为1.22;随着吹炼时间增加,炉渣TFe含量降低,碱度上升至3.0以上.炼钢过程脱磷更加稳定且脱磷率提高了2.6%;平均终渣碱度为3.52,能满足冶炼的脱磷要求;渣量大幅度降低,从而降低了钢铁料消耗;吹炼时间略有延长,终点熔池温度基本保持不变.研究结果为调整炉料结构、降低生产成本提供了新的方法和思路

第一节　一般生物学数据 一、实验动物染色体数目 二、实验动物繁殖生理数据 三、实验动物组织生长和细胞更新数据 四、哺乳动物和人的细胞更新速度 五、实验动物和人各类正常组织细胞分裂间期各进相的时间 六、哺乳动物和人全身照射的半致死量 七、哺乳动物平均寿命和最长寿命 八、哺乳动物和人的水代谢期与寿命的关系 九、狗与人的年龄对应 十、实验动物正常新陈代谢率 十一、哺乳动物和人产热量和水半代谢期 第二节　生理学数据 一、实验动物红细胞总数、压积、体积、大小和血红蛋白浓度 二、实验动物白细胞总数、分类计数及血小板数 三、实验动物正常骨髓象数值 四、实验动物血容量、心率、心输出量 五、实验动物全血、血浆、红细胞的容量和静脉血比容 六、实验动物血液温度、酸碱度、粘稠度、比重和体温数据 七、实验动物血细胞脆性、沉降速度和凝血时间 八、实验动物正常血压数值 九、实验动物的循环时间 十、实验动物心电图正常参考数值（间期） 十一、实验动物心电图正常参考数值（波辐电压） 十二、实验动物正常心率时心脏周期情况 十三、实验动物血液动力学指标数值 十四、通气量、耗气量 十五、实验动物呼吸器官相对形态特点及外在气体代谢 十六、实验动物饲料、饮水要求量和排便排尿量 十七、哺乳动物肾的结构与浓缩能力 十八、各种动物尿比重 第三节　生物化学数据 一、实验动物血液中葡萄糖、果糖含量 二、实验动物血液中蛋白结合糖总量及分布 三、实验动物血中糖代谢产物含量 四、实验动物血清脂蛋白及其成分 五、实验动物血中脂肪、脂肪酸、甘油酯、胆固醇、胆固醇酯含量 六、表12-41实验动物血液中磷脂总量及其分类值[SB][60][/SB] 七、实验动物血中磷脂总量及其分类值 八、实验动物血中氧和二氧化碳含量、二氧化碳压力、钠、氯离子浓度、水及蛋白质含量 九、实验动物血浆总蛋白、白蛋白、球蛋白、纤维蛋白原含量 十、实验动物血浆蛋白分类值 十一、实验动物血中游离氨基酸含量 十二、实验动物血中非蛋白氮、尿素、尿酸含量 十三、实验动物血中蛋白质代谢产物含量 十四、实验动物血及器官中5－羟色胺含量 十五、实验动物器官和血浆中儿茶酚胺含量 十六、实验动物血及器官中乙酰胆碱含量 十七、实验动物器官中RNA和DNA含量 十八、实验动物血及器官中腺苷酸含量 十九、实验动物血中吡啶核苷酸、辅羧酶、磷酸吡哆醛、碱性磷酸酶含量 二十、实验动物组织与器

1．初步了解原子核外电子运动的近代概念、原子能级、波粒二象性、原子轨道和电子云概念。2．了解四个量子数对核外电子运动状态的描述，掌握四个量子数的物理意义、取值范围。3．熟悉s、p、d原子轨道的形状和方向。4．理解原子结构近似能级图，掌握原子核外电子排布的一般规则和s、p、d、f区元素的原子结构特点。5．会从原子的电子层结构了解元素性质，熟悉原子半径、电离能、电子亲和能和电负性的周期性变化。 1.1 亚原子粒子Subatomic particles 1.2 波粒二象性— 赖以建立现代模型的量子力学概念 Wave-particle duality — a fundamental concept of quantum mechanics 1.3 氢原子结构的量子力学模型— 波尔模型 The quantum mechanical model of the structure of hydrogen atom —Bohr’s model 1.4 原子结构的波动力学模型 The wave mechanical model of the atomic structure 1.5 多电子原子轨道的能级 Energy level in polyelectronic atoms 1.6 基态原子的核外电子排布 Ground-state electron configuration 1.7 元素周期表 The periodic table of elements 1.8 原子参数 Atomic parameters

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

前言 二十一世纪是科学技术高速发展的信息时代,而计算机是处理 信息的主要工具,因此,人们已经认识到,计算机知识已成为 人类当代文化的一个重要组成部分。 计算机科学技术以惊人的速度向前发展,它的广泛应用已从传 统的数值计算领域发展到各种非数值计算领域。在非数值计算 领域里,数据处理的对象已从简单的数值发展到一般的符号, 进而发展到具有一定结构的数据。在这里,面临的主要问题是 :针对每一种新的应用领域的处理对象,如何选择合适的数据 表示(构构),如何有效地组织计算机存贮,并在此基础上又 如何有效地实现对象之间的\运算关系

针对粗糙集理论中属性约简问题,提出了一种基于扫描向量的属性约简方法.根据粗糙集理论知识,定义了一个新概念——差别向量,利用差别向量将信息表转换成差别向量组;根据差别向量的结构特征,定义了差别向量加法法则;运用这个加法法则仅需对差别向量组扫描一次,就可以形成结构简洁却能代表原信息表属性特征的扫描向量.以扫描向量中的属性频率项作为属性约简搜索的启发信息,提高了属性约简效率.数值实例及数据库测试的结果表明该属性约简算法是有效可行的

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验