结合MGCC特征与多尺度通道注意力的环境声深度学习分类方法*

环境声分类技术在家居安全监测、人机语音交互等领域具有关键作用。然而,声源的多样性与混合性给环境声分类方法设计带来了重大挑战。为提高分类准确率与节约计算资源,本文提出一种基于多尺度通道注意力机制下的深度学习分类模型。所提模型由特征提取模块、多尺度卷积模块、高效通道注意力模块、输出层四部分组成。首先,通过引入加权型梅尔Gammatone频率倒谱系数挖掘环境声频谱幅值与相位结构信息;其次,融合多尺度卷积核与高效通道注意力机制优选出音频关键局部细节和通道特征;最后,在全连接层采用softmax函数映射特征并输出环境声类型的概率值。所提模型在6种环境声的iFLYTEK、10种环境声的Urbansound8k数据集上开展测试验证,分别取得了94%、76.52%、79.24%（iFLYTEK+Urbansound8k）的分类准确率。消融实验结果进一步表明：引入的多尺度卷积模块、通道注意力机制模块对分类准确率的提升贡献率分别接近于3.77%和1.89%。实验还详细对比了7种现有的深度学习分类方法,所提算法在分类准确率上排名第二;另外, 在同级别算法中如ResNet18、GoogLeNet,所提算法在模型参数量和计算复杂度方面上实现了进一步的约减。     

靛玉红在碳糊电极上的阴极吸附伏安法研究

在0.10 mol/L的K2HPO4-NaH2PO4（pH8.5）缓冲液中,使用JP-303极谱分析仪,靛玉红在碳糊电极（CPE）上有一灵敏的吸附伏安还原峰,峰电位为-0.60 V（vs.SCE）。该还原峰的二阶导数峰电流与靛玉红的浓度在8.0×10^-9-8.0×10^-7mol/L（富集90 s）范围内呈良好的线性关系,相关系数为0.9976,检出限为4.0×10^-9mol/L（S/N=3,富集110 s）。探讨了靛玉红在碳糊电极上的伏安性质和电极反应机理,并应用于中草药大青叶中靛玉红含量的测定。     

碱法消解-化学衍生-吹扫捕集气相色谱-原子荧光光度法测定土壤中烷基汞

利用吹扫捕集气相色谱-原子荧光光度法测定土壤中烷基汞含量。分别用酸法消解和碱法消解处理土壤样品，对比了两种样品处理方法的效果，结果表明碱法消解优于酸法消解，该法具有步骤少，耗时短，使用的试剂种类少、毒性小，土壤中烷基汞回收率高等优点。甲基汞、乙基汞的质量在0.5～1 000 pg范围内与色谱峰面积线性关系良好，相关系数分别为0.999 9和0.999 8，当称样质量为0.5 g时，甲基汞的检出限为0.35μg/kg，乙基汞的检出限为0.53μg/kg。土壤样品加标回收率为70.0%～114.0%，测定结果的相对标准偏差为3.5%～12.0%(n=5)。     

基于一阶预测有效度的IGOWLA算子模糊组合预测方法

文章针对预测对象具有模糊性的组合预测问题，用三角模糊数表征问题的特征信息，引入诱导广义有序加权对数平均(IGOWLA)算子的概念，以基于模糊信息的一阶预测有效度作为精度指标，建立基于一阶预测有效度的IGOWLA算子模糊组合预测的最优化模型，并通过实例分析说明了该模型能显著提高预测精度。