基于谱聚类算法的复杂机械产品模块划分方法

针对复杂机械产品系统维数高、单元数量大所引起的多维度强耦合设计制造难题,提出了一种基于谱聚类算法的模块划分方法.该方法基于功能-流-结构分解法实现了对产品的层次化分解,应用模糊数学定义特征元素之间的相关性,在此基础上构建了基于数值型设计结构矩阵的产品零部件关联关系模型,通过引入谱聚类算法将零部件聚类问题转化为图的最优划...     

聚-ε-赖氨酸降解特性的初步研究

聚-ε-赖氨酸(Poly-ε-Lysine,ε-PL)是由L型赖氨酸通过α-羧基和ε-氨基之间形成酰胺键连接而成的多聚氨基酸,是一种新型的营养型生物防腐剂。实验初步研究了ε-PL的降解特性。结果表明,ε-PL的热稳定性较好,在121℃保存20min,其降解率仅为6%;ε-PL在0.01mol/L盐酸溶液中降解率接近0,在0.01mol/L氢氧化钠溶液中降解率达到75%;相比胃蛋白酶和胰蛋白酶,风味酶和木瓜蛋白酶对ε-PL的降解影响较大;ε-PL的产生菌白色链霉菌能够降解ε-PL。     

基于花粉算法的K均值聚类算法

针对原始花粉算法寻优精度低,后期收敛速度慢等问题,提出加入高斯白噪声扰动改进花粉算法.利用改进后花粉算法强大的全局搜索能力优化K-means算法的初始聚类中心,通过基于距离的方法消弱孤立点对聚类的影响,并对该算法的性能进行验证和测试.实验结果表明该算法有效地避免了其陷入局部最优,改善了聚类性能.     

基于网格和密度的数据流聚类算法

针对数据流的特点,提出了一种新的网格密度结合的GCTS算法.该算法采用双层架构,在线层实现了网格密度参数的自设定,离线层以网格单元的重心为中心点,建立一个最大的子网格,使候选网格中的局部密集区域转化成了密集网格.使用最小生成树的算法生成聚类结果,提高了聚类效果.     

基于扰动因子的准则函数下的聚类算法

针对初始聚类中心的选择对于K-均值算法的聚类结果非常敏感,且容易陷入局部极值的缺点,提出利用蚁群聚类算法来搜寻K-均值的初始聚类中心,同时通过在搜索空间增加一组逐渐递减的服从均匀分布的扰动因子,建立基于扰动因子的准则函数下的聚类算法.最后对蚁群聚类算法、K-均值聚类算法以及改进后的算法做了对比实验.实验结果表明,改进后算法的聚类能力更强.     

离子交换树脂提取发酵液中聚-ε-赖氨酸的研究

对离子交换树脂提取分离发酵液中聚-ε-赖氨酸(ε-PL)的工艺条件进行研究,确立的最佳提取条件为使用弱酸性阳离子交换树脂D152,上柱液pH8.5,以盐酸作为洗脱剂,洗脱剂浓度为0.1mol/L,洗脱速度为1.0mL/min。在优化条件下,ε-PL平均提取得率为82%,产品纯度达到了80%以上。     

利用高效液相色谱仪初步研究聚-ε-赖氨酸的稳定性

利用高效液相色谱仪初步研究了聚-ε-赖氨酸（ε-PL）的稳定性。结果表明ε-PL在pH2～11范围内稳定,抗酸能力强,在磷酸、醋酸、柠檬酸、苹果酸、酒石酸等溶液中稳定;ε-PL的热稳定性极高;在低浓度的还原剂亚硫酸钠溶液中稳定性较好;一定浓度的食品添加剂对ε-PL的稳定性影响不大。ε-PL作为食品防腐剂具有较大的应用潜力。     

天然食品防腐剂ε-聚L-赖氨酸的研究进展

对在日本广泛应用的新型天然食品防腐剂ε-聚L-赖氨酸的研究历史及现状进行了全面综述.内容涉及ε-聚L-赖氨酸的生产菌种特性、抑菌机制、测定方法、毒性研究、发酵生产、分离纯化、在食品中的应用等方面.     

ε-聚L-赖氨酸的研究现状和应用前景

ε-聚L-赖氨酸作为一种新型的天然营养防腐剂,由于具有良好的热稳定性、高安全性、抑菌谱广,高效杀菌性和应用范围广等特性,近年来一直是国内外学者的研究热点。文章主要具体从其生物学性质、微生物生产方法、检测方法和在食品工业中的应用等方面作简要阐述。     

ε-聚-L-赖氨酸样品的成分分析

ε-聚-L-赖氨酸(ε-PL)样品由本研究室制得,对样品灰分的分析结果表明灰分含量均符合日本和韩国的ε-PL产品标准,检测的金属中Ca和Mg的含量最高,阴离子Cl-、PO43-、SO42-的含量分别为0.34%、1.39%和0.13%,NO3-未检出。对样品的分析结果表明Pb和As含量均低于日本、韩国标准的上限;样品中还原糖和多糖总量少于0.4%。对样品的HPLC分析结果证明样品中只含有一种ε-PL组分,但其存在形式有所不同。ε-PL样品成分分析将为其产品标准的建立提供基础数据。     

基于谱聚类胶囊网络的文本分类方法

传统胶囊网络(CapsNet)在计算时使用的动态路由算法需要多次迭代,针对这一问题,文章提出一种基于谱聚类的胶囊网络模型(Spectral Clustering Capsule Network,SC-Caps)并将其应用于文本分类任务.这种模型首先使用卷积层对文本进行特征提取,在初级胶囊层将提取的标量特征转化为向量特征,再利用谱聚类算法将高维的向量特征转化为较低维的子向量特征,并在卷积胶囊层学习局部与全局之间的关系映射.在搜狗语料库SougoCA进行实验,结果与LSTM、C-LSTM以及采用其他路由方法的胶囊网络进行比较,证明该算法有效提高了文本分类的分类效果.     

基于K-means聚类算法和BP神经网络的稻米品种鉴别

BP神经网络是利用误差逆向传播训练的前馈网络,具有自适应、实时学习的特点,在分类中广泛应用。但当样本类别过多,BP神经网络的分类精度显著降低。基于此,本研究提出了一种K-means聚类算法和BP神经网络相结合的方法作稻米品种鉴别。利用图像处理方法提取出11种稻米样品的灰度平均值、长宽比和圆形度三项特征参数,利用K-means聚类算法对所得数据进行聚类,聚类的结果作为BP神经网络的输入,训练得到分类器。实验结果表明,这种算法的分类效果要优于单一使用BP神经网络和K-means算法,且分类准确率达到80%,可见本实验的方法用于稻米品种鉴别是可行的。     

具有回路约束的有序样品的聚类方法

本文研究了具有回路约束的有序样品的聚类方法,该法可以在计算机上实现,并给出了两个计算实例。     

ε-聚L-赖氨酸生产菌株的选育

通过在分离培养基中加入170mg/LK2Cr2O7,0.002%亚甲基蓝可快速从土壤中富集产碱菌株,利用Dragendorff面试剂与生物碱特有的颜色反应从产碱菌株中筛选生物碱产生株,对产生物碱的菌株的发酵液提取物进行结构分析,确定ε-聚L-赖氨酸产生茵株.     

基于电子商务网站的改进聚类算法的应用研究

运用图的孤立点的概念,对传统Rock算法进行了改进,提出了电子商务网站由算法本身自动生成适合的聚类集的方法,并给出了该算法的具体实现,以及与传统Rock算法的对比与分析.实验数据表明,采用Roc改进算法进行聚类要比采用传统的Rock算法具有更好的实际价值.     

基于Web日志的数据挖掘聚类算法研究及应用

针对FCM算法主要应用于点数据聚类,不能直接处理关系型数据的缺点。本文提出了一种基于Web日志的数据挖掘聚类算法,首先对FCM算法进行改进使其能够处理关系型数据,并对算法进行了健壮性改进。然后针对传统FCM算法需要在没有先验知识的基础上,事先确定聚类类别数的缺点,引入了竞争凝聚算法（CA）,与FCM算法相结合,形成了CAFCM算法,使之能够自动确定最佳分类类别数。实验表明,CA-FCM算法的挖掘结果与FCM算法的结果相近,在用户访问会话数量不太大时性能优于FCM算法。     

ε-聚-L-赖氨酸对酿酒酵母抑菌机制的初步研究

ε-聚-L-赖氨酸(ε-Poly-L-lysine,ε-PL)是一种具有广谱抑菌性的聚阳离子多肽,目前已作为生物防腐剂广泛应用。为了进一步揭示ε-PL抑菌机理,本文以酿酒酵母作为模式菌株,确定了ε-PL作用下酿酒酵母的剂量响应曲线、致死率、活力,以及ε-PL细胞膜穿透活性和其对酵母细胞表面疏水性的影响;研究了二价阳离子对ε-PL抑菌活性的影响;利用扫描电子显微镜观察了酵母细胞形态在ε-PL作用下的变化。结果表明:ε-PL对酿酒酵母的抑菌活性依赖于其作用浓度的高低,当ε-PL浓度达到500μg/m L时可将酵母细胞致死;此外,ε-PL能够提高酵母细胞膜通透性和疏水性;同时,ε-PL抑菌活性会受到二价阳离子的影响;基于上述实验结果和扫描电子显微镜观察发现ε-PL可能通过毡毯模型中描述的作用模式将酵母细胞杀死。     

一种基于OPTICS聚类的流量分类算法

提出了一种适合在线实时分类并避免过多人为因素干扰的流量分类方法.该方案早期采用DPI技术识别信息流的业务类型,作为后期聚类算法的指导和基准;借鉴OPTICS聚类算法思想,用数据点的个数来衡量稠密度,完成信息流的聚类,可有针对性地为用户提供服务.     

基于k-means聚类算法和BP神经网络的物资消耗预测模型的构建与测试

根据后勤保障工作的实践特点，提出了采用数据挖掘与神经网络技术相结合的办法建立数学模型的思路，实现了精确预测的tfl的。使用k-means聚类算法来产生模糊变量的基本状态的隶属函数，且划分输入数据的模糊空间，利用以往任务的数据来训练神经网络，调制模糊规则隶属的参量，实现规则隶属度和输入属性之间的映射关系。     

基于加窗策略聚类算法的主题追踪系统

使用加窗策略的聚类算法设计和实现了一个新闻主题追踪系统。实验结果表明了系统的有效性。主题追踪准确率达到87．42％，系统响应时间为未采用加窗策略前的20％。该系统符合在线新闻主题追踪的实用要求。