简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：本文建立了一种适用于食品中脱氢乙酸等常见防腐剂的简便快速的前处理方法。样品采用乙酸乙酯为提取液,通过加速的溶剂萃取仪（ASE）萃取,萃取液通过凝胶渗透色谱仪（GPC）后,进GC-FID检测。脱氢乙酸在1.0～200.0mg/kg范围内呈现良好的线性关系,检出限为1.0mg/kg（S/N≥3）,添加平均回收率为89%～102%,RSD〈1O%。该方法同时结合了筛选和确证两个过程,选择性好,回收率高,可靠性强,简单快捷,符合分析要求。

简介：1.前言目前,大多数色谱分析所能得到的是二维色谱图。从谱图上测定的峰高或峰面积是定量分析的依据,但应用谱图进行定性分析的研究则很少。因此,虽然不够充分,往往也只能凭保留时间进行定性分析。70年代初,Grushka等人利用二维谱图,应用统计矩分析和斜率分析方法,对谱峰进行纯度分析;Klein等人则通过峰宽和峰顶点位置的变化来判断是否

简介：

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：针对传统窃电检测算法辨识度低、数据处理复杂度高以及不能为现场排查提供准确依据的问题,在深入分析窃电原理和窃电手段的基础上,提出一种用于疑似窃电判别的离群点算法优化模型,该模型结合电量波动率和改进的基于距离的离群点挖掘算法完成窃电用户辨识.最后利用实际采集的数据,通过MATLAB计算分析验证表明,该模型不仅提高了窃电嫌疑点挖掘的准确度,还在很大程度上提高了反窃电工作的效率.

简介：本文采用油浴加热柠檬酸一步法合成碳量子点,用HRTEM透射电镜和FTIR红外光谱对其形貌和结构进行表征。研究该碳量子点的荧光性质,初步探讨了其发光的可能机理。实验结果表明,该方法合成的碳量子点粒径大小为3-5nm,在360nm处有一个很强的紫外吸收峰,最大激发波长和发射波长分别为365nm和460nm,其光学稳定性良好,在pH5.0-7.0范围内,碳量子点的荧光强度随pH的变化比较敏感。

简介：饲料氨基酸分析技术的准确性与重现性主要取决于前处理方法。目前我国除谷物外,还没有现成饲料氨基酸分析方法的国家标准。随着饲料工业,养殖业的发展急需提出适合饲料氨基酸分析的新方法。目前现有的盐酸水解法使测定结果偏低。尤其是测定含硫氨基酸时,回收率仅在70—72％。而含硫氨基酸(蛋氨酸,胱氨酸)和赖氨酸是衡量各类饲料的重要指

简介：气液两相流流型识别对石油和化工等工业生产安全性具有重要作用.目前,基于数学模型的流型识别技术成为了主要的发展趋势.本文在超声波法气液两相流流动规律研究基础上提出了一种基于符号动态滤波的流型识别方法.在垂直管道中对纯水、泡状流、弹状流和环状流四种流型进行了实验.经过对实验数据进行分析处理,结果表明该方法可以有效运用于流型识别,从而为气液两相流流型识别的研究提供了新的思路.

简介：牛磺酸(taurine)是一种酸性含硫β-氨基酸,目前认为它是一种人体必需氨基酸,对人体的生长发育起重要调节作用。市售营养口服液多强调牛磺酸的含量。牛磺酸的分析鉴别以往多采用薄层色谱法,定量的精密度差。本文研究用异硫氰酸苯酯(PITC)柱前衍生,以反相HPLC法在UV243nm处检测,在测定量0.01～0.2μg范围内具有

简介：采用柱前衍生法和柱后衍生法测定紫芝药材中氨基酸成分，分析氨基酸分析仪（离子交换色谱分离-柱后衍生）和高效液相色谱仪（柱前衍生-反相液相色谱分离）在氨基酸测定上存在的异同。结果表明两种方法在测定同一样品时，在丝氨酸、异亮氨酸和脯氨酸等组分检测上的差异显著。

简介：针对深层超限学习机算法在网络层数较浅时样本特征利用率低,和网络层数较深时样本特征经高层抽象后有效性降低的问题,本文提出了两种密集连接的多层超限学习机算法:Dense-HELM和Dense-KELM.这种密集连接的网络结构,使样本特征信息在层与层之间被充分利用,能够在不增加网络深度的情况下,显著提高算法的识别精度.最后,对文中提出的两种算法在20组基准数据集上进行实验,结果显示:本文提出的算法可以显著提高算法的识别精度,减少算法的训练时间,这表明所提出的算法具有有效性和实用性.

简介：针对在不同的摄像头场景下,光线、摄像头参数的差异较大使得行人重识别困难的问题,提出一种基于距离度量学习的方法进行行人重识别.该方法首先为每一对摄像头学习一个距离度量模型.其次,根据上述因素的影响强度为这些度量模型赋予相应的权值.最后,对度量模型与其相应权值的乘积进行累加与优化,得到最终的距离度量模型.经过在两个公共数据集中进行行人重识别实验,其结果显示所提出的方法能够提高行人重识别的正确率.

简介：人脸识别已经广泛地应用于日常生活中,作为关键技术之一的人脸清晰度评价成为了热门的研究课题.然而,传统的手工提取特征的方法在效果和鲁棒性上都有所欠缺.为此,我们运用卷积神经网络实现特征的构造和选择,有助于提高评价结果的准确率.同时针对网络复杂、参数过多和耗时长等问题,还提出将传统的卷积结构改造成双卷积层结构的方法来提升计算速度.经过大量的实验表明,本文提出的人脸清晰度评价算法能够准确地进行人脸清晰度的评估,并且具有较快的处理速度.

简介：自智能交通系统出现以来,汽车驾乘员的安全带检测一直是备受关注的研究课题.依据城市道路的交通卡口监控数据,研究一种基于深度学习的汽车驾乘人员安全带检测算法,能够准确识别驾驶员是否佩戴安全带.通过对卡口图片进行人工标定,并运用深度学习方法训练两个检测器和一个分类器,最终实现安全带的快速定位和分类.本文提出的方法在城市道路卡口采集的图像上检测效果较好.

简介：人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

简介：软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.

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.

简介：本文通过对翻车事故造成甲醛对水系和空气的污染调查,追踪了甲醛污染物在水体中的稀释和转化全程,并在此基础上提出了污染事故相应的应急措施的改善.

简介：本文采用ED—XRF法直接测定头发样中微量元素Cu、Fe、Zn、Mg、Ca,试验了最佳工作条件,方法RSD=1.3—7.1%,分析结果与原子吸收法测定值基本一致。