甲基对苯二酚的合成进展

综述了甲基对苯二酚的各种制备方法,并比较了各自的优缺点.着眼于反应条件温和,环境友好的发展方向及选择高效的催化剂,指出双氧水直接羟基化邻甲酚制备甲基对苯二酚是最具有潜力的工艺方法.     

微量铋的示波极谱测定法

在ｐＨ１０．５的Ｋｏｌｔｈｏｆｆ缓冲溶液中，铋－溴邻苯三酚红配合物在单扫描示波极谱仪上产生一灵敏的极谱波，峰电位为－０．６５Ｖ（ｖｓ，ＳＣＥ），峰电流与铋浓度在６．０×１０~（－８）～６．０×１０~（－６）ｍｏｌ·Ｌ~（－１）范围内成线性关系，检测下限为２．０×１０~（－８）ｍｏｌ·Ｌ~（－１）。应用本法测定了化探矿样中的微量铋，获得满意结果。     

固体酸催化剂作用下氯苯硝化的区域选择性研究

制备了SO^2-4/ZrO2催化剂并研究了该催化剂作用下硝酸硝化氯苯的区域选择性，反应具有强对位选择性硝化能力，催化剂经500℃焙烧后，在反应温度为30℃和反应30min时，氯苯一硝化产物中邻／对硝基氯苯异构体的质量比达0．23，产物得率可达55．5％，催化剂重复使用4次，其催化活性减少不大。     

粉唑醇的合成

粉唑醇是用于植物叶片和穗的广谱杀菌剂,对谷物白粉病、云形病、叶斑病和锈病都有效。本文以邻氟溴苯为原料经格氏反应合成1-(2-氟苯基)-1-(4-氟苯基)-2-氯乙醇,然后与1,2,4-三唑钠盐反应得到标题化合物。总收率达59%,含量94.5%。     

基于RKNN的选址算法及其应用研究

为了使各个设施的整体利用效果最佳, 结合空间位置影响力查询技术, 提出了基于RKNN的选址算法。针对空间对象对空间位置的贡献具有多重性, 建立了一种新的空间位置影响力的度量模型, 该模型更加符合实际应用情况; 然后, 利用该模型计算选址方案中各个设施的影响力, 并引入均衡系数评价选址方案的合理性, 均衡系数越小, 方案越合理。实际应用表明基于RKNN的选址算法使村镇基础设施的选址更加合理、有效。     

基于Fisher准则改进线性判别回归分类的人脸识别

为了提高线性回归分类LRC(Linear Regression Classification)算法的鲁棒性,提出一种基于Fisher准则改进的线性判别回归分类算法。首先根据Fisher准则最大化类间重建误差与类内重建误差的比值,为LRC找到最优投影矩阵;然后利用最优投影矩阵将训练图像及测试图像投影到各个类的特征子空间;最后,计算出测试图像与各个训练图像之间的欧氏距离,并利用K-近邻分类器完成人脸的识别。在FERET和AR人脸数据库上的实验验证了本文算法的有效性。实验结果表明,相比其他回归分类算法,该算法取得了更好的识别效果。     

高锰酸钾复合药剂对水中邻氯酚去除效能的研究

本文以水中的邻氯苯酚为研究对象,在实验基础上,考察了高锰酸钾及高锰酸钾复合药剂对纯水中微量邻氯酚的去除效果,用可见分光光度计分析,对二者的除酚效果进行了对比。结果表明:高锰酸钾复合药剂对水中微量邻氯酚具有较好的去除能力。同时还考察了水样pH值,高锰酸钾及其复合药剂投加量,反应水温,反应时间等因素对邻氯酚去除效果的影响。     

一种多分类器选择性集成的网络流量分类方法

针对多分类器集成方法产生的流量分类器在泛化能力方面的局限性,提出一种选择性集成网络流量分类框架,以满足流量分类对分类器高效的需求。基于此框架,提出一种多分类器选择性集成的网络流量分类方法 MCSE(Multiple Classifiers Selective Ensemble network traffic classification method),解决多分类器的选取问题。该方法首先利用半监督学习技术提升基分类器的精度,然后改进不一致性度量方法对分类器差异性的度量策略,降低多分类器集成方法实现网络流量分类的复杂性,有效减少选择最优分类器的计算开销。实验表明,与Bagging算法和GASEN算法相比,MCSE方法能更充分利用基分类器间的互补性,具有更高效的流量分类性能。     

3,3′-二氯联苯胺盐酸盐合成新工艺的研究

以邻硝基氯苯(A)为原料,经过3步化学反应合成3,3′-二氯联苯胺盐酸盐(D):(A)在0.2 g 1,4-萘醌催化下与CH2O/NaOH(摩尔比为n(NaOH)/n(CH2O)=0.85∶1)在56～57℃反应7 h,得到2,2′-二氯氧化偶氮苯(B),产率91.0%;(B)在0.5 g Al-Ni合金及0.3 g 1,4-萘醌催化下与水合肼在56～57℃反应7.5 h,得到2,2′-二氯氢化偶氮苯(C),产率97.0%;(C)在盐酸中分别于5℃反应2 h、于10℃反应11 h、于23～24℃反应11 h得到(D). (D)的总产率达到85.5%,纯度(质量分数)97.7%.     

自适应邻域图的流形学习方法

针对目前流形学习方法的嵌入效果非常敏感于局部邻域的选取方式,提出一种自适应邻域图的非线性数据降维方法。该方法考虑数据点周围的点分布信息,自适应地寻找最近邻域大小。不同于传统的邻域选取方法,此方法根据样本点周围的疏密程度来动态地获得最近邻域数,且所得到的各个样本点的邻域数是不等的;将每个样本点与其最近邻点连接,构建自适应邻域图进行有效降维。在人工生成数据集和人脸数据上的仿真结果表明,提出的方法得到了良好的降维效果。