排序方式: 共有139条查询结果,搜索用时 15 毫秒
1.
局部敏感哈希LSH算法是有效的高维数据索引方法,如何生成哈希函数是算法的关键部分。LSH算法的哈希函数是基于p-稳态分布随机生成的,为了提高算法性能就需要增加哈希表的数量,但这会增加算法的空间复杂度。改进后的LSH算法(I-LSH)在生成哈希函数时不需要有标记的训练样本,而是仅仅利用数据点的分布信息构造投影方向。实验结果表明,在不显著降低检索性能的情况下,ILSH有效地降低了内存的使用量,适合处理大规模数据。 相似文献
2.
介绍了高频串联替代法二厘米微波衰减检定装置的组成、测量原理,对该检定装置的不确定度进行了分析评定,计算出10dB-50dB各量程点的不确定度分量、合成标准不确定度、有效自由度和扩展不确定度。 相似文献
3.
PDMDAAC合成工艺研究进展 总被引:5,自引:3,他引:2
对聚二甲基二烯丙基氯化铵(简称PDMDAAC)合成工艺研究进展进行了综述。在系统介绍PDMDAAC合成方式的基础上,以应用最为广泛的水溶液聚合法为主线,详细介绍了其国内外研究工作的发展历史与现状及代表性工艺。归纳讨论了在聚合反应过程中影响产物相对分子质量大小(以特征黏度计)的诸因素,如:单体所含杂质种类及质量分数、引发剂种类、聚合工艺条件等。最后,对PDMDAAC合成工艺研究及相关工作的前景作了展望。引用文献48篇。 相似文献
4.
内蒙古不同地区、不同畜种乳及乳制品中乳杆菌属细菌的分布 总被引:2,自引:1,他引:2
对采集呼伦贝尔市、巴彦淖尔盟及阿拉善盟牧民家庭的各类乳及乳制品样品中的乳酸杆菌进行了分离鉴定,以研究内蒙古不同地区、不同畜种乳样中乳酸菌的种类及分布情况:结果表明,不同地区、不同畜种乳样中乳酸杆菌的分布是有差异的,呼伦贝尔市以鼠李糖乳杆菌(24.1%)、戊糖乳杆菌(17.2%)、植物乳杆菌(13.8%)占优势;巴彦淖尔盟以植物乳杆菌(62.5%)、干酪乳杆菌(7.5%)和瑞士乳杆菌(7.5%)占优势;阿拉善盟以干酪乳杆菌(31.2%)和植物乳杆菌(25%)占优势。3个地区共有的菌株类型为植物乳杆菌、干酪乳杆菌和弯曲乳杆菌。在内蒙古传统乳制品中,植物乳杆菌占绝对优势,占分离菌数的38.8%,其次是干酪乳杆菌、鼠李糖乳杆菌等。 相似文献
5.
为了辅助销售管理者充分利用已有的历史销售数据,快速直观地捕获敏感数据,及时准确地把握市场行情,研究了以数据仓库为分析平台,根据销售数据具有的地理特征,结合Google提供的Google Maps API(Application Program Interface),将OLAP(Online Analytical Processing)的分析操作映射到地图具有的交互操作上的可视化分析系统。并基于实际案例着重设计并优化了数据仓库架构,为系统应用开发奠定了良好的基础。实践证明,系统有效提高了销售管理部门的统筹决策的效率及能力,为企业创造了更大的经济效益。 相似文献
6.
7.
双亚基腈水合酶是催化丙烯腈水合生产丙烯酰胺的重要工业酶。通过Discovery Studio 2.5软件对C-末端盐桥耦合定点突变改造的耐热型基因重组腈水合酶NHaseM-TH-SBM(S344K-S346K-L347E-N362S-435DT436(+))进行盐桥网络分析,发现其全局盐桥总数有所下降,但双亚基界面间盐桥数量提高到7个。在重组大肠杆菌中表达了原腈水合酶NHaseM-TH(TH)、盐桥突变酶NHaseM-TH-SB(SB)和盐桥耦合定点突变的重组酶NHaseM-TH-SBM(SBM),研究了3种酶的催化反应动力学和失活动力学。结果表明,SBM的腈水合酶活性为543.9 U·mg-1,比TH提高了31.0%;其米氏方程催化速率常数Kcat比TH提高了20%。SBM的表观失活常数KD在25~42℃范围内均明显低于对照TH,在42℃时为TH的68.0%,显示了良好的热稳定性。SBM是活性和稳定性同时提高的重组腈水合酶。 相似文献
8.
物联网中RFID技术的应用非常广泛,但是RFID系统的安全性却存在着很大隐患。在RFID系统中标签与读写器间的通信信道是最易受到攻击,传输数据的完整性与保密性得不到保障,因而需要加强RFID系统通信的安全机制。考虑到RFID系统的硬件条件与成本限制,需要建立一个适合RFID系统的安全认证协议,来解决在RFID系统中信息传输所遇到的安全问题。PRESENT算法是轻量级的分组加密算法,将PRESENT结合到RFID系统的安全认证协议中,形成了新的RFID安全认证协议PRSA(PRESENT based RFID security authentication)。此协议可以增强RFID系统的安全性而又不会占用过多的硬件资源,从而能够适用于低成本的RFID系统的通信安全。 相似文献
9.
为实现目标域样本能够与源域中同类样本准确对齐,并在保证样本准确识别率的条件下进一步提高不同类别样本特征间的可区分性,提出了一种带有类间差异约束的域适应模型。首先,该模型采用深度卷积神经网络对源域样本进行了有监督学习,并在训练过程中基于提出的类间差异测量函数对源域样本特征加以类间差异性约束;其次,该模型采用了多对抗域鉴别网络结构,其中提出了一种目标域样本伪标签计算方法,从而将无标签的样本指定到合理的域鉴别网络进行训练;最后,通过最小化分类损失与最大化域鉴别损失,获得最优特征提取器与特征分类器。实验结果表明,对于4种数据集,提出的模型在目标域上平均识别准确率可以达到0.860,同类间的平均距离、不同类间的平均距离、目标域中样本错误识别率相对于改进前分别降低0.003,提升0.065,降低0.025,从而验证了提出模型的性能得到了明显提升。 相似文献
10.