简介：为了解决出口茶叶中2,4-D的残留检测的难题,研究了茶叶中2,4-D的残留检测的方法。样品采用酸性乙腈提取,用三氟化硼甲醇溶液将2,4-D衍生成2,4-D甲酯,经过液-液萃取,用弗罗里硅土柱层析净化除去干扰物质,以气相色谱电子捕获检测器测定,依据色谱峰保留时间定性,外标法峰面积定量。该方法在0.01-0.5mg/kg范围内呈线性,平均回收率为80.1%～93.0%,相对标准偏差为1.4%～4.3%.

简介：在视频编码中,DCT系数分布模型是率失真理论模型的基础,视频量化一般可分别为硬判决量化（HDQ）以及软判决量化（SDQ）,SDQ算法能实现最优编码性能,但其中维特比算法会导致严重的系数间串行处理依赖.比较而言,基于死区（deadzone）的HDQ算法率失真性能略有损失,但是不考虑系数间的相关性.提出了一种基于分段逼近TCM模型（TransparentCompositeModel）的自适应硬判决量化算法,采用更精确的DCT分布估计模型,估算不同频率分量DCT系数的分布参数.根据模型参数及DCT系数分布参数,优化构造自适应的死区偏移量模型.实验表明,相对于固定偏移量HDQ算法,其编码性能非常接近于SDQ算法.

简介：针对深度信念网络无法科学有效地确定网络模型深度和隐层神经元数目等问题，根据贪心算法思想，提出了一种动态构建深度信念网络模型的新方法.即从底层逐层构建深度信念网络的过程中，根据验证集错误分类率调整当前层神经元数目，使当前模型达到最优后，固定当前层神经数目，网络深度增加一层；继续调整下一层神经元数目，直至整个模型构建完成.最后，根据重构误差微调各层神经元数目.结果表明，与依据重构误差构建的深度信念模型相比，利用此方法构建的深度信念网络模型的分类准确率更高.

简介：利用R-1-苯基乙基异氰酸酯对β-环糊精键合固定相进行衍生，合成了R-1-苯基乙基氨基甲酸酯-β-环糊精手性固定相，填充后在反相条件下考察其对氢化安息香、安息香和α-苯乙醇的手性拆分，探讨了流动相中乙腈含量、缓冲盐类型等对手性拆分的影响。氢化安息香获得了基线分离，分离因子可达1．214，安息香得到了部分分离，α-苯乙醇未能拆开。结合线性溶剂强度（LSS）模型和计量置换理论（SDM—R）对色谱保留机理进行了探讨，认为水分子和乙腈分子一起参与了溶质的置换。

简介：同步带是普通FDM3D打印设备普遍采用的传动定位部件,同步带失效会直接对打印产品质量造成影响.利用声发射（AE）传感器监测3D打印过程中同步带不同健康状态下的声发射信号,利用集合经验模态分解（EEMD）方法提取其信号特征,并通过隐半马尔可夫模型（HSMM）方法构建针对同步带健康状态的识别模型,进而对同步带正常、磨损和裂纹等三种健康状态进行识别,通过实验表明该方法是可行的.

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：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：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.

简介：在C-R2A数据处理机上,根据故障现象结合电路原理,用替换法查找故障,并进行元件代换。