东北大学 信息科学与工程学院, 沈阳 110819
利用主成分分析法获取端到端网络流量的主要特征分量并获得其初始估计结果.为克服其初值敏感性将估计结果作为遗传算法的初始值、链路流量估计偏差作为遗传算法的适应度函数, 通过构建合适的交叉和变异概率函数来控制遗传算法的交叉和变异过程.采用合适的约束迭代函数,利用遗传算法通过迭代寻优获得端到端流量的估计结果， 仿真结果表明所提出的方法是可行的.
端到端流量 流量估计 主成分分析 迭代过程 流量建模 Endtoend traffic Traffic estimation Principal component analysis Iterative process Traffic modeling
1 中南大学 a.湘雅医院急诊科
2 中南大学 b.湘雅医院神经内科, 湖南 长沙410008
目的: 研究载脂蛋白A5基因编码区56C>G这一多态性位点与动脉粥样硬化性脑梗死(atherosclerotic cerebral infarction, ACI)及与血脂的关系。方法: 选择170例ACI患者和171例健康人, 应用聚合酶链反应—限制片长多态性的原理, 逐个鉴定每个个体的基因型。结果: 56C>G这一位点多态性在研究人群未被发现。结论: 56C>G位点在研究人群中可能不是一个多态性位点, 可能与ACI及血脂无关联。
载脂蛋白A5 基因多态性 动脉粥样硬化性脑梗死 apolipoproteinA5 gene genetic polymorphism atherosclerotic cerebral infarction
