简介:同位素在在地球科学跟踪并且标明日期起一个重要作用,特别87Rb-86Sr系统。与地球科学的发展,整个岩石的分析斜面足够地满足要求因为科学研究和微量分析变得越来越重要。激光脱离多收集者诱导地联合的血浆mass-spectrometry(LA-MC-ICP-MS)广泛地由于它的低样品消费在微地区的分析被使用了,高精确性在矩阵上的situ和低要求,但是当它被严重优秀辨别和集体光谱干扰的各种各样的类型限制,精确地与高Rb/Sr比率和低Sr内容特别为样品测量Sr同位素作文仍然是困难的。因而,热电离mass-spectrometry(提姆)分析同位素的比率的最精确、精确的方法,仍然是分析Sr比率的最流行的方法,特别为有低Sr内容的样品。这篇论文在low-Sr的高精确的Sr同位素分析上做系统的评论地质的样品包括微采样的技术,极端低的程序的空白的化学方法和提姆测量技术。极端低的程序的空白和提姆的联合能被用来与ng大小执行样品的高精确的微量分析,它将无疑是为Rb-Sr地球年代学,地球化学和环境研究的一个重要方向。
简介:ThenameofSRproteinsisderivedfromtheirtypicalRSdomainthatisrichinserine(Ser,S)andarginine(Arg,R).Theyareconservedinevolution.Uptonow,10membersoftheSRproteinfamilyhavebeenidentifiedinhumans.SRproteinscontainoneortwoRNAbindingmotifsasidefromtheRSdomain,andalsopossessspecialbiochemicalandimmunologicalfeatures.AstothefunctionsofSRproteins,theyfacilitatetherecruitmentofthecomponentsofsplicesomeviaprotein-proteininteractiontoprompttheassemblyofearlysplicesome;whileinalternativesplicing,tissue-specificallyexpressedSRproteinalongwiththerelativeratioofSRproteinandheterogeneousnuclearribonucleoprotein(hnRNP)iscomposedoftwomainregulativemechanismsforalternativesplicing.Almostallofthebiochemicalfunctionsareregulatedbyreversiblephosphorylation.
简介:传统Robinson褶积模型主要受缚于三种不合理的假设,即白噪反射系数、最小相位地震子波与稳态假设,而现代反射系数反演方法(如稀疏约束反褶积等)均在前两个假设上寻求突破的同时却忽视了一个重要事实:实际地震信号具有典型的非稳态特征,这直接冲击着反射系数反演中地震子波不随时间变化的这一基础性假设。本文首先通过实际反射系数测试证实,非稳态效应造成重要信息无法得到有效展现,且对深层影响尤为严重。为校正非稳态影响,本文从描述非稳态方面具有普适性的非稳态褶积模型出发,借助对数域的衰减曲线指导检测非稳态影响并以此实现对非稳态均衡与校正。与常规不同,本文利用对数域Gabor反褶积仅移除非稳态影响,而将分离震源子波和反射系数的任务交给具有更符合实际条件的稀疏约束反褶积处理,因此结合两种反褶积技术即可有效解决非稳态特征影响,又能避免反射系数和地震子波理想化假设的不利影响。海上地震资料的应用实际表明,校正非稳态影响有助于恢复更丰富的反射系数信息,使得与地质沉积和构造相关的细节特征得到更加清晰的展现。
简介:在计算机图形学中有一个重要的算法:对某个闭合图形区域填充。目前一般商业软件中都是使用了保留版权的工具或者函数库的函数,比如在TC有floodfill(intx.inty.intborder),在VC的CDC中有FloodFill(intx.inty.COLORREFcrColor),但这些工具或函数仅仅向用户提供了一个接口调用方式,具体实现方法却未曾透露,在网上查找相关文库后也是语焉不详,实际使用时其实用性不好。比如需要渐变填充时,这种函数的用处就几乎不存在。实际上,这个问题涉及到01稀疏矩阵的相关算法。本文拟揭示其实现过程。文章处理过程中以字节表示01稀疏矩阵,填充闭合区域的具体实现过程中分为两步:(1)边界的表示算法(拟以向量法或者双向链表),边界是否闭合的判别;(2)区域内外点的判别算法,主要提供了两种算法:射线法及渗水法;(3)区域填充算法。
简介:稀疏表示是近年来新兴的一种数据表示方法,是对人类大脑皮层编码机制的模拟。稀疏表示以其良好的鲁棒性、抗干扰能力、可解释性和判别性等优势,广泛应用于模式识别领域。基于稀疏表示的分类器在人脸识别领域取得了令人惊喜的成就,它将训练样本看成字典,寻求测试样本在字典下的最稀疏的表示,即用尽可能少的训练样本的线性组合来重构测试样本。但是经典的基于稀疏表示的分类器没有考虑训练样本的类别信息,以致被选中的训练样本来自许多类,不利于分类,因此基于组稀疏的分类器被提出。组稀疏方法考虑了训练样本的类别相似性,其目的是用尽可能少类别的训练样本来表示测试样本,然而这类方法的缺点是同类的训练样本或者同时被选中或者同时被丢弃。在实际中,人脸受到光照、表情、姿势甚至遮挡等因素的影响,样本之间关系比较复杂,因此最后介绍局部加权组结构稀疏表示方法。该方法尽量用来自于与测试样本相似的类的训练样本和来自测试样本邻域的训练样本来表示测试样本,以减轻不相关类的干扰,并使得表示更稀疏和更具判别性。