BP神经网络结合变量选择方法在牛奶蛋白质含量检测中的应用北大核心CSCD

牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛奶蛋白质含量预测的可行性。本文提出一种基于竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)结合多层前馈神经网络(back propagation, BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对象,利用可见光/近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过实验对比选择采用标准化方法对获取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长,得到18个特征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试集决定系数R;和R;分别达到0.971和0.968,训练集均方根误差(root mean square error of calibration,RMSEC)和测试集均方根误差(root mean square error of prediction,RMSEP)达到了0.033和0.034。研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层前馈神经网络模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS-SPA-BP模型的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归(partial least squares regression, PLSR)进行建模,实验结果表明,CARS-SPA-BP相较于PLSR,R;和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。     

抵抗SPA攻击的分段Montgomery标量乘算法

基于Akishita在Montgomery形式椭圆曲线上计算双标量乘kP+lQ的思想,提出了一种计算三标量乘kP+lQ+tR的新算法,使运算量减少了约23%。在上述算法基础上提出一种椭圆曲线上分段计算标量乘bP的方法,通过预计算少量点,将计算bP转化为计算kP+lQ或kP+lQ+tR,并使用边信道原子化的方法使其可以抵抗简单能量分析(SPA)攻击。最后使用Magma在二进制域上对分段算法仿真,结果显示二分段算法计算速度最快,三分段算法其次,在效率上均比原始Montgomery算法提升很大。     

过磷酸（SPA）可用作柏木烯乙酰化作用的催化剂

本文论述经实验和四年多出产实践证明 ,过磷酸 (SPA)可用作柏木烯乙酰化作用的催化剂。在甲基柏木酮(MCK)合成工艺中 ,与多聚磷酸 (PPA)催化剂相比 ,过磷酸有直接使用和方便之优点 ,并能改善劳动条件 ,而且过磷酸催化剂的成本略低于多聚磷酸催化剂     

信息流格模型的非法流分析

随着互联网的发展以及网络空间地位的上升,信息的重要性与日俱增。为确保信息安全,对非法信息流的控制显得尤为重要。文中分析了信息流格模型中信息流动的安全性,为更好地对模型内部的信息流进行分类,首先,对信息流格模型进行线性化分析,使得模型被线性化表述,并将其称为线性信息流格模型。接着,引入马尔科夫链,并利用马尔科夫链的常返态属性和瞬时态属性的概率变化,来量化表示模型中主体和客体之间的转换状态,从而检测出模型内部的各个信息流。进一步地,根据模型内部的主体和客体分别对应的常返态与瞬时态的概率对比,分析每个信息流的安全状态,即:当模型检测中同时出现两个常返态时,违反了安全模型,从而导致非法信息流的出现。由于概率变化存在同一性,该方法会产生误差并影响其检测结果。为弥补这一不足,介绍了SPA语言,然后对线性信息流格模型进行了SPA语言的描述,并采用形式化中的无干扰方法对马尔科夫链模型内概率同一性的不足进行补充说明。最后,检测出其中隐藏的非法信息流,判断出含误差下各个信息流的安全状态,并得出结论:符合安全模型但违反安全策略的信息流不满足无干扰属性。这对信息流安全检测软件的设计及硬件应用具有重要意义。     

Application of near infrared spectroscopy for the rapid determination of antioxidant activity of bamboo leaf extract

This study was carried out to evaluate the feasibility of using near infrared (NIR) spectroscopy for determining three antioxidant activity indices of the extract of bamboo leaves (EBL), specifically 2,2-diphenyl-1-picrylhydrazyl (DPPH), ferric reducing/antioxidant power (FRAP), and 2,2′-azinobis-(3-ethylbenz-thiazoline-6-sulfonic acid) (ABTS). Four different linear and nonlinear regressions tools (i.e. partial least squares (PLS), multiple linear regression (MLR), back-propagation artificial neural network (BP-ANN), and least squares support vector machine (LS-SVM)) were systemically studied and compared in developing the model. Variable selection was first time considered in applying the NIR spectroscopic technique for the determination of antioxidant activity of food or agricultural products. On the basis of these selected optimum wavelengths, the established MLR calibration models provided the coefficients of correlation with a prediction (r_pre) of 0.863, 0.910, and 0.966 for DPPH, FARP, and ABTS determinations, respectively. The overall results of this study revealed the potential for use of NIR spectroscopy as an objective and non-destructive method to inspect the antioxidant activity of EBL.     

基于近红外高光谱成像快速无损检测注胶肉研究

采用近红外高光谱成像技术结合化学计量学方法建立注胶肉的快速无损检测模型。首先通过近红外高光谱成像系统获取含有不同浓度梯度卡拉胶的猪里脊肉高光谱图像,然后提取图像中的光谱数据,使用偏最小二乘法(Partial least square,PLS)探究光谱信息与不同掺假比例卡拉胶之间的定量关系。结果表明全波段光谱(900~1700 nm)所构建的PLS校正集模型均方根误差(Root mean square error,RMSE)为1.74%,预测模型RMSE为3.16%。表明基于全波段所建立的PLS模型具有较优的预测性能。利用连续投影算法(Successive projection algorithm,SPA)筛选获得11个特征波长,并优化全波长PLS模型,将预测集样品带入,以验证模型的预测效果,结果表明SPA算法结合PLS建模方法所建立的模型预测效果更优,预测集相关系数(R_P)为0.93,均方根误差(Root mean square error of prediction,RMSEP)为3.51%,预测偏差(Residual predictive deviation,RPD)为2.66。试验表明利用高光谱成像技术可实现对注胶猪肉的快速无损检测。     

基于能量分析技术的芯片后门指令分析方法

芯片后门指令是激活硬件木马的典型方式之一,其安全风险高,影响范围广,且难于检测.本文提出了一种基于能量分析的后门指令检测方法,通过对指令分段穷举、并分别采集其能量信息,可有效区分常规指令和后门指令.实验表明,通过简单能量分析即可从能量迹中直接判定出后门指令.进一步,本文提出了一种自动化识别后门指令的相关能量分析方法,通过判断其相关系数与系数均值之间的关系,可高效、自动地完成后门指令分析.     

对智能卡进行简易功率分析攻击的方法研究

详细地阐述了对通用密码系统实施简易功耗分析攻击(SPA)的理论基础和对DES算法攻击的特定理论，并提出了对SPA的改进算法。最后，论文讨论了预防功率分析攻击的潜在对策。