亚临界水萃取马兰挥发油及其抑菌活性的研究

以马兰挥发油提取得率为指标,通过单因素和正交试验,考察亚临界水萃取马兰挥发油的最佳实验条件,优选出马兰挥发油的亚临界水萃取工艺参数,并对马兰挥发油的抑菌活性进行研究。结果表明,当提取压力为5.0 MPa、提取温度160℃、水料比20∶1(mL/g)、提取时间30 min时,马兰挥发油提取得率达0.50%,与水蒸气蒸馏法和乙醚索氏提取法(挥发油提取得率分别为0.34%,0.23%)相比,亚临界水萃取马兰挥发油从时间和提取率上均具有明显的优势,而且马兰挥发油在一定浓度范围内对大肠杆菌、金黄色葡萄球菌、酵母菌均有较强的抑制作用。     

莲房原花青素对极低频电磁场致星形胶质细胞氧化损伤的预防作用

目的:研究极低频电磁场(extremely low frequency electromagnetic fields,ELF-EMF)对星形胶质细胞的氧化损伤及莲房原花青素(procyanidins from lotus seedpod,LSPC)的预防作用.方法:以原代培养的SD大鼠星形胶质细胞建立ELF-EMF损伤模型,检测经LSPC预处理前后的细胞生存率、星形胶质细胞内活性氧(Reactive oxygen species,ROS)、超氧化物歧化酶(Super oxide dismutase,SOD)、丙二醛(MDA)和Ca2+含量.结果:辐射模型组的细胞生存率为54.38％,极显著下降(与正常对照组相比,p＜0.01);经5、10、20μg/mL LSPC预处理后,细胞生存率分别为65.09％、75.34％和90.78％,显著上升(与辐射模型组相比,p＜0.05);ELF-EMF引起细胞内SOD活力下降,MDA、ROS和Ca2含量上升,经5、10、20μg/mL LSPC预处理,能有效阻止SOD活力下降并显著抑制MDA、ROS和Ca2+含量的上升(与辐射模型组相比,p＜ 0.05).结论:LSPC对ELF-EMF导致的星形胶质细胞氧化损伤有明显的预防作用.     

基于MAS的虚拟企业框架结构设计

虚拟企业具有动态性、分布性、自治性、异构性等特点，传统的企业信息系统已经不能满足虚拟企业的这些特殊要求。在分析了多代理技术在虚拟企业中应用的必要性和可行性基础上，将多代理技术引入到虚拟企业信息系统中，构造了一个基于MAS技术的虚拟企业框架结构，并对于各功能Agent，给出了一种通用的Agent结构。     

一种新的求解TSP的混合量子进化算法

在分析量子进化基本概念的基础上，提出了一种新的求解TSP的混合量子进化算法（MQEA）。该算法将三段优化局部搜索算法融入量子进化机制，采用一种基于边的编码方法，应用最近邻规则设置初始参数，并设计了排序交叉算子以扩展种群的搜索范围。通过选取国际通用旅行商问题（TSP）实例库(TSPLIB)中的多个实例进行测试，表明新算法具有高的精确度和鲁棒性，即使对于中大规模问题（城市数大于500），也能以很小的种群和微小的相对误差求得满意解。     

基于判别式分析和神经网络的特征选择方法

为了获得重要的特征集合，提出了一种基于判别式分析算法和神经网络的特征选择方法。通过最小化扩展互熵误差函数来训练神经网络，这一误差函数的使用减小了神经网络传输函数的导数，降低了输出敏感度。该方法首先利用判别式分析算法得到一个有序的特征队列，然后通过正则化神经网络进行特征的选择，特征选择过程是基于单个特征的移除带来验证数据集上分类误差变化这一原理。与其他基于不同原理的四种方法进行了比较，实验结果表明，利用该算法训练的网络能够获得较高分类准确率。     

一种改进的粒子群优化算法

作为群体智能的代表性方法之一,粒子群优化算法(PSO)通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。提出了一种改进的粒子群优化算法(MPSO),该算法以广泛学习粒子群优化算法(CLPSO)的思想为基础,主要引入了选择墙的概念。同时在参数的设置中结合高斯分布的概念,以提高算法的收敛性。实验结果表明,改进后的粒子群算法防止陷入局部最优的能力有了明显的增强。同时,算法使高维优化问题中全局最优解相对搜索空间位置的鲁棒性得到了明显提高。     

基于ICA和NFL分类的局部人脸识别方法

目前已存在很多基于统计的人脸整体识别方法，独立元分析方法就是一种基于信号高阶统计特性的方法。但由于人脸光照、姿态、信息缺损等外部不可避免因素会引起整个人脸灰度图像产生很大的变化，因而会对这类整体统计性方法的稳定性产生很大影响。为此提出了一种基于独立元分析和最近邻特征线的局部人脸识别方法。首先，通过对人眼的手工定位并依据人脸几何特征完成对人脸图像的截取和局部分块，从而移除发型等无用信息；然后对每个局部图像进行PCA／ICA特征提取；最后的识别阶段，通过最近邻特征线方法得到各自识别距离，并通过对各部分设置合理的权重来综合判定。实验结果表明，作为一种有效的识别方法，分块独立元方法在识别率、识别的稳定性、应用的灵活性等方面都优于传统的整体识别方法。     

一种基于KL变换和镶嵌图模型的人脸检测方法

提出了一种基于KL变换和镶嵌图模型的人脸检测方法。该方法首先采用KL变换将整个图像空间划分为主元子空间和次元子空间，利用人脸图像大部分能量集中在主元子空间、小部分能量分散到次元子空间这一特点，将人脸从复杂背景中初步检测出来。在此基础上，采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析足够多的人脸图像样本的基础上，针对人脸图像的灰度和边缘信息，建立了一种较为合适的知识库。实验结果表明，该方法能够较好地解决复杂背景下的正面人脸的检测问题。     

基于遗传算法设计和训练人工神经网络的方法

提出了一种基于遗传算法的人工神经网络设计和训练方法—NNDT,同时训练网络的拓扑结构和连接权重,提出了一种结构化网络编码方法,有效地解决了网络拓扑结构和网络编码不能一一对应的问题;使用启发式规则约束网络拓扑结构的变异概率以及变异操作的选择趋势,并使用小生境机制进行拓扑变异保护.实验结果证明了NNDT的有效性和高效性.     

一种基于完全2DPCA的二次特征选择方法

提出一种基于完全二维主元分析(2DPCA)的二次特征选择方法用于人脸识别。该方法针对PCA及其改进方法的不足,结合完全2DPCA方法,用免疫算法和基于最近邻分类器的5阶交叉验证方法完成对人脸特征二次选择。基于ORL人脸数据库和Yale人脸数据库的实验结果表明,该方法识别效果较好。