增量式规则获取方法在个性化服务中的应用

基于规则的个性化服务技术具有简单、直接等优点,但及时更新规则库比较困难。将基于规则树的增量式规则获取方法应用于个性化服务技术中,在保证规则质量前提下,大大缩短了学习时所用时间,能及时更新规则库。通过实验验证了该方法是可行的有效的。     

蓝牙IP及其关键技术的研究

IP技术是蓝牙和现有网络互联的基础。介绍了蓝牙的基本特点,在总结了蓝牙基本网络结构的基础上提出了提供IP数据包服务的蓝牙Internet接入模型,分析了其中的蓝牙网关实现模型、蓝牙IP路由算法、以及IP地址分配和安全等各项关键技术,给从事蓝牙技术的工作者提供了一种新的研究思路。     

基于模板匹配的人体日常行为识别

提出了一种以运动人体的轮廓为特征,基于模板匹配的人体行为识别方法.利用背景差分法和阴影消除技术从图像中提取完整的人体轮廓.定义一种新的轮廓描述方法,将时变的2D轮廓形状转换为对应的1D距离向量.先计算轮廓点的质心坐标,再将轮廓等弧长地分割,用直线段连接相邻的割点构成对轮廓线的多边形近似,用多边形的顶点到轮廓质心的距离和...     

鲁米诺化学发光法测定食品中的亚硫酸盐

提出了运用化学发光法测定食品中亚硫酸盐的新方法,对影响化学发光的诸因素进行了实验和探讨,得出较佳检测条件:方法的定量限为4.6 mg/kg,亚硫酸盐质量浓度在1.0~10.0 mg/L与发光强度增强值(ΔI)呈良好的线性关系,R2为0.993 4.对6类样品进行了测定并做加标回收试验,平均RSD 3.05%,平均回收率93.0%,可用于食品中亚硫酸盐的定量与定性检测.     

牛奶中硫氰酸盐高效液相色谱测定方法

建立了高效液相色谱法分析牛乳中硫氰酸盐的方法.以戴安IonPac AS19(4 mm×250mm)阴离子色谱柱进行分离.二极管阵列检测器测定,流动相为0.05 mol/L Na2HP04溶液(pH值约为9.3),流速为0.8 mL/min,进样量10μL,检测波长218 nm.结果表明,牛奶中硫氰酸盐线性范围为5～100μg/mL,加标回收率为67.1%～101.8%,相对标准偏差(n=3)小于4.4%,最低检出限为0.5μg/mL.     

块根块茎类植物淀粉的研究进展

主要介绍了国内外有关块根块茎类植物淀粉的提取工艺、理化性质、淀粉糊的功能特性等方面的研究现状,为块根块茎类植物淀粉的进一步研究提供参考,同时为其在食品行业的充分利用提供理论指导。     

基于倾斜角和Helbig方法的多磁源目标反演技术

针对传统磁源反演对区域内同时存在多个复杂磁源时分辨能力较弱的问题,提出了磁梯度张量测量下的目标反演方法.首先基于磁梯度张量分量计算的改进倾斜角实现区域内磁源目标个数和初始分布区域的估计;然后选择不同大小的滑动窗口,利用Helbig方法计算测量区域内各点的磁化方向,每个初始分布区域内磁化方向变化最小的测量点对应的水平位置即为磁源目标的水平位置,且该点的磁化方向即为该磁源目标的总磁化方向;最后利用磁源目标竖直方向上磁变换模量的相互关系,实现了磁源目标空间垂向位置和磁矩大小的估计.仿真结果表明,该方法可准确估计磁源目标的水平位置,竖直位置估计误差小于11.67%,磁化方向估计误差小于6.1%;多个磁铁目标的反演实验验证了所提方法的实用性,水平和竖直位置估计误差分别小于8.33%和15.79%.     

有机锡(IV)配合物{［(nC4H9)2Sn(05·O2CC12H10N)(05·CH3O)］2O}2的合成、表征和晶体结构〖DK)〗

 以N-苯基邻氨基苯甲酸与二丁基氧化锡反应, 制得新配合物{［(nC4H9)2Sn(05·O2CC12H10N)(05·CH3O)］2O}2。通过元素分析、红外光谱和核磁共振氢谱对其结构进行了表征,用X-射线单晶衍射测定了配合物的晶体结构。该配合物晶体属于三斜晶系, 空间群为 P-1, 晶胞参数a =1.173(2) nm,b = 1256(2) nm, c= 1329(2) nm, α= 8229(3)°,β = 71.83(3)°,γ= 65.36(3)°, V= 1.690(5) nm3, Z = 1, μ= 1.509 mm-1,Dc= 1.425 Mg·m-3, F(000) = 736,R = 0.056 9, wR = 0.1589, GOF = 1.074。测试结果表明, 它是以Sn2O2四元环为中心,中心对称的二聚体结构。内、外环锡原子均为五配位的畸变三角双锥构型。     

基于统计阈值的鲁棒性语音识别

近几十年来,语音识别系统已由实验室环境走向真实的世界中.在不同的环境噪声下,识别性能却仍不尽人意,尤其是在低信噪比的环境中.为解决在低信噪比情况下的低识别率的问题,以声学参数MFCC( Mel-frequen-cy cepstrum coefficient)为基础,提出了一种基于统计阈值的倒谱均值方差归一化算法,该算法...     

小数据集下基于修正乘性协同约束的BN参数学习

在一些特定情况下，获取充足样本十分困难，导致最大似然估计算法学习到的BN参数精度往往较低，并且一些实际应用领域中已涉及多父节点协同影响约束的问题。对此，通过借鉴PAVA保序回归算法思想，提出了一种小数据集下基于修正乘性协同约束的BN参数学习方法。首先，判断已知样本数据中多父节点部分的参数是否满足乘性协同约束；其次，把不满足乘性协同约束的左右两边划分为整体，用PAVA算法分别对其进行调整，针对调整后的整体，根据不同父节点组合状态对应的样本数据量，给出3种权值不同的校正方法，对每个参数进行修正，得到最终参数学习结果；最后，运用经典草地湿润网络模型对提出的方法进行仿真验证。研究结果表明，在小数据集条件下，提出的方法不仅满足了乘性协同约束，而且KL散度始终低于其他2种方法，但运行时间略高于其他2种方法约1×10^-3s,影响甚微。总体上，所提算法的综合性能优于其他2种方法。