微波消解石墨炉原子吸收光谱法测定胶囊和片剂用明胶中铬含量

1引言铬对人体有较大的毒性,环境中低浓度的铬会引起亚急性慢性中毒,粉尘还会引起肺炎、溃疡、肺癌等疾病。胶囊和片剂用明胶为动物(包括鱼和家禽)胶原蛋白不完全酸水解(A型)、碱水解(B型)或酶降解后纯化得到的制品,是上述3种不同型明胶的混合物。为了防止用铬糅剂鞣制过的皮革制取明胶,应严格控制铬盐的含量。参考欧洲药典和国家标准食品中的铬测定方法对明胶中铬的测定进行研究,以便于胶囊和片剂用明胶中有害元素铬的控制,保证用药安全有效。2实验部分2.1仪器与试剂novAA 400型原子吸收光谱仪(德国Jena公司);样品制备系统:Mu ltiwave 3…     

高光谱图像分类的ReliefF-RFE特征选择算法构建与应用

高光谱图像具有波段连续、维数高、数据量大、相邻波段相关性强的特点,可为地物分类提供更为丰富的细节信息。但是,数据中存在大量冗余信息与噪声,在图像分类中如直接利用其所有波段特征而不进行有效分析与选择,将会导致较低的计算效率和较高的计算复杂度,分类精度亦可能随着波段维数增加而出现先增后减的“休斯（Hughes）现象”。为快速地从高达数十个甚至数百个波段的高光谱图像中提取出具有较好识别能力的特征子集,从而避免“维度灾难”,将过滤式ReliefF算法和封装式特征递归消除算法（RFE）相结合,构建了ReliefF-RFE特征选择算法,可用于高光谱图像分类的特征选择。该算法根据权重阈值,利用ReliefF算法快速剔除大量无关特征,缩小并优化特征子集的范围;利用RFE算法进一步搜索最优特征子集,将缩小范围后的特征子集中与分类器关联性小、冗余的特征进行递归筛选,进而得到分类性能最佳的特征子集。采用Indian pines数据集、Salinas-A数据集与KSC数据集等3个标准数据集作为实验数据,将ReliefF-RFE算法的应用效果与ReliefF和RFE算法进行对比。结果显示,在3个数据集中,应用ReliefF-RFE算法的高光谱图像分类平均总体精度（OA）为92.94%、F-measure为92.81%,Kappa系数为91.94%;ReliefF-RFE算法的平均特征维数是ReliefF算法的37%,而平均运算时间则是RFE算法的75%。由此表明,ReliefF-RFE算法能够在保证分类精度的同时,克服过滤式ReliefF算法无法有效减小特征之间冗余以及封装式RFE算法时间复杂度较高的缺陷,具有更为均衡的综合性能,适用于高光谱图像分类的特征选择。     

在不同转角下测量圆盘的转动惯量产生误差的研究

由于实验用三线摆法测定物体转动惯量的转角较大,但是理论推出的转角一般控制在5度以内,故现采用投影法和平均值计算转角的方法来研究在不同转角下测量圆盘的转动惯量产生的误差,并分析圆盘转动惯量测量值与理论值的百分差与转角之间的关系,最后得出圆盘转动惯量测量值与理论值的百分差随转角变化成二次曲线。