夏秋红茶的再加工与冷泡茶制备研究

目的 探索利用夏秋红茶再加工制作冷泡茶的可行性和最佳工艺条件。方法 利用纤维素酶处理夏秋红茶,通过单因素实验和正交实验筛选最佳酶解条件,测定处理前后红茶中主要化学成分和挥发性风味物质变化,并对其冷泡性能进行评价。结果 优化获得了夏秋红茶再加工的工艺条件为:纤维素酶添加量为1.2 kU/g,料液比为5:8(g:mL),处理时间为24h,处理温度为25℃。纤维素酶加工后茶叶中的主要滋味物质和风味物质含量以及冷泡性能等品质指标均有所提高。冷泡茶汤中的可溶性总糖含量由4.33%升高至9.35%,水浸出物含量由26.64%升高至35.73%。在挥发性风味物质方面,加工后茶叶中苯甲醇(芳香、果香)、苯乙醇(玫瑰花香、蜜香)和水杨酸甲酯(清香、花香)等特征香气物质的相对含量升高。冷泡性能方面,加工后的红茶水浸出物冷泡溶出大幅增加和可溶性总糖则可完全冷泡溶出,产品适于冷泡饮用。结论 本研究通过纤维素酶再加工提升夏秋红茶品质,制备冷泡茶,不仅能实现夏秋茶资源的充分利用,也为冷泡茶的生产提供了稳定的原料供应。     

模糊特征的top-k平均效用co-location模式挖掘

空间并置(co-location)模式是指在空间邻域内空间特征的实例频繁地出现在一起所形成的非空特征子集.人们已经对确定数据和不确定数据的top-k空间co-location模式挖掘进行了相关研究,但是针对模糊特征的top-k平均效用co-location模式挖掘的研究还没有.提出模糊特征的top-k平均效用co-lo...     

基于PPMI的异质属性网络嵌入

属性网络嵌入旨在映射网络中的节点和链接关系到低维空间,同时保留其固有的结构和属性特征.异质属性网络中多种类型的节点和链接关系给网络嵌入学习提供了丰富的辅助信息,同时也带来了新的挑战.提出异质属性网络嵌入模型(heterogeneous attribute network embedding based on the PPMI, HANEP),旨在将网络中多种类型的节点和(或)多种类型的链接关系映射到低维、紧凑的空间,同时保护节点的属性特征和不同类型对象之间的异质链接承载的复杂、多样且丰富的语义信息.HANEP模型首先基于样本属性的相似性构建属性图、依据元路径抽取异质属性网络的拓扑结构,然后通过随机冲浪获得属性和拓扑概率共现(probabilistic co-occurrence, PCO)矩阵,并计算其正点对互信息(positive point-wise mutual information, PPMI),进而采用多个自编码器(auto-encoder, AE)捕捉节点属性和异质链接的本质信息.元路径可以捕捉异质网络中多种类型节点间的链接关系,构建属性图可以清晰描述节点属性的非线性流行...     

铀矿地浸井场自动巡回检测装置的研制与应用

研制了用于铀矿地浸井场集控室多路生产井浸出液取样和铀浓度、pH、ORP等参数测量的自动巡回检测装置。该装置在内蒙某铀矿山酸法地浸井场的现场试验表明,整套装置运行稳定,可实现自动取样和测量,测量结果符合要求。     

学做一体是会计实务教学的必然选择

以分析现行会计实务教学模式存在的主要问题为起点,提出了学做一体的会计实务教学新模式。     

中国新疆对吉尔吉斯斯坦贸易的国家风险分析

新疆是中国未来经济可持续增长的重要支点，是中国向西开放的重要门户。吉尔吉斯斯坦是新疆的重要贸易伙伴之一，是中亚市场的重要组成部分。随着新疆改革开放的深化和吉尔吉斯斯坦国民经济的发展，中吉双方的共同利益和共同需求进一步扩大，经贸合作的空间不断拓展，双方交流和合作取得了积极成果。面对旧政局不稳定、新政府刚刚形成、社会动荡的吉尔吉斯斯坦，分析新疆对吉尔吉斯斯坦贸易的现状与特征，评价吉尔吉斯斯坦因社会动荡、经济落后、贸易政策不完善而引起的国家风险，研究防范吉尔吉斯斯坦国家风险具有重要的现实意义。     

异质信息网络的复杂条件社区搜索

社区是信息网络的重要属性, 社区搜索旨在寻找满足用户给定条件的节点集合, 是信息网络分析的重要研究内容. 异质信息网络由于包含更加全面、丰富的结构和语义信息, 所以异质信息网络的社区搜索近年来受到人们的广泛关注. 针对现有异质信息网络的社区搜索方法难以满足复杂条件社区搜索要求的不足, 定义了复杂条件社区搜索问题, 提出了考虑非对称元路径、受限元路径和禁止节点约束的搜索算法. 3种算法分别通过元路径补全策略、调整带标签的批量搜索策略和拆分复杂搜索条件的方式搜索社区, 同时针对禁止节点约束的搜索算法设计了基于剪枝策略和近似策略的优化算法以提高搜索效率. 在真实数据集上进行了大量实验, 实验结果证明了所提算法的有效性和高效性.     

异质信息网络中基于网络嵌入的影响力最大化

针对当前大部分影响力最大化算法忽略了异质信息网络包含多种节点类型和多种关系类型,且不同类型节点在原始空间无法直接度量的问题,提出了一种异质信息网络中基于网络嵌入的影响力最大化模型（influence maximization based on network embedding,IMNE）,用于选择初始扩散节点实现影响力最大化。该模型不仅可以在对异质信息网络进行编码的同时表征异质信息网络中潜在的信息,还可以捕获不同类型节点间影响力的不确定和复杂性。在3个真实数据集上的实验验证了IMNE算法的有效性。     

人体实体运动的自动检测

将人体运动系统视为由19个关节相连的实体构成的刚性框架系统,人体的连续运动就可用这19个表示人体运动的实体角随时间变化的曲线组表示。在被测人体的关节处粘贴图形彩色标记,根据人体运动的普遍规律,人体的运动是受约束的,所以可由计算机软件自动识别出人体各个实体在每幅图像画面中的实体角,得到人体连续运动动作的定量数据。     

基于聚类的超链路预测

超链路预测是利用已观测到网络的特性来复现网络中缺失的链路。现有的超链路预测算法通常利用整个网络来进行预测,预测结果会遗漏训练样本数据较少的链路类别,导致预测种类不够全面。为了解决这个问题,提出了基于聚类的超链路预测算法C-CMM,首先对数据集进行聚类分簇,进而对每一个簇建立模型进行超链路预测。所提算法能够充分利用各个簇的观察样本所蕴含的信息,扩大预测结果覆盖的类别。在三个真实数据集上的实验结果表明,C-CMM和多个先进的链路预测算法相比具有更高的预测精度和效率,同时其预测覆盖种类也更加全面。