简介:建立鸡肉中糖皮质激素多残留的液相色谱-串联质谱分析方法。样品经乙酸乙酯提取,正己烷净化,10%乙腈水定容后供高效液相色谱-串联质谱仪(LC-MS/MS)分析,采用C18色谱柱分离,电喷雾离子化负离子方式(ESI-)及多反应监测模式(MRM)进行测定,外标法定量。研究了仪器条件、提取溶剂、净化溶剂等条件对七种目标物分离状况的影响。在优化条件下,该方法在鸡肉样品中泼尼松的的线性范围为0.5-20μg/L,泼尼松龙、甲基泼尼松、地塞米松、氢化可的松、倍氯米松、氢化可的松乙酸盐的浓度范围为0.1-20μg/L,在加标水平1.0-10μg/kg范围内,回收率为83%-104.2%;相对标准偏差为0.92%-4.89%。
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.