饮用水卫生监测网络设2.8万个水质监测点

全国卫生系统食品安全与卫生监督工作会议发布,2012年我国新公布实施117项食品安全国家标准。全国共设置食品安全风险监测点1400多个,覆盖全部省份、90%的地     

书讯《钢分析化学与物理检测》

本书由常熟出入境检验检疫局朱志强、许玉宇和顾伟主编,是一部以钢及其制品的分析化学和物理检测技术为主要内容的专业书籍。钢及其制品是社会生产和公众生活所必需的基本材料,分析检验技术在钢产品的生产、加工、贸易、消费等过程中发挥了质量监督、控制和评价的重要作用。     

半监督偏最小二乘法在烟叶近红外感官评价模型中的应用

半监督学习方法可以充分利用大量未标注样本来弥补已标注样本的不足,针对应用近红外光谱建立农产品等复杂体系的分析模型中,存在获得大量精确标注样本较困难,而使用少量标注样本或大量未准确标注样品建模结果不理想的问题,基于半监督自训练理念,提出半监督偏最小二乘(Semi supervised-partial least squares,SS-PLS)方法优化模型。本研究以全国不同产地、不同等级的211份原料烟叶近红外光谱及其对应感官评价数据为例,应用SS-PLS方法优化模型,模型性能较原始模型有显著提高,优化后SS-PLS方法模型的决定系数(R2)达90%左右,建模标定值分布标准差与拟合值标准差的比值(Ratio of Performance to Deviation,RPD)达3.0以上,模型内部交叉验证及预测标准差(Standard error of cross validation SECV以及Standard Error of Prediction,SEP)值达1.0以下;并将原始感官评价数据与SS-PLS优化后的数据,按照固定阈值划分为优、中、差三个等级,应用基于主成分及FISHER准则的投影方法(Projection Model based on Principal Component and Fisher Criterion,PPF)分析得到的结果表明,SS-PLS优化后的分类结果也显著好于原始感官评价数据。SS-PLS可解决使用小样品集建模的数据代表性问题,在获得大量精确标注样本较困难情况下,为建立近红外光谱分析模型提供了一种新的化学计量学方法。     

中广测被指定为国产非特殊用途化妆品备案检验机构

<正>根据广东省食品药品监督管理局《关于增加指定国产非特殊用途化妆品备案检验机构的公告》(粤食药监妆〔2014〕58号),中国广州分析测试中心(中广测)通过了该局组织专家对提交申报资料的审核及现场评审,被指定为国产非特殊用途化妆品备案检验机构,自2014年5月12日开始,可承担国产非特殊用途化妆品的微生物和卫生化学备案检验工作。     

家具将可整体检测 两项新国标起草完成

<正>《木家具中有害物质限量国家标准》(修订)已起草完成,根据新标准,未来家具可整体放入环境气候舱进行有害物质检测,检测后家具不会被破坏,可继续使用。此外,《软体家具沙发中有害物质限量》、《软体家具床垫中有害物质限量》两项新制定的国家标准也已完成起草,目前三项标准正等待有关部门审核后公布。软体家具新标准将增加对甲醛、     

欧盟研发创新支撑食品安全检测

<正>近年来,伴随着发达经济体社会公众对食品安全的高度关注,欧盟有关食品生产质量安全的法律法规日趋严厉,特别加大了应对杀虫剂等各类食品污染残留物的检测执法力度。欧盟第七研发框架计划(FP7)提供资助支持,欧盟多个成员国参与组成的欧洲FOODSCAN研发团队,基于生物电子识别检测(BERA)技术,成功研制开发了创新型便携式食品污染残留物检测装置。凭借其快速反应、易于操作和性价     

实验室的质量监督(下)

(接上一期) 13.实验室监督的种类 13.1监督分为: 常规监督,特殊监督,静态监督,动态监督等.(质量监督记录见附表)     

智能物联网时序数据分析关键技术研究综述

智能物联网是人工智能和物联网的结合,通过人工智能技术处理物联网产生的海量数据,提供智慧化的分析和决策,从而提升数据的实用价值。智能物联网被广泛应用于智慧城市、智慧医疗、智能家居、无人驾驶等多个领域。时间序列数据是智能物联网中最重要的数据类型之一。时序数据泛指一切随时间有序变化的数据集合。智能物联网各种应用场景产生的海量监测数据多以时序数据的形式存在。智能化的时序数据分析技术,包括时间序列分类、聚类和异常检测等,是支撑智能物联网应用的重要基础。本文对智能物联网时序数据分析中重要程度高、需求迫切的关键技术问题进行总结和分析,并进一步探讨未来的研究方向。     

打造精品网络共构和谐社会

畅通网络是电信业永久的责任,诚信服务是电信业永恒的主题。当前,政府、企业及社会各界必须携起手来共同努力,按照构建诚信友爱、安定有序的社会主义和谐社会的要求,进一步深化电信服务工作和政府监管、企业自律、社会监督的机制,切实保障广大电信用户合法权益。     

基于无监督自适应模糊聚类的多家族恶意域名细粒度检测

针对现有恶意域名检测方法检测时间开销大、对新出现或新变种的恶意域名检测精度不高的问题,提出一种基于无监督自适应模糊聚类的多家族恶意域名细粒度检测方法。该方法首先利用词向量映射网络(Bidirectional Encoder Representation from Transformers, BERT)将域名字符串映射为词向量矩阵;然后,利用深度自编码网络的编解码模块实现域名字符串向量矩阵的特征提取;最后,引入一种自适应模糊聚类算法实现多家族恶意域名和合法域名在隐空间中的特征聚类。通过在多个家族恶意域名和常见域名数据集上进行测试,实验结果表明所提出算法可以在二分类任务中实现97.71%的准确率,在8个家族的细粒度多分类任务上可以实现96.25%的准确率。综合检测性能优于当前主流的恶意域名检测算法。同时,所提出域名具有较低的时间开销,这为实时过滤恶意域名、预防恶意域名的入侵攻击提供了一种新的手段。