仪器分析教学优化设计的探索与实践——分光光度法测定室内空气中的甲醛

高职教育肩负着培养高等技术应用人才的重任，培养对象不仅要掌握一定的专业理论知识和实践能力。还必须具备较强的分析问题、解决问题的能力。以建构主义教学理论作为指导，通过对仪器分析课堂教学进行优化设计，提高了教学效果。     

局部二值模式在连铸坯表面缺陷识别中的应用

为了解决传统的图像识别算法无法准确识别铸坯表面缺陷的问题,提出一种考虑图像相邻像素影响的改进的多块局部二进制算法(MB-LBP).该算法将原始图像分成多个小区域,每个小区域再做等分,并计算平均灰度值,再运用局部二进制模式算法进行计算.对现场采集到的连铸坯表面裂纹、划伤、压痕、凹坑和无缺陷共五类1697个样本进行实验,整体识别率达到94.9％,而传统局部二进制模式算法的识别率为89.1％,说明本文算法具有更好的鲁棒性和抗噪能力.     

γ-氨基丁酸(GABA)降血压机制的探讨

近年来被生理学家所广泛注意的 GABA,除对神经系统的作用外,还具有显著的降血压作用。目前关于 GABA 的降压作用机制,在研究者中间存在着争论。许多日本生理学家主张,这种降压是中枢性的,即由 GABA 直接作用于延脑血压中枢而引起的。但他们的这一结论与另一些实验结果相矛盾,即由静脉注入体内的 GABA 只有极少量能通过血脑屏障,到达脑组织。Elliott 和 Hobbiger基于脑池用药的实验,认为向狗静脉注射 GABA 引     

重庆各区县经济发展水平的因子分析

依据重庆市2009年的统计数据,建立一个综合的评价体系,利用因子分析方法,对重庆市各个区县进行综合评价;并按照该评价体系对各个区县进行评分;最后,根据评分结果,把重庆40个区县分为4类地区,提出了一个总体发展思路。     

BmK AS,一种新型骨骼肌Ryanodine受体激动肽的氨基酸序列

前文曾报道从东亚钳蝎毒中纯化了一个新型骨骼肌Ryanodine受体激动肽(BmK AS).本工作将进一步报道该活性肽的完整氨基酸序列.由它的序列(共66个残基)计算出的最小分子量为7698u与经电喷雾质子光谱测定的7696.26u值基本吻合.其分子结构与同一蝎毒中已知的各类Na~ 通道配体间的同源性较差.但与一种独特的非洲蝎所产抗昆虫毒素(AaH IT),同属Na~ 通道配体间却存在着>80%的相似性.1 材料与方法BamK AS的纯化参照文献进行.分别用SDS-PAGE电泳法和电喷雾质子光谱仪鉴定纯化样品的纯度和分子量.     

冷轧带钢表面缺陷在线监测系统

介绍一套目前已在实验室中开发成功的冷轧带钢表面缺陷在线监测系统,该系统用于在线检测和识别冷轧带钢的表面缺陷.系统采用多个面阵CCD摄像头同步采集带钢表面的图像,并通过并行计算系统对图像进行分析和处理,以得到钢板表面的缺陷情况.系统在软件流程上进行了特殊的设计,以保证实时数据处理功能.经试验,系统对"乳化液斑痕"、"锈痕"、"压入氧化铁皮"、"辊印"、"折印"和"边裂"等6种常见的冷轧带钢表面缺陷类型识别率在90%以上.     

形态小波在中厚板表面裂纹缺陷检测中的应用

中厚板表面裂纹缺陷在图像中容易受背景噪声和氧化铁皮的影响,传统的图像处理方法很难将裂纹缺陷从图像中检测出来.提出了将形态小波变换应用于中厚板表面裂纹缺陷检测的方法.该方法利用小波分解对突变信号的检测能力,结合裂纹缺陷在形态上近似于直线的性质,将裂纹缺陷从图像中准确提取出来.实验证明形态小波用来检测中厚板表面裂纹缺陷比用其他方法更有效.     

基于小波分解的设备状态预测方法

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用ＡＲ（ｎ）模型对分解后的时间序列进行预测,进而得到最终的预测结果．将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于ＢＰ网络的预测方法相比较表明：该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中．     

基于小波不变矩和保局投影的表面缺陷识别方法

提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法,并应用于中厚板表面缺陷自动识别. 首先对图像做三级小波变分解,将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪;然后对各分量的傅里叶幅值谱提取Hu不变矩作为原始特征向量,并利用LPP将该特征向量的维数从77维降到8维;最后利用AdaBoost分类器对样本进行分类识别. 实验结果表明,本文提出的特征提取方法适用于中厚板表面缺陷分类,识别率达到91.60%.     

基于主题约束的篇章级文本生成方法

针对计算机自动生成的文本缺乏主题思想这一问题, 提出一种基于主题约束的篇章级文本自动生成方法。该方法围绕用户输入的主题描述语句提取若干主题词; 然后对主题词进行扩展和主题聚类, 形成文章主题规划; 最后利用每个聚类中的关键词信息约束每个段落的文本生成。该模型从文本主题分布、注意力评分方法和主题覆盖生成3个方面对现有基于注意力机制的循环神经网络文本生成模型进行了改进。在3个真实数据集上分别与Char-RNN, SC-LSTM和MTA-LSTM基准模型进行对比, 并对3个方面的改进进行独立验证。实验结果表明, 所提方法在人工评判和BLEU自动评测上均优于基准模型, 生成的文本能更好地贴合主题。