简介：本文根据《水质监测》（第四版）等资料提供的操作方法，对水样预处理、不同的提取时间等几方面提出了自己试验中的心得体会，采用三色分光法来计算水中叶绿素a的含量。并就质控措施提出建议。

简介：本文研究和讨论了用碱性过硫酸钾紫外分光光度法测定水中总氮的过程中，实验用水的选择，以及通过减少消解液的碱性方法改进的可行性等方面。并对分析测试中需要重点注意的环节进行了探讨与分析。

简介：随着大量需要被挖掘的数据变得越来越复杂,多维关联规则已经成为关联规则挖掘中最实用的内容之一.本文主要介绍了在多维关联规则挖掘过程中,针对同一种属性数据出现重复连接的情况,由此而提出的一种解决方案.通过对多值属性信息进行比较,去除重复连接的属性信息,保留有效信息,减少对数据库的扫描.由此对Apriori算法中连接步进行改进,最后通过布尔型关联规则挖掘数据信息并得到结果.相较于Apriori算法,改进算法能更加快速准确地发现知识,缩短挖掘所用的时间.

简介：建立一种高氯酸钾含量测定的新方法，较之行业标准HG3247—2000中高氯酸钾含量的测定方法不仅精密度好、准确度也高。

简介：提出了一种改进的基于fp-tree的Apriori算法.该算法先用尾元将fp-tree分区，生成数据量更小的子数据集，再动态删除冗余数据将子数据集的数据进一步压缩，最后通过扫描子数据集进行支持数统计，从而快速挖掘.实验结果表明，在对含有大量高维度数频繁项集的数据集进行挖掘时，这个改进算法的挖掘速度较快.

简介：LDA主题模型是文本挖掘领域的重要算法，同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题，是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量，我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分，同时结合正样本学习得到的正面预测评分，从正反两个方面进行综合评测，从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验，表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.

简介：本法选用国家标准物质GBW07423、GBW07425、GBW07427为实验样品,测定其铅（Pb）、镉（Cd）、铜（Cu）、铬（Cr）四种元素的重金属含量。利用全自动消解仪对样品进行前处理,并进行自动稀释。在原有方法的基础上对消解过程中的加酸种类、加酸量、预加热、加热时间、稀释等进行了改进设置。实验表明,原方法变异系数范围为0.9~5.9,改进方法变异系数范围为0.7~4.7,在保证了准确度和精密度的基础上此法大大节省了批量土壤样品的消解时间,提高了消解效率;使样品受热更均匀,消解更完全;完全满足实验要求。

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：在圈图上研究了两类组合优化问题．第一类问题主要研究在要求图中各边的最大调整费用不能超过给定预算时，如何对各边权进行调整，使得其他各顶点到给定顶点的距离之和最大，得到了线性时间算法；第二类问题主要研究在要求圈图上的所有边的调整费用之和不超过给定预算时，如何对各边权进行调整，使得某一固定顶点到给定顶点的距离尽可能的大，得到了求解该问题的多项式时间算法．

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

简介：作为一个保边去噪的算法,各向异性扩散滤波（anisotropicdiffusionfilter,ADF）被广泛应用于磁共振成像（magneticresonanceimage,MRI）图像的预处理中,且对MRI图像中的莱斯噪声具有很好的去除效果.各向异性扩散滤波参数的选择对于其去噪性能影响很大,为找出滤波器的最佳参数,我们用改进的遗传算法对其进行参数优化,并且采用了一种新的精英选择策略,而且还在交叉和变异过程中采用了自适应的交叉和变异概率,再分别对各向异性扩散滤波的迭代次数t、扩散阈值k以及时间步长λ等三个参数进行选择优化.最后,从峰值信噪比（peaksignal-to-noiseratio,PSNR）、结构相似性指数（structuralsimilarityindexmetric,SSIM）、均方差（meansquarederror,MSE）三个方面,将经过参数优化的各向异性扩散滤波器对脑部MRI进行去噪处理,并与其它参数下的滤波结果进行对比.实验结果表明,经过参数优化的各向异性滤波器,无论是从视觉上还是相关评价指标上,均优于其它参数情况下的去噪效果.

简介：石墨炉原子吸收法在测定基体复杂的样品时。背景干扰相当严重．本文从无机试剂、有机试剂、活性气体等三个方面探讨了目前常用的各种基体改进剂在元素测定过程中的效用。

简介：利用废弃茶叶制备的活性炭吸附水中的溴酸盐,探讨不同条件下茶叶活性炭对溴酸根的吸附效果。结果表明：在吸附时间为30min,溶液pH值为5.0,活性炭投加量为120mg的条件下,茶叶活性炭对溴酸根的吸附效果最好,吸附去除率可达86%。

简介：本文对钛厂回收副产物高纯四氯化硅中的9种金属杂质进行了测定。采用密封针管取样，转移塑料挥气瓶中，恒温水浴锅控制温度（57℃）通入干燥惰性气体（N2），在塑料挥气瓶挥去基体四氯化硅，富集的金属加入硝酸转变成溶液后定容，用电感耦合等离子质谱法（ICP-MS）直接测定其中Pb、Zn、Mn等9种微量金属杂质。用Rh做内标元素补偿基体效应和灵敏度漂移。样品的加标回收率为98．15-102．0％，相对标准偏差（RSD）为0．9％-3．5％，检出限为0．009-0．051μg／L。

简介：马尔科夫预测模型具有＂无后效性＂,即预测未来的销售情况只与当前的销售数据有关,而与过去的销售数据无关.事实上,过去不同的时间点对当前的销售结果会有不同程度的影响.而指数平滑法恰好弥补了马尔科夫预测模型的缺点,它认为最近的过去销售数据,在某种程度上会持续到未来.因此本文利用二次指数平滑系数法优化马尔科夫预测模型,并以某品牌电动车的销售情况为例进行验证,发现优化后预测模型的绝对误差均小于马尔科夫模型的预测结果.由此得出结论,基于二次指数平滑法优化的马尔科夫预测模型具有可行性.

简介：传统的深度信念网络模型缺乏并行有效的算法来确定网络层数以及隐藏层神经元的数目,实验时大多依据经验来选取,这样做不仅使得模型训练困难,且范化能力差,影响实验结果.针对此问题,通过比较重构误差和验证集错误分类率的乘积（加权误差）大小来选取网络层数,网络层数确定后,再根据重构误差使用渐增法或二分法来选择合适的隐层神经元数目,以使整个模型达到最优.实验结果表明,用上述方法确定模型网络层数及隐藏层神经元数目,能有效提高模型分类或预测的精度.

简介：本研究建立了紫外-可见分光光度法测定肉苁蓉中多酚类物质(以没食子酸计)含量的方法。当乙醇浓度为70%、温度为60℃、提取时间为30min、料液比为1:20时,肉苁蓉中多酚类物质(以没食子酸计)的提取效果最好。同时肉苁蓉样品中多酚类物质(以没食子酸计)的平均质量百分比为0.2422%。精密度、稳定性和加标回收结果显示该方法可行可靠。

简介：非系统极化码与系统极化码由Arikan教授提出,并且由于其表现出优异的性能而成为了当前的研究热点.本文主要介绍系统极化码与非系统极化码编码的研究现状.在硬件实现方面,分别介绍各种现有的设计方案并从资源消耗、并行度以及吞吐率等角度进行对比分析.接着通过Matlab仿真验证系统极化码与非系统极化码在SC译码、SCL译码以及BP译码中不同信噪比下带来的性能差异.最后,根据极化码编码的研究现状探讨了其未来的发展趋势并提出基于生成矩阵简化的研究方向.

简介：目的:建立肉桂油中桂皮醛的含量测定方法和鉴定挥发性化学成分。方法:气相色潜法,3mm×4m不锈钢柱,10％PEG-20M为固定液,ChromosorbWAW60-80目担体,FID检测器,柱温190℃;气质联用,以HP-5毛细管柱,柱温起始120℃保持5min后以5C/min升温至150(保持7min,检测质荷比范围10-425。结果:桂皮醛在2-10mg/mL范围内具良好线性关系,平均回收率为99.98％,RSD为1.3％,气质联用鉴定了39种化合物。结论:方法简便,快速,准确,可有效排除其它成分的干扰。

简介：基于Flink平台对并行Apriori算法进行设计和实现.采用MapReduce计算框架对并行Apirori算法的迭代过程进行设计,并将Flink的流处理和内存缓存应用于算法的实现,从而了Apriori算法在并行计算下的挖掘速度.实验结果表明,基于Flink平台实现的并行Apriori算法对大数据处理有着良好的适应能力,并且在算法迭代次数和迭代产生的频繁项集较多的情况下,拥有较快的挖掘速度.