基于PCA及属性距离和的孤立点检测算法

提出了一种基于主分量分析和属性距离和的孤立点检测算法。该方法首先通过主分量分析方法从众多属性中提取出满足累计贡献率的主分量,同时利用PCA变换矩阵把原始数据集转换到由主分量组成的新的特征空间上,之后对转换后的数据集用属性距离和的方法对孤立点进行检测。实验结果证明了基于主分量分析和属性距离和的孤立点检测算法的有效性。     

红甜菜果醋生产工艺的研究

以红甜菜为原料进行酒精发酵和醋酸发酵酿制果醋。试验结果表明:红甜菜榨汁最适的加水比例为1∶2;酒精发酵最适条件为酵母菌接种量8%、发酵温度30℃、发酵时间5天;醋酸发酵最适条件为醋酸菌接种量8%、发酵时间3天、发酵温度32℃;果胶酶添加量为400mg/L时,果醋澄清效果最佳,透光率为86.78%。     

一种基于广度优先搜索的K-means初始化算法

K-means算法是在现实应用中非常广泛的聚类算法,K-means算法对初始中心的选择非常敏感,对已存在的有代表性的初始算法进行了研究,提出了一种基于广度优先搜索的K-means初始化算法。该算法综合考虑了密度与距离因素,选择初始点。分析表明该算法选择的初始点非常接近期望的中心点。     

基于RDFS的本体集成方法

现实中的数据源一般具有半结构化、异构性和分布性等特点,而许多应用需要对不同的相关数据源进行联合操作。本体集成是解决知识共享、异构数据源语义互操作的有力工具。首先分析了本体集成的原因,提出了本体集成时应遵循的4条基本原则;然后提出了一种基于RDFS图闭包的本体集成方法,该方法将RDFS本体抽象为图模型,根据RDFS推理规则和扩展规则生成RDFS本体的图闭包,在此基础上进行本体集成,同时提出了几种计算实体间相似度的方法。最后,将该方法与FCA-merge和COMA++进行实验对比。     

亚铁离子荧光探针研究进展

铁作为生物体内最丰富的过渡金属元素，与生命体的新陈代谢息息相关，而且铁元素主要以亚铁离子(Fe²⁺)的形式存在于细胞内。体内Fe²⁺含量的失调与贫血症、癌症和心血管疾病等多种病症的发生和发展有着直接的联系。因此，监测生命体内Fe²⁺的浓度是评估人体健康状况的重要手段。在诸多Fe²⁺的检测方法中，荧光检测法因操作快速、简便并可用于体内/体外实时监测等最具发展前景。然而，在荧光检测法中探针的设计与筛选至关重要。传统的荧光探针面临的最大问题是特异性，即对Fe²⁺的响应常常会受到其他金属离子(如钙离子、镁离子和钾离子等)的干扰。因此，为了适用于监测生物系统中Fe²⁺浓度，设计出特异性强、光稳定性好、灵敏度高、检测限低和生物相容性优良的荧光探针具有重要的意义。现阶段，Fe²⁺荧光探针主要分为两大类：有机小分子和纳米材料，其机理主要可分为三种：(1)还原N-O类化合物；(2)与Fe²⁺螯合；(3)利用Fe²⁺     

基于全息图平稳分布因子的离群点检测算法

使用传统的基于图的方法进行离群点检测构造转移概率矩阵需要使用数据的整体分布，容易忽略数据的局部信息，导致检测精度低，而使用数据的局部信息可能导致“悬空链接”的问题。针对这些问题，提出一个基于全息图平稳分布因子的离群点检测算法（HSDFOD）。首先，使用相似度矩阵自适应地获取每个数据点的邻居集合构造一个局部信息图；然后，引入最小生成树构造一个全局信息图；最后，利用局部信息图和全局信息图融合为一个全息图构造转移概率矩阵进行马尔可夫随机游走，并通过生成的平稳分布检测离群点。在人工数据集A1～A4上，HSDFOD的精确率均高于SOD(Outlier Detection in axis-parallel Subspaces of high dimensional data）、SUOD(accelerating large-Scale Unsupervised heterogeneous Outlier Detection）、IForest (Isolation Forest）和HBOS (Histogram-Based Outlier Score）；曲线下面积（AUC）整体上也优于这4个对比算法...