简介:尽管“太大不能倒”会滋生道德风险并催生寡头垄断,但抗击“太大不能倒”困难重重。2010年德国《信贷机构重整与有序清算法》的一系列制度安排使破解“太大不能倒”的问题成为可能。本文详细介绍并评析了该部法律,并指出该法的创新之处在于:“自愿性重整程序”提供“早期危机治理”制度根除道德风险;通过业务拆分方式以“转让令”化解寡头垄断的隐患;以及“政府干预”回归“市场调控”使破解“太大不能倒”成为可能。
简介:摘要目的探讨研究江浙汉族人群21个非CODISSTR基因座的遗传多态性。方法使用AGCU21+1STR荧光标记复合扩增系统对江浙地区汉族的250个无关个体的21个非CODISSTR基因座进行扩增,统计STR基因座的遗传学参数。结果扩增后取得了21个STR基因座的等位基因频率分布,检测出6、5、8、11、9、10、15、7、13、9、6、11、13、8、7、9、6、16、8、15、9个等位基因,也获得了21个STR基因座的H,He,DP,PM及PE等的法医遗传学资料。结论21个非CODISSTR基因座具有良好的遗传多态性,适用于法医学亲权鉴定和个体识别。
简介:利用RAPD和ISSR标记对28份观赏南瓜及葫芦种质资源进行遗传多样性分子评价。结果表明:12个RAPD引物和13个ISSR引物分别扩增出89条和93条清晰谱带,平均每个引物分别扩增出6.1条和6.2条多态性谱带,多态性比率分别为82%和86%。RAPD和ISSR标记检测供试材料的遗传相似性系数(GS)范围分别为0.31~0.99和0.33~0.99,ISSR(平均GS值0.68)检测多态性效果高于RAPD(平均GS值0.73)。利用UPGMA法基于RAPD与ISSR混合聚类,将28份观赏南瓜及葫芦种质分为3类,类群的划分与果实形状明显相关:第Ⅰ类群包括15份种质,为扁圆形、卵圆形、圆球形或圆筒状的早熟或晚熟果实;第Ⅱ类群包括11份种质,为汤匙形、梨形、扁球形或皇冠形的早中熟果实;第Ⅲ类群包括2份种质,为葫芦形的晚熟果实。
简介:摘要目的探讨4个肥胖基因位点多态性与儿童肥胖的关联性。方法通过儿童系统保健健康体检筛选体重正常、超重、轻度肥胖、中度肥胖和重度肥胖自愿接受检测儿童各15人;对所选研究对象选择问卷方式获取相关信息;取研究对象口腔粘膜上皮细胞,进行儿童肥胖遗传风险检测;采用SPSS11.5软件对数据进行统计分析。结果肥胖组和非肥胖组的出生BMI、父亲BMI、母亲BMI、基因分析结论、喂养方式、喂养时间的差异有统计学意义(P<0.05)。而性别、年龄两组间的差异无统计学意义(P>0.05)。ε2ε3ε4(APOE)的基因型分布有统计学差异(X2=9.5238,P<0.025);HindIII(LPL)基因型分布差异有显著性(X2=25.2024,P<0.005);G132A(LEP)基因型分布无显著性差异(X2=3.5714,P>0.05);Pro12Ala(PPARG)基因型分布有统计学差异(X2=24.2581,P<0.005)。结论APOEε2ε3ε4、LPLHindIII、PPARGPro12Ala等3个肥胖基因位点多态性对儿童肥胖有影响。因此该项检测对于预测儿童肥胖以及及时采取防范措施有重要意义。
简介:我是一名农村小学教师,在近几年的数学教学实践中,提到计算方法多样化的问题。怎样实施算法多样化呢?我就自己数学实践活动中的一些思考同大家探讨。一、算法多样化与一题多解一题多解是指用不同的方法解决同一个问题。原教材中常用“你能用不同的方法解答吗?”、“用不同的方法验算”、“你能用两种方法解答吗?”、“还有不同的算法吗?”这些来表述一题多解的要求。有的教师认为算法多样就是一题多解,其实不然。从学习的自主方面看,算法多样化要求学生从不同的计算方法中,自主选择一种自己喜爱的算法计算即可;而一题多解是教师或教材要求学生掌握和运用规定的多种方法计算。从计算方法的数量上看,算法多样化只要求学生掌握多种方法中的一种,如果学生能掌握多种方法更好;而一题多解针对全体学生的要求都是必须掌握的算法。从学习的目标来看,算法多样化尊重学生的个性思维,鼓励创新思考,而一题多解重在培养学生的解题能力和技巧,以提高技能。通过对比分析,我们可以看到,算法多样化与一题多解在选择性、自主性、目标性方面的差异是显著的。……
简介:摘要基于季节性时间序列的特征,文章提出了一种利用季节模型预测的方法抑制希尔伯特——黄变换(HHT)中端点效应的方法。首先,在对信号进行经验模式分解(EMD)之前,利用季节模型预测的方法延拓信号的两端,使得极值拟合的包络线更加适合原信号;其次,对固有模态函数(IMFs)做Hilbert变换之前再次应用季节模型预测;最后,将基于季节模型预测方法的HHT算法与灰色预测和神经网络预测的结果进行对比,仿真实验表明新算法不仅有效抑制了端点效应,而且得到了更准确的瞬时频率。
简介:在Tikhonov正则化方法的基础上将其转化为一类l1极小化问题进行求解,并基于Bregman迭代正则化构建了Bregman迭代算法,实现了l1极小化问题的快速求解.数值实验结果表明,Bregman迭代算法在快速求解算子方程的同时,有着比最小二乘法和Tikhonov正则化方法更高的求解精度.