分类先验特征选择算法在代谢组学数据变量筛选中的应用

该文提出了基于无监督判别投影特征选择的支持向量机方法（UDPFS－SVM）用于标志物筛选。UDPFS－SVM首先通过无监督判别投影算法（UDPFS）引入分类先验信息、添加正则化与惩罚函数等约束自适应地获得具有稀疏性的判别投影矩阵,然后根据获得的矩阵求得相应低维代谢矩阵,最后建立支持向量机（SVM）分类模型寻找生物标志物。所提出的方法能够同时进行模糊学习与稀疏学习,并可合理利用变量之间的依赖关系。通过UDPFS－SVM与偏最小二乘判别分析（PLS－DA）方法对高脂血症大鼠血浆代谢组学数据进行变量筛选,并采用方差分析、ROC曲线、线性判别分析（LDA）对筛选得到的生物标志物进行评价。结果表明,两种方法均发现8个生物标志物。方差分析显示UDPFS－SVM方法获得的生物标志物均具有显著性差异,且显著性差异值均大于PLS－DA;ROC结果显示UDPFS－SVM结果为1.00,比PLS－DA结果高0.05;LDA显示UDPFS－SVM获得的生物标志物在高脂血症样本中可以更好地消除组内代谢差异,区分组间代谢差异,说明UDPFS－SVM方法在高脂血症生物标志物发现上优于PLS－DA,为生物标志物的发现提供了一种新思路。     

基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究

为实现山楂叶产地的快速判别,提出一种基于稀疏主成分分析特征选择（SPCAFS）与支持向量机（SVM）建模的定性分析方法。采用近红外积分球漫反射光谱法采集6个产地共41批山楂叶123份样品的近红外光谱图,经数据预处理后,通过SPCAFS对代表性特征波段进行选择,并采用SVM建立山楂叶近红外产地判别模型。模型与连续投影（SPA）,正则化自表示（RSR）和稀疏子空间聚类（SSC）3种特征选择算法进行对比,以准确率、精确度和灵敏度作为评价标准,评估所提模型的预测性能。结果显示,SPCAFS的特征波段数相比于全波长建模从1 500减少到21,预测结果的准确率和精确度分别从78%、76%提升至97%、100%。同时,相比于SPA、RSR、SSC算法,准确率分别提升了6%、3%、3%,精确度分别提升了13%、10%、5%,模型的预测能力得到显著提升,基于SPCAFS的SVM判别模型可实现山楂叶南北产地的快速判别。     

高压离子交换排代法富集锂同位素(Ⅲ)——半连续富集

本文对同位素富集总量随排代距离的变化规律及同位素的半连续富集过程进行了研究,本法可用于同位素富料的再富集。     

高压离子交换排代法富集锂同位素(Ⅱ)——HETP计算和富集条件

本文根据“精馏平衡塔板型”富集同位素理论提出了富集同位素时计算HETP的方法,寻找出富集和实验参数之间的关系,并进行了讨论;表明Glueckanf塔板理论和Snyder公式适用于简单排代机制的轻同位素富集过程。     

利用注射器改进2则高中化学实验

1 硫酸亚铁溶液的制备及性质检验 实验中尽管已经采取除氧措施,但是在制备Fe(OH)<,2>时,其呈现白色沉淀的现象往往一瞬即逝,现改进如下.