EMR-Lipid dSPE结合气相色谱-串联质谱法同时测定玉米油中218种农药残留

目的 建立一种同时测定玉米油中218种农药残留的快速检测方法。方法 本文采用乙腈提取并经冷冻离心初次除油后用EMR-Lipid dSPE分散固相萃取净化,气相色谱-质谱联用仪（Gas chromatography-triple quadrupole mass spectrometry , GC-MS/MS）多反应监测（multi reaction monitoring , MRM）模式检测,采用基质匹配标准溶液内标法定量。结果 结果表明,218种农药在5~200 ng/mL范围内线性关系良好,相关系数均大于0.995, 在0.05、0.1、0.5 mg/kg 三个添加水平的回收率为65.7%~119.9%, 相对标准偏差(relative standard deviations, RSD)为0.78%~18.10%, 定量限(limits of the quantitation, LOQ)为10~20 μg/kg。结论 该方法前处理简单、高效,灵敏度、准确度和精密度高,能满足玉米油中218种农药多残留的分析要求。     

新《水法》对水利规划实施的保障作用分析

从改革水资源管理体制、强化政府宏观调控 ,完善水利规划体系、强化监督实施 ,形成水利发展机制、完善水法规体系、强化水行政执法等方面分析了新《水法》对水利规划实施的保障作用 ,并提出通过建立稳定的投入保障机制、依靠科技进步来推动水利规划的实施。     

基于小波变换与差分自回归移动平均模型的微博话题热度预测

研究话题热度预测问题对于网络广告传播效应最大化、网络舆论引导与控制等具有重要意义。首先,根据用户关系及话题因素计算用户影响力,进而定义话题影响力。然后,基于老化理论并考虑话题影响力和话题相关微博数定义话题能量值,量化话题热度。最后,提出基于小波变换与差分自回归移动平均模型的微博话题热度预测方法,以此预测话题热度(能量值)及话题能量峰值。实验表明,文中方法可有效预测话题热度及峰值,具有较低的残差和遗漏率。     

无线传感器网络中基于分簇转发的移动sink定位算法

无线传感器网络中,能量漏洞问题引起了很高关注.位于sink节点附近的网络节点因需要转发大量的数据包而过早地耗尽能量,导致网络生命过早的结束.提出一种新的分簇转发网络模型,基于该模型,提出相应的移动sink定位算法(CPSLA),算法根据各簇节点能量的分布情况,不断改变sink位置,有效地避免节点耗能不均,解决了能量漏洞问题.从实验和理论上,验证了该方法的有效性和可行性,比已有的算法有更好的效果.     

对基于小波对比度和LSB逐层隐写方法的分析

基于小波对比度和LSB的逐层隐写方法按图像小块的小波对比度确定可嵌入位平面层数,然后在时空域中逐层对可在该层嵌入信息的小块嵌入秘密信息,具有较大的信息嵌入量和良好的视觉隐蔽性.针对这种隐写方法,本文从图论的角度直观分析了隐写行为,导出两个基于直方因特性的统计量,理论证明了这两个统计量与嵌入率间存在的线性关系和不同的比例关系,并据此提出隐写检测方法.理论分析和实验结果均表明:本文方法不但能检测出秘密信息的存在性,而且可以大致估计出秘密信息嵌入量.本文方法对分析检测其它位平面逐层隐写也有借鉴作用.     

基于密度聚类的增量动态社区发现算法

现实世界中社交网络中的节点和边随时间动态增加或消失,导致网络中的社区结构也随之发生变化,因此,文中提出基于密度聚类的增量动态社区发现算法.首先,基于改进后的DBSCAN生成初始时刻社区.然后,提出边变化率指标,并结合余弦相似度指标确定相邻时刻邻居发生变化的节点及其邻居节点的社区归属调整.在进行社区归属度计算时,不仅考虑节点直接邻居的影响,还考虑间接邻居的影响.最后,通过迭代更新模块度增益进行社区合并,以减少噪声社区的干扰.在人工数据集和真实数据集上的实验表明,文中算法可以有效应对网络结构突变和增量计算累积误差带来的影响,具有较低的时间复杂度.     

一种用于多域对话状态追踪的知识增强与自注意力引导的图神经网络

对话状态追踪是对话系统的重要组成部分,旨在从用户与系统的对话中跟踪用户意图,其通常表示为槽位-槽值对序列.近年来,深度神经网络模型在对话状态追踪问题上取得了较大进展.然而,现有模型在槽位相关性建模方面还存在可拓展性差与易引入噪声等问题.针对上述问题,本文提出了一种知识增强与自注意力引导的图神经网络KESA-GNN(Knowledge-Enhanced&Self-Attention Guided Graph Neural Network).首先,KESA-GNN通过外部知识嵌入增强槽的语义表征提升多头自注意力机制对槽位间相关性的辨别能力.其次,为了精确建模槽位间的诸如共指、共现等相关性,提出了一种自注意力引导的图神经网络建模槽位相关性.该网络采用多头注意力机制获得槽位间的注意力矩阵以及槽位表征,通过Max-N Relation算法获得注意力矩阵中强相关关系集,将稠密的注意力矩阵稀疏化,从而引导图神经网络中强相关槽位间的信息传播,降低无关槽位的噪声影响.最后,KESA-GNN采用门控融合机制过滤槽位多头注意力和图神经网络输出的槽位表征,从而获取更准确的槽位表征向量,进一步提升了KE...     

骨架图引导的级联视网膜血管分割网络

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题,从血管形状拓扑关系利用的角度出发,探索多任务卷积神经网络设计,提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线,能够最大限度地保留血管拓扑结构特征;自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重,有效地将血管拓扑结构特征与血管局部特征相融合,加强血管特征的结构信息响应。为了获得更完整的骨架图,骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比,该方法在3个公共视网膜图像数据集上均获得第一名,在DRIVE,STARE和CHASEDB1中其F1值分别为83.1%,85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好,并且,基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性。      

汽车备件管理指标研究

针对汽车生产企业售后服务备件管理工作,指出建立汽车备件管理指标的意义,并就备件供应满足率、备件及时到达率、备件索赔率、备件抱怨率等汽车备件管理指标的范围与具体内容进行阐述,为系统地建立客观而准确的备件管理评价模型提供参考。