磁性分子印迹聚合物在食品安全检测中的应用

磁性分子印迹聚合物是采用表面分子印迹技术在磁性颗粒的表面制备的复合材料,既具有分子印迹技术特异性识别的特点,又具有在外加磁场的作用下快速分离的优点,已广泛应用于食品安全检测过程中的样品处理等领域。本文总结了目前磁性分子印迹聚合物的制备方法以及在食品安全检测中的应用,并对该技术的应用前景进行了展望。     

分子印迹聚合物研究进展

评述了近两年分子印迹聚合物在制备、应用及其识别机理方面的最新进展。     

双酚A分子印迹聚合物膜的制备与其性能研究

通过实验获得了双酚A分子印迹共混膜的相转化制备的工艺条件，并且研究了膜材料、铸膜液的组成和温度、分子印迹聚合物填充的情况、凝固浴的组成和凝固的温度、暴空时间以及膜的厚度等因素对膜的结构与性能的影响，对以此方法制备分子印迹膜提供了通用的理论指导。利用浓差推动渗透实验对所制备的共混膜进行了拆分机理分析，根据膜过程溶解一扩散原理建立了传质模型。实验结果表明，分子印迹共混膜对双酚A表现出了高度的识别性。     

基于门控制效应的氯霉素分子印迹传感器研制

研究了分子印迹技术与电化学检测手段相结合的分子印迹电化学传感器,并用于定量分析蜂蜜中的氯霉素含量。以亚甲基蓝为功能单体、氯霉素为模板分子,在pH＝7.0的磷酸盐缓冲溶液中采用循环伏安法在玻碳电极表面电聚合形成分子印迹敏感膜,并以此作为识别元件制备了电流型氯霉素分子印迹电化学传感器。采用铁氰化钾作为探针分子,利用门控制效应对氯霉素进行定量检测。氯霉素浓度在0.323～54.9μg/L范围内与峰电流呈良好的线性关系。检出限（3δ）为0.14μg/L。该传感器具有灵敏度高、选择性好、成本低且容易制备的优势。     

杯芳烃衍生物分离介质的合成与表征

提出了以自制的杯芳烃与甲基丙烯酰氯为原料合成杯芳烃衍生物,以杯芳烃衍生物和丙烯酰胺作为复合功能单体,将其运用到分子印迹技术中,制备的印迹聚合物分离介质,对模板分子苯甲酰胺及其结构类似物的分离效果,好于使用单一单体的效果,当杯芳烃衍生物与丙烯酰胺的比例为1：3时,分离因子可达13．37。     

溶菌酶与羧甲基纤维素层层自组装印迹聚合物

采用分子印迹技术与层层自组装技术相结合的方法,利用羧甲基纤维素与溶菌酶制备溶菌酶分子印迹聚合物。首先通过层层自组装的方法将带正电荷的溶菌酶和带负电荷的羧甲基纤维素固定在羧甲基纤维素基材表面,再与三氯化铁反应,采用氯化钠溶液洗脱模板蛋白溶菌酶,制备出溶菌酶分子印迹聚合物。扫描电镜测试结果表明,该溶菌酶印迹聚合物的表面与非印迹聚合物的表面相比变粗糙,并且其表面还出现了一些微孔结构;蛋白质吸附测试结果表明,与非印迹聚合物相比,该溶菌酶印迹聚合物对模板蛋白质的吸附量提高了50%;并且该印迹聚合物对模板蛋白质具有一定的选择性吸附能力;对模板蛋白质的再吸附测试表明,该溶菌酶印迹聚合物具有可重复使用性能。     

分子印迹电化学传感器技术在动物源性食品中兽药残留检测中的应用

分子印迹电化学传感器由于其专一性高,选择性好,灵敏度高,操作和携带方便,便于实时、在线和自动化处理等优点,广泛应用于兽药残留检测。综述了目前兽药残留检测的方法,分子印迹技术,分子印迹电化学传感器的类型及其在兽药残留检测中的应用,并对其发展进行了展望。     

紫杉醇分子印迹聚合物的制备及其吸附性能

采用分子印迹技术,以紫杉醇为模板分子,2-乙烯基吡啶(2-VP)为功能单体,乙二醇二甲基丙烯酸酯(EGDMA)为交联剂,偶氮二异丁腈(AIBN)为引发剂,在氯仿中制备了紫杉醇分子印迹聚合物.用紫外光谱法对紫杉醇和功能单体的相互作用进行了分析,通过平衡结合法和Scatchard模型评价了印迹聚合物的吸附特性.结果表明,紫...     

分子印迹聚合物微萃取样品前处理技术研究（英文）

分子印迹聚合物微萃取是最近一二十年发展起来的一种新型样品前处理技术,集合了分子印迹技术和微萃取技术两者的优势,广泛应用于食品、药物、环境和生物等复杂样品的前处理,其研究也备受关注.本文综述了分子印迹聚合物微萃取技术在样品前处理中的应用进展,包括分子印迹固相微萃取、分子印迹搅拌棒吸附萃取、分子印迹磁性微球萃取和分子印迹整体材料微萃取,探讨了分子印迹聚合物微萃取样品前处理技术存在的问题和局限,并对其应用前景进行了展望.     

林可霉素A分子印迹聚合物微球的制备及性能

为提高林可霉素粗品中A组分的纯度,研究了制备林可霉素A分子印迹聚合物微球的方法及其性能.以聚苯乙烯微球为种球,林可霉素A为模板分子,通过单步溶胀法合成分子印迹聚合物微球;通过静态平衡结合法研究该聚合物的结合特性和分子识别性能.结果表明:分子印迹聚合物对模板分子具有选择性和识别能力,对林可霉素A和林可霉素B的分离因子α为1.27,而非印迹聚合物微球的分离因子α仅为1.02;林可霉素A分子印迹聚合物微球可用于制备林可霉素,并提高其粗品的纯度.     

基于CRFs的多策略生物医学命名实体识别

生物医学命名实体识别是生物医学文本挖掘的基本任务。机器学习方法是生物医学命名实体研究的主流方法,选取有效的机器学习算法和采取有效的识别策略是提高生物医学命名实体识别性能的关键,鉴于条件随机域算法在自然语言处理领域的优势,本文采用该算法并结合多种识别策略对生物医学命名实体识别进行研究。实验取得了良好的效果,F测度达到了70．52％,与其它相关系统比较,识别性能有了明显提高。     

生物特征识别技术综述

通过对各种生物特征识别技术的基本原理和关键技术进行分析比较,探讨了生物特征识别技术的研究前景——多生物特征识别。生物特征识别技术作为一种身份识别手段具有独特的优势,是近年来国际上的研究热点,对信息安全等有重要意义。     

稀疏表示人脸识别的关键问题分析

稀疏表示是一种高效的图像表示方法,且稀疏系数具有很好的稀疏性和可扩展性。基于稀疏表示的人脸识别能够提高识别率,增强鲁棒性。针对人脸识别在实际应用中遇到的问题,对稀疏表示人脸识别的方法、识别中遇到的关键问题及其解决办法进行综述。结果表明:稀疏表示人脸识别中,光照变化,可以通过增加不同光照的人脸图像训练样本解决;遮挡腐蚀,可以通过用加入误差字典来扩展过完备字典解决;姿势变化或未对准,可以通过对输入图像进行线性结构迭代变换解决;利用稀疏集中指数可以实现图像是否有效的判断。指出采用稀疏表示同时处理对准和连续遮挡的人脸图像识别,及识别准确性与实时性的提高是需进一步研究的方向。     

基于离散度准则的人脸局部特征权值学习算法

提出了一种利用离散度准则计算人脸局部特征权值的方法.在利用局部特征进行人脸识别的算法中,可以依据各个局部特征对人脸识别贡献的大小,对每一个局部特征分配不同的权值,以此来提高识别效果.从模式识别的角度来看,易于分类的局部特征对人脸识别有较大的贡献,反之亦然.在特征空间中,当类内模式较密集,不同类模式相距较远时,模式特征易于分类.离散度矩阵的迹描述了模式特征的分散程度,通过运用统计学习的方法,以类内离散度矩阵之逆和类间离散度矩阵的乘积的迹作为衡量局部特征分类性能的依据,根据局部特征的分类性能来确定其权值.试验结果表明该算法可行,采用离散度准则计算的局部特征权值能够明显提高人脸识别率.与同类算法相比,该方法具有计算简便、易于实现等优点.     

基于遗传算法的曲线段连接与拟合

采用特征滤波器来提取样本集中具有线性特征的点,同时生样本点之间的相互关系;根据相互关系对样本点进行初始分类,形成了曲线段,最后采用遗传算法和曲线拟合相结合的方法完成曲线段的检测识别。实验结果表明,应用遗传算法和曲线拟合相结合的方法不仅能够对曲线进行自适应的检测识别,而且具有较强的抗噪声能力。     

借鉴德国模式的认识实践课程改革初探

通过借鉴德国应用型本科院校建筑学专业认识实践教学的教学方法和成功经验,思考了目前建筑学专业认识实践教学中存在的问题,认为改革建筑学专业一年级认识实践教学的教学组织、教学方法、教学步骤等,可以提高建筑学专业一年级认识实践教学的教学效果,激发学生的学习兴趣,促使其在学习中进行自主思考。     

数学模式识别方法在现代包装工业中的应用和展望

本文阐述了条形码技术,图案模块,自控系统辨识等数学模式识别方法已广泛应用于商品流通领域、包装设计和包装机械工业中,而且模式识别方法将会在包装工业的各个方面获得更加广泛的发展和应用。     

语音特征增强方法综述

经过数十年的发展语音识别取得了长足进步,但各种语音识别系统的性能仍然难以满足现实应用的需求.造成这种情况的一个重要原因在于目前的系统仍然难以适应各种噪声环境.因此,增强语音识别系统的噪声鲁棒性是推动其走向现实应用的关键.系统地阐述了特征增强类方法的国内外研究现状,介绍了信号增强、从听觉层面或可区分层面的提取特征、特征归正和特征补偿等方法,分析了他们存在的局限性.在此基础上,分析了稀疏编码与语音特征增强的基本问题和研究现状,提出了稀疏编码在语音特征增强方面的需要解决的问题,为从事鲁棒语音识别的研究者提供参考.     

用于语音识别的分级结构神经网络

将几种不同的分级结构神经网络用于非特定人的汉语孤立音识别,比较了它们的不同性能,实验结果表明,针对一定词汇表,确定适合的分极结构,可以使非特定人的语音识别达到较高的识别率。     

基于深度学习的行为识别算法综述

人体行为识别一直是计算机视觉研究中的热点.随着近几年人体行为识别在虚拟现实、短视频等方面的广泛应用, 以及深度学习算法的快速发展, 基于深度学习的行为识别算法层出不穷.相较于传统方法, 基于深度学习的行为识别算法具有鲁棒性强、准确率高的优点.基于此, 本文对近年来提出的基于深度学习的行为识别算法进行了梳理, 并对由双流卷积网络和3D卷积网络结构发展而来的行为识别的系列算法进行了重点介绍, 并总结了各种算法的性能和成果, 最后对该领域进行了展望.