40%肟菌酯·咪鲜胺水乳剂高效液相色谱分析

[目的]建立液相色谱法测定40%肟菌酯·咪鲜胺水乳剂的定量分析方法。[方法]以甲醇-乙腈-水(体积比为31:38:31)为流动相，使用C18色谱柱，流量为0.9 mL/min，柱温为25℃，选择230 nm波长检测。[结果]咪鲜胺和肟菌酯的相关系数分别为0.9996和0.9991，相对标准偏差均为0.3%，样品平均回收率分别为100.3%和99.79%。[结论]此方法快捷简便易操作，准确度和精密度高，线性关系良好。     

优化变分模态分解与集成机器学习的风力机滚动轴承故障分类研究

针对滚动轴承振动信号特征提取及故障分类困难这一问题，提出了一种基于鲸鱼算法(WOA)的滚动轴承特征信号提取与极限梯度提升的机器学习方法。以模态信号包络熵最小为适应度函数，对变分模态分解(VMD)层数和惩罚因子进行寻优处理。根据所得最佳分解参数对原始信号模态分解，得到各模态分量并根据能量波动法进行特征信号的筛选，最后根据模态分量建立极限梯度提升学习模型。对四类信号进行学习训练和故障分类。结果表明：WOA-VMD与XGBoost结合可以有效降低信号噪声，得到轴承的故障特征，并能够有效的识别出故障类型。     

融合知识的多视图属性网络异常检测模型

属性网络异常检测在网络安全、电子商务和金融交易等领域中具有重要的理论与现实意义,近年来受到了越来越多的关注.大多数异常检测方法凭借网络有限的属性或结构信息进行决策生成,往往难以对异常模式做出可靠的描述.此外,网络节点对应的实体往往关联着丰富的领域知识,这些知识对于异常的识别具有重要的潜在价值.针对上述情况,提出一种融合知识的多视图网络异常检测模型,在多视图学习模式下通过数据与知识的互补融合实现了对异常节点的有效识别.首先,使用TransR模型由领域知识图谱抽取知识向量表示,并借助输入网络的拓扑关系构造其孪生网络.接着,在多视图学习框架下构建属性编码器和知识编码器,分别将属性网络及其孪生网络嵌入到各自的表示空间,并聚合为统一网络表示.最后,综合不同维度上的重构误差进行节点异常分数评价,从而识别网络中的异常节点.在真实网络数据集上的对比实验表明,提出的模型能够实现对领域知识的有效融合,并获得优于基线方法的异常检测性能.     

针对未成年人互联网视听节目分级管理的必要性探讨

本文从当前我国互联网视听节目现状入手,着重分析了当前互联网视听节目存在的问题,列举了国外互联网音视频分级的实现技术手段,指出当前我国互联网视听节目分级管理的必要性。