绪论 第一部分常见细菌属的特征描述 第一章光合细菌 第二章产芽孢细菌 第三章好氧或兼性厌氧发酵型革兰氏阴性杆菌 第四章好氧或兼性厌氧非发酵革兰氏阴性杆菌 第五章严格厌氧的革兰氏阴性球菌 第六章革兰氏阴性、厌氧直杆、弯杆和螺杆菌 第七章革兰氏阳性好氧和兼性厌氧球菌 第八章好氧和兼性厌氧的革兰氏阳性杆菌 第九章厌氧的革兰氏阳性杆菌和球菌 第十章古菌 第二部分常见细蓝的鉴定方法 第十一章基本方法 第十二章形态特征 第十三章培养及生理特征 第十四章生化特征测定 第十五章核酸特征测定 第十六章数值鉴定和自动化鉴定 第十七章菌种保藏方法

设 A是n阶方阵，若存在非零向量 x和常数λ ， 使得 Ax = λx，则称λ 是 A的特征值， x是 的属于 特征值 A λ 的特征向量．

设 A是n阶方阵，若存在非零向量 x和常数λ ， 使得 Ax = λx，则称λ 是 A的特征值， x是 的属于 特征值 A λ 的特征向量．

昆虫的外部形态（一） 掌握昆虫的外部形态，昆虫头部构造 昆虫的外部形态（二） 掌握昆虫的胸、腹部构造 昆虫的内部器官(一) 掌握昆虫的神经系统、生殖系统构造 昆虫的内部器官(一) 掌握昆虫的消化系统、呼吸系统构造 昆虫的生物学（一） 掌握昆虫繁殖方式、变态、卵、幼虫特征 昆虫的生物学（二） 掌握昆虫的蛹、成虫特征 昆虫的生物学（三） 掌握世代、年生活史、习性 昆虫的分类（一） 掌握分类的基本知识，直翅目、半翅目、同翅目特征 昆虫的分类（二） 掌握鞘翅目、鳞翅等目的特征 昆虫的分类（三） 掌握膜翅目、双翅目等目特征 昆虫生态（一） 掌握气象因子、有效积温法则了解土壤因子 昆虫生态（二） 掌握食物因子、天敌因子，人类活动对昆虫的影响

绪论 一、昆虫在自然界中的地位与昆虫纲的特征 (一)、昆虫在自然界中的地位结合以有的生物学知识介绍昆虫在自然界早地位、娄 量(250多万种、一群蚁可达数以亿记),以日常一些对昆虫的误认导入昆虫纲特征。 (二)昆虫纲特征昆虫分三体段、各体段的特征、昆虫发育特征 二、昆虫纲的特点及与人类的关系

第一节　近交和近交系 一、近交 二、近交后引起的变化 第二节　近交系的特征和应用意义 一、近交系的特征 二、使用近交系的优点 三、近交系动物在生物医学研究中的应用 第三节　近交系的培育技术 一、培育目标 二、种鼠的选择 三、培育方法 第四节　近交品系的命名法 一、近交系的命名法 二、亚系的命名法 第五节　近交系的新进展 一、重组近交系 二、同源导入近交系 三、异单基因近交系 四、遗传工程与近交系的发展 第六节　常用近交系动物品系特征 一、常用近交系小鼠品系特征 二、常近交系大鼠品系特征

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义

针对图像匹配制导中异源图像匹配难度大的问题,提出一种基于椭圆对称方向矩的可见光与红外图像配准算法.基于最稳定极值区域提取异源图像中具有尺度和仿射不变特性的椭圆区域,利用聚类分割方法从中自动选取具有异源不变性的同质区域特征,用椭圆对称方向矩描述区域特征边界各方向上的相似程度,通过互相关性指标进行特征匹配,获取匹配特征对,利用匹配矫正策略减少误匹配.实验结果表明:较传统算法,进一步提高了可见光与红外图像关联特征的匹配效率,正确率超过了95%,计算时间缩短了近一半.基本满足图像匹配制导对匹配算法实时性好、匹配正确率高、抗干扰能力强等要求

为较好地表征当前北京整个区域大气颗粒物质量浓度随时间尺度的变化及区域分布污染特征，根据北京市35个监测站点获得的2013年3—5月颗粒物质量浓度1 h均值，分析和研究PM2.5和PM10质量浓度的季节性变化并提高其空间分辨率，在此基础上探讨颗粒物可能的影响因素及污染来源.结果表明，3—5月颗粒物质量浓度具有周期性变化规律和显著相关性，应用MATLAB空间插值算法实现的颗粒物质量浓度区域分布图具有一定精度，可外推并揭示颗粒物区域污染特征.分析表明当前北京颗粒物污染的影响因素有冬末的冷锋和降雪、春季的沙尘和大风、夏初的降雨和湿热等；污染区域则呈现南高北低的特征，污染来源除了本地人为源以外，周边区域传输也有较大影响.通过颗粒物污染的时间序列和空间插值的结合分析，可为进一步研究颗粒物时空关系及掌握区域污染特征提供方法