聚乳酸纤维织物服用性能测试分析

对聚乳酸纤维纯纺织物和聚乳酸纤维／棉混纺织物的机械耐久性、外观保持性以及透湿性等性能进行了测试，并与纯棉织物进行了对比分析，发现聚乳酸纤维织物具有良好的服用性能，并且聚乳酸纤维与棉纤维混纺后，不仅使原料成本有所降低，而且使织物的整体服用性能有了一定程度的提高。     

基于改进贝叶斯决策的邮件过滤

探讨了基于概率阈值的贝叶斯邮件过滤模型的局限性：由于很少考虑所设定阈值的适用性和实用性,损失了一定的召回率。改进贝叶斯决策,提出了基于随机变量的较小错误分类决策方法;针对邮件处理的特殊性,进一步提出了基于随机变量的较小风险分类决策方法。实验结果表明,处理普通文本分类问题时,前者的分类决策效果更好;而后者在处理邮件问题时性能更优,能够在保持较小误判风险的同时,提高贝叶斯邮件过滤器的召回率以及F值。     

胶水绒中甲醛含量的测试研究[J].针织工业

针对胶水绒中甲醛问题,提出一种可以测试胶水绒中甲醛的方法。试验优选最佳萃取剂种类、最佳萃取振荡时间和最佳显色时间,并测试该方法的检出限、线性范围及精密度。结果表明,以浓度为0.4%的十二烷基磺酸钠作为萃取剂,(40±1)℃恒温振荡45 min,用浓度0.1%的2,4-二硝基苯肼显色35～220min试验效果最佳。该试验方法甲醛回收率为92.75%～102.25%,相对标准偏差3.44%,检出限0.11 mg/kg,在0.11～500.00 mg/kg具有良好的线性关系。     

基于MapReduce的贝叶斯垃圾邮件过滤机制

贝叶斯邮件过滤器具有较强的分类能力和较高的准确性,但前期的邮件集训练与学习耗用大量系统资源和网络资源,影响系统效率。提出一种基于MapReduce技术的贝叶斯垃圾邮件过滤机制,一方面对传统贝叶斯过滤技术进行改进,另一方面利用MapReduce模型的海量数据处理优势优化邮件集训练与学习。实验表明,较之目前流行的传统贝叶斯算法、K最近邻(KNN)算法和支持向量机(SVM)算法,基于MapReduce的贝叶斯垃圾邮件过滤机制在召回率、查准率和精确率方面保持了较好的表现,同时降低了邮件学习和分类成本,提高了系统执行效率。