MD-RBM神经网络模型及其在材料微结构中聚类研究

在传统的RBM神经网络的基础上提出一种新颖的MD-RBM神经网络模型用于超高碳钢微结构高维图像数据的特征学习。该模型利用新的乘法距离(MD)取代欧式距离以计算高维图像数据之间的距离关系,有效缓解欧式距离在高维数据中的不稳定性问题。MD-RBM神经网络模型利用少量的成对约束监督信息引导其编码过程,使得一部分图像数据的隐藏层特征更加聚集在一起,而且同时使得一部分图像数据的隐藏层特征更加分散,由此得到高维图像数据的隐藏层特征表现出很好的聚类性能。实验选择两种经典聚类算法Affinity Propagation(AP)和Spectral Clustering(SC)作为对比,结果显示,基于MD-RBM模型的聚类识别算法比原始聚类算法、半监督算法以及基于RBM模型的聚类算法都表现出更优的聚类性能。     

马铃薯淀粉对红曲红色素的吸附及光褪色与热稳定性研究

对红曲红色素吸附于马铃薯淀粉颗粒的形貌、红色素光褪色、热稳定性进行了研究。紫外吸收实验表明,淀粉对红曲红色素有极强的吸附作用。光学显微镜实验结果表明:在淀粉表面发生了对红色素的吸附作用,且表层吸附的红色素未对淀粉球晶的黑十字消光产生明显的影响。落射荧光显微镜研究结果表明,对吸附混合物6个月自然光照射后,红色素发生了明显的光褪色。100℃的蒸制温度对淀粉吸附的红曲红色素结构破坏比较小。