非线性科学中的对称性研究及其应用

自1990年宁波大学非线性科学课题组完成非线性系统对称性约化的第1个对称性专题研究以来, 宁波大学的非线性科学研究,特别是非线性系统的对称性研究成为一个特色, 引起了同行的广泛关注. 宁波大学非线性科学团队在对称性研究方面的主要进展有: 递推算子的因式化和逆递推算子及逆对称和逆可积梯队、形式级数对称法、非局域对称及其局域化、达布变换和非局域对称、条件对称和分离变量法、对称群直接法、群不变非线性系统分类、超对称和玻色化、留数对称、从对称性到达布变换、非局域对称的对称性约化和相容Riccati展开法、完备对称和可积性、大气和海洋系统中的对称性应用、离散对称和多地物理学、局域对称和非局域对称的对偶及可积系统的正梯队和负梯队的对偶等.     

高效毛细管电泳法分析蓝色签字笔字迹色痕种类及相对形成时间

选用毛细管区带电泳分离模式,对13种市售蓝色签字笔样品字迹色痕进行了分析。当电压为15 kV、柱温为25 ℃时,以0.03 mol/L 四硼酸钠水溶液(外加10%(体积分数)的甲醇)为缓冲液,所有样品都可以得到良好的区分;依据紫外区检测结果,样品可以分为三大类、五小类;依据可见区检测结果,样品可以分为四类;两种分析结果相结合有助于增大不同样品之间的区分度;选择3种样品进行暗处保存老化制样,根据字迹中色料成分相对含量的变化,对字迹的相对形成时间进行了初步探讨。研究还发现纸张类型对于上述研究结果无影响。     

新高考方案下浙江省化学分类走班教学的研究

新高考方案给予学生更多学科选择权,同时也给化学学科带来了新的挑战。以化学教学为视角,在2014级学生实施分类走班教学的基础上,通过调查影响学生化学学考/选考的因素,探究新高考方案对化学教学的影响以及实践相应的教学策略。重点研究教学组织形式的改变、教学内容的重组融合、教学手段的多元互补、教学方式的选择优化、教学观念的更新发展。     

无溶剂研磨合成双核席夫碱配合物及多组分自分类行为

利用手动研磨法在无溶剂条件下通过1,4-二(咪唑-2-甲醛)丁烷(A)、2,4-二亚甲基-二(咪唑-2-甲醛)-三甲基苯(B)、2,5-二亚甲基-二(咪唑-2-甲醛)-对-二甲苯(C)中的任一组分与N-乙基乙二胺(D)和三氟甲磺酸亚铁组装合成3个Fe(Ⅱ)席夫碱配合物1、2和3。X射线单晶衍射表明,配合物1结晶于空间群Cmca,2和3结晶于空间群P21/c。1~3中每个Fe(Ⅱ)与配体中6个氮原子配位形成变形八面体FeN_6配位环境;每个双臂六齿配体螯合2个亚铁离子,而每个亚铁离子被2条配体包裹形成Fe_2L_2型双核配合物。基于以上配合物的合成,我们详细研究了混合多组分间的固态自分类行为。研究表明,多组分[D+A+B+Fe~(2+)]或[D+A+C+Fe~(2+)]发生自恋型自分类;而多组分[D+B+C+Fe~(2+)]发生群体型自分类,形成了一个由2个不同类型配体构筑的Fe2LL′杂配型配合物4,同时X射线单晶衍射确证了4的结构。此外,通过与溶液中自分类的对比,我们发现该体系固态自分类表现出更为高效的特点。     

MS-IAS:集成的质谱代谢组学数据分析系统

针对代谢组学研究中的数据处理问题,本研究建立了基于质谱的数据分析系统MS-IAS(Mass spectrometry based integrated analysis system).此系统集成了特征选择、聚类、分类等多种方法,用以处理质谱数据,具有多种统计分析方法能对所选的特征变量进行比较,以发现与所研究问题相关的潜在生物标志物.MS-IAS支持数据与多种算法结果可图形化显示,有助于对数据的解释与分析.以肝病患者的质谱代谢组数据为例,展示MS-IAS的功能,两种特征选择算法从数据集中筛选出了40个对肝病具有区分能力的特征变量,展示了MS-IAS成为代谢组学研究中的通用质谱数据分析系统的潜力.     

用于药品质量快速检测的近红外光谱模糊神经元分类方法

针对非线性且分类界线模糊的药品质量类别快速测定难题, 将近红外光谱分析与模糊神经网络相结合, 经研究提出近红外光谱模糊神经网络分类方法, 用于计算辨析中药等化学组成复杂药品的近红外光谱模式类别, 从而快速评定这类药品的质量. 以参麦注射液为典型分析对象, 以鉴别其生产厂家这一模式分类问题为例, 考核本文方法, 结果表明, 其分类准确率达到94.2%, 明显优于经典的BP神经网络分类方法(84.6%), 可望用于中药产品质量类别的快速检测与评价.     

金藻Isochrysis Galbana中DHA的分离与分析

二十二碳六烯酸;萃取分离;分类;金藻Isochrysis Galbana中DHA的分离与分析     

空气热机平衡点的快速判定方法

对空气热机实验数据中获取的转速、温差等进行K型均值聚类和最近邻节点分类分析,获得空气热机是否达到平衡状态的快速判别方式,以及该判别方式在实验数据中表现出的区分能力和准确度．     

用自适应谐振网络进行图像纹理的分类与识别

分析了自适应谐振（ＡＲＴ２）神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别的结果验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果．