也黄中活性成分的提取及抑菌实验研究

利用4种不同极性溶剂（石油醚、氯仿、乙酸乙酯、正丁醇）浸泡地黄,对地黄不同极性段成分进行提取,得到不同极性段成分的各种浸膏。通过硅胶柱层析对浸膏进行分离浓缩,用纸碟法研究其不同极性段成分的抗菌活性,实验结果表明,氯仿浸膏60％石油醚一40％氯仿洗脱液、20％石油醚一80％氯仿洗脱液,乙酸乙酯浸膏,正丁醇浸膏等对大肠杆菌、金色葡萄球菌、枯草杆菌等有较好的抑菌活性。     

浅议互联网信息搜索技术的发展

文章简要地介绍了互联网信息搜索技术产生、发展以及信息搜索技术的分类,详细的介绍了元搜索引擎技术的基本原理和基本构成.     

硫脲壳聚糖/蒙脱土纳米中间体的合成及其对大肠杆菌抑菌性能的研究

通过插层技术合成了硫脲壳聚糖/蒙脱土(Cts-TU/MMT)纳米中间体,利用XRD和FT-IR对合成的硫脲壳聚糖/蒙脱土纳米中间体进行了表征,结果表明硫脲壳聚糖已经进入了蒙脱土层间,其层间距达到3.529nm;通过抑菌动力学实验评价了硫脲壳聚糖/蒙脱土纳米中间体对大肠杆菌的抑菌性能,预示了其在生物医药领域的潜在应用性。     

静态型电流电压时间继电器技术特性分析

对静态型电流电压时间继电器的技术特性进行了分析,并对静态型继电器的实际应用和发展趋势提出了作者的个人观点和看法。     

心理词汇提取模型与英语专业精读课词汇教学

英语专业精读课教学的瓶颈问题之一是词汇教学。学生主体性框架下的课堂教学组织,要求教师能够从学生认知的角度出发,探究词汇提取的模式和规律,实现教学设计的最优化。本文通过心理词汇提取模型及其特征的分析和讨论,结合精读课词汇教学实践,分析不同模式对词汇引申教学和词根、词缀教学实践的启示和指导作用,并进一步论述了词根与词缀在大脑中存储的心理现实性。     

非饱和带轻非水相液体污染研究进展

通过对近年来轻非水相液体在非饱和带的污染机理、毛细压力-饱和度-相对渗透系数关系以及数学模 拟的分析,总结了在三相流模拟过程中主要参数及物理过程的研究方法以及近年来研究非饱和带轻非水相液体 污染的各种数学模型,论述了各种方法的优点和不足,提出需进一步研究解决滞后现象对油分布的影响;三相同 时流动时气相对其他两相的影响;非等温条件下轻非水相液体进入包气带的污染迁移机理;开展原位实验研究 复杂条件下的轻非水相液体污染迁移问题。     

基于SVM概率输出与证据理论的多分类方法

单一技术无法有效解决多类分类问题。为此,提出一种基于一对多支持向量机(SVM)的基本概率分配输出方法,并与置信最大熵模型的D-S证据组合方法结合,给出基于SVM概率输出和证据理论的多分类模型。在3种UCI标准数据集上的仿真结果表明,该方法的分类精度优于传统的一对多和一对一硬输出方法,是一种有效的多类分类方法。     

基于一维距离像的弹道中段目标特征提取

针对目标的HRRP投影长度提取不精确的问题,首先研究了中段目标的进动特性及其一维距离像在不同雷达视线角下的变化规律,提出了一种基于差分算法的目标投影长度提取方法.该方法利用了目标一维距离像散射中心的峰值效应,使处理后的一维距离像只会在散射中心处出现震荡效应,以此准确提取散射中心,克服了传统长度提取方法在散射中心周围重复搜索造成的误差.在此基础上,分析了目标投影长度随进动的变化规律,提出了一种进动角和目标真实长度提取方法.仿真实验表明以上方法具有很好的提取精度.     

基于改进磷虾群算法的SVDD参数优化

支持向量数据描述（SVDD）是构造单类数据描述的分类算法,惩罚参数[C]和核参数[σ]作为影响SVDD分类效果的关键,其合理选取一直是个难点。针对这一问题,提出了一种基于改进磷虾群算法的SVDD参数优化算法（IKH-SVDD）。依据仿真实验,分析参数[C]和[σ]对描述边界的影响;引入磷虾群算法并分析其优劣,通过在随机扩散行为中定义扰动因子,增强算法的全局搜索能力;将一种新的精英选择和保留策略引入迭代过程,提高算法的收敛精度;将改进的磷虾群算法引入SVDD参数优化过程,构建了IKH-SVDD参数优化模型。基于UCI标准数据库进行实验并与其他几种参数优化算法进行比较,结果表明了IKH-SVDD算法具有更高的分类准确性。     

结合Rotation Forest和MultiBoost的SVM集成方法

针对如何提高集成学习的性能,提出一种结合Rotation Forest和Multil3oost的集成学习方法—利用Rotation Forest中旋转变换的思想对原始数据集进行变换,旨在增加分类器间的差异度;利用Mu1tiI3oost在变换后的数据集上训练基分类器,旨在提高基分类器的准确度。最后用简单的多数投票法融合各基分类器的决策结果,将其作为集成分类器的输出。为了验证该方法的有效性,在公共数据集UCI上进行了实验,结果显示,该方法可获得较高的分类精度。