简介:基于菰黑粉菌全基因组测序结果及其酵母型和菌丝型转录组差异化表达数据库,结合RACE技术克隆获得一个长度为7625bp的基因,其中编码序列为5874bp,无内含子.结构及聚类分析结果表明该基因编码的MAPKKK蛋白激酶,属于Hogl信号途径,与大麦坚黑粉菌中的Ssk2亲缘关系最近.表达分析结果显示:UeSsk2在菌丝诱导形成过程中持续上调表达,而在生长受到抑制的菌丝细胞中其表达无显著变化或受到抑制,表明UeSsk2与菌丝形成具有相关性.同时,经生物传感器进行的蛋白互作检测结果表明,UeSsk2与前期发现的UeMkkl不存在蛋白互作关系,表明该蛋白参与其他MAPK途径来影响菌丝形成及生长.
简介:在考虑客户满意度和生产过程中不确定性因素前提下研究了混装线投产排序问题.以三角模糊数表示加工时间、六点模糊数表示完工时间,建立了基于交货期的客户满意度评价方法.并进一步以满意度为优化目标,结合模糊不确定因素,建立了混装线投产排序问题数学模型,并通过遗传算法进行求解.最后,通过数据实例分析了客户满意度与完工时间的相互影响,主要从三个角度对结果进行分析:(1)最小生产单元MPS(MinimumProductSet)内产品比例的均衡性对客户满意度和模糊完工时间的影响;(2)MPS内产品比例相同的条件下,模糊交货期区间权重比例对客户满意度的影响;(3)相同条件下,客户满意度和模糊完工时间分别作为优化目标时两者之间的差异.从而验证了该模型的有效性.
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.