排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
针对目前专家和属性对于方案比选的重要性致使企业迫切需要将其定量化分析的问题,以及企业环境行为中公司需要承担环保责任,在绿色采购方面要将环境属性引入供应商比选标准的问题,本文提出了考虑专家可信度和属性优先级的对偶犹豫模糊多属性决策方法,将专家对于该领域的熟悉程度及所选属性的重要程度融入到供应商的绿色评估指标定量化分析与评选中。结合对偶犹豫模糊集的隶属度与非隶属度,给出了对偶犹豫模糊熵值、混合平均算子和混合几何算子的计算模型与该方法模型的具体步骤,通过对某企业绿色审计在内的四种属性进行评估来选择最佳供应商的实例,验证了此模型的可行性和有效性。 相似文献
2.
3.
针对支持向量机(Support Vector Machine,SVM)的参数优化问题,提出了一种改进的混合蛙跳算法(Improved Shuffled Frog Leaping Algorithm,Im-SFLA),提高了其在实用语音情感识别中的学习能力。首先,我们在SFLA中引入了模拟退火(Simulated Annealing,SA)、免疫接种(Immune Vaccination,IV)、高斯变异和混沌扰动算子,平衡了搜索的高效性和种群的多样性;第二,利用Im-SFLA优化SVM的参数,提出了一种Im-SFLA-SVM方法;第三,分析了烦躁等实用语音情感的声学特征,重点分析了基音、短时能量、共振峰和混沌特征随情感类别的变化特性,构建出144维的情感特征向量并采用LDA降维到4维;最后,在实用语音情感数据库上测试了算法性能,将提出的算法与混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)优化SVM参数的方法(SFLA-SVM方法)、粒子群优化(Particle Swarm Optimization,PSO)算法优化SVM参数的方法(PSO-SVM方法)、基本SVM方法、高斯混合模型(Gaussian Mixture Model,GMM)方法和反向传播(Back Propagation,BP)神经网络法等进行对比。实验结果表明,采用Im-SFLA-SVM方法的平均识别率达到77.8%,分别高于SFLA-SVM方法、PSO-SVM方法、SVM方法、GMM方法和BP神经网络法各1.7%,2.7%,3.4%,4.7%,7.8%,并且对于烦躁这种实用情感的识别率提高效果最为明显,从而证实了Im-SFLA是一种有效的SVM参数选择方法,并且Im-SFLA-SVM方法能显著提升实用语音情感的识别率。 相似文献
4.
基于阵列微流控细胞芯片的植物组分抗氧化活性分析 总被引:1,自引:0,他引:1
设计并制作了一种集成有8个重复6×6细胞培养单元的阵列微流控细胞芯片,以实现细胞培养和系列植物组分的细胞抗氧化活性(Cellular antioxidant activity,CAA)分析.芯片主要包含聚二甲基硅烷盖片、288个圆形培养腔体,48个独立平行通道的玻璃基底层,一次可完成8个样本的6个浓度筛选,并可在酶标仪上实现测试.槲皮素、芦丁和山奈酚等植物组分与芯片上培养的细胞作用24 h,细胞存活率大于90%.以芯片上培养的人肝癌细胞HepG2为细胞载体,以2',7'-二氯荧光素-乙酰乙酸酯(2',7'-Dichlorofluorescin diace-tate,DCFH-DA)为荧光探针,采用2,2'-偶氮二异丁基脒二盐酸盐(2,2'-azobis(2-amidinopropane)dihydrochlo-ride,ABAP)为细胞内活性氧(Reactive oxygen species,ROS)引发剂,测得槲皮素、芦丁、山奈酚等植物组分的CAA unit分别为71.42±0.19、74.31 ±0.36和69.92±0.09((x)±s,n=3),IC50分别为(7.20±0.06) μmol/L,(52.06±0.14) μmol/L,(32.55±0.03) μmol/L((x)±s,n=3). 相似文献
1