大豆籽粒贮藏蛋白11S和7S组分提取分离方法的优化

为确定提取分离大豆贮藏蛋白11S和7S两种主要成分的最适方法,采用凯氏定氮和SDS-PAGE分析,从浸提液种类、提取液pH、浸提次数和温度、料液比、Tris-HCl浓度和还原剂种类等影响提取分离效果的因素着手,对Nagano法进一步优化。结果表明,浸提液采用pH 8.5、含0.01 mol/L亚硫酸氢钠的0.03~0.06 mol/L Tris-HCl缓冲液系统,提取温度45℃,料液比1∶15,重复浸提两次;分离过程中,在pH 6.4沉淀离心分离出11S组分、调pH 5.5沉淀离心分离出中间产物后,再调pH至4.8沉淀离心分离出7S组分。优化后的方法与Nagano法相比,可显著提高11S和7S组分的得率、蛋白含量和纯度。     

通讯设备保护用低阻PTC元件的研制

介绍了通讯设备过流保护用低阻ＰＴＣ元件的研究过程, 发现ＴｉＯ２ 粒度、工艺参数、金属电极以及封装形式对低阻ＰＴＣ元件的电性能有较大影响。通过对以上因素进行综合优化调整,妥善解决了低阻系列ＰＴＣ产品的细晶化与低阻值之间的矛盾, 制得了满足厂家要求的ＰＴＣ产品。     

一种基于局部—全局主题关系的演化式摘要系统

带有时间标志的演化式摘要是近年来提出的自然语言处理任务,其本质是多文档自动文摘,它的研究对象是互联网上连续报道的热点新闻文档。针对互联网新闻事件报道的动态演化、动态关联和信息重复等特点,该文提出了一种基于局部—全局主题关系的演化式摘要方法,该方法将新闻事件划分为多个不同的子主题,在考虑时间演化的基础上同时考虑子主题之间的主题演化,最后将新闻标题作为摘要输出。实验结果表明,该方法是有效的,并且在以新闻标题作为输入输出时,和当前主流的多文档摘要和演化摘要方法相比,在Rouge评价指标上有显著提高。     

低位水喷射真空除氧器与节能

在工业上,锅炉采用的是地位水喷射真空除氧器技术,相比用大气热力除氧技术,采用低位真空除氧器不仅效果显著,而且此项技术的节能效果也是令人欢喜。因此。本文就针对当前工业锅炉采用的低住真空除氧器技术的工作原理、系统组成以及性能特点、节能等内容进行了探讨,希望此项技术能够被进一步推广与使用,节省工业能源。     

基于OAV和AEDA对工夫红茶的PLSR分析

采用顶空蒸汽蒸馏提取结合气相色谱-质谱联用技术及气相色谱-嗅闻技术,对4?种中国工夫红茶进行定性、定量分析。根据香气成分的香气活力值和芳香萃取物稀释分析分别筛选出30、36?种挥发性成分作为香气成分,结合2?种方法确定22?种香气成分为工夫红茶的香气关键成分,并将其与感官属性和红茶样品进行偏最小二乘法相关性分析。确定对工夫红茶香气起重要作用的22?种关键香气物质为：1-戊醇、叶醇、1-辛烯-3-醇、反式氧化芳樟醇、芳樟醇、顺-6-壬烯醇、香叶醇、苯甲醇、苯乙醇、橙花叔醇、戊醛、己醛、反-2-己烯醛、糠醛、（反,反）-2,4-庚二烯醛、苯乙醛、（反,反）-2,4-癸二烯醛、水杨酸甲酯、丙位-壬内酯、2,3-丁二酮、2-庚酮和香豆素。     

基于频域法分析铁道牵引网线路故障性质

针对现行牵引变电所监控设备不能准确判断牵引网线路常见的短路及开路故障,提出了一种基于频域特性分析故障性质的方法。结合了无损线波的反射理论、FFT及6MHz FIR高通滤波,对多组数据进行处理分析,比较两种故障行波信号的波头极性和功率谱特性的不同点,总结出基于频域故障性质分析的方法。该方法适合电气化铁道牵引网故障性质分析判定,并可以辅助单端故障行波测距方法中对初始行波和故障点反射波波头的识别。     

听觉特性和语谱特性在说话人识别中的应用

大多数说话人识别系统当由实验室走向实际应用时,环境噪声的存在会造成其识别性能下降。为了提高噪声环境下说话人识别系统的识别性能,将基于听觉特性和语谱特性的语音增强技术作为预处理器,首先对语音信号进行降噪处理,提高输入信号的信噪比。实验证明,经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。     

基才Smoke仿真分析在器件降额设计中的应用

器件降额设计是电路可靠性设计中的一种常用方法。通过降额设计可以达到降低器件基本失效率、提高产品使用可靠性的目的。传统的降额设计存在计算量大、耗时长、是一种静态分析方法、无法估计器件瞬态应力的缺点,基于Smoke仿真分析的降额设计可以准确分析电路中各个器件的瞬态电应力和器件结温。并直接输出所有器件的应力分析和降额情况,从而大大提高了降额设计的准确性和效率。本文采用OrCAD公司PSpice软件中的Smoke高级分析模块,对飞机刹车控制电路的V/I转换模块进行了降额设计仿真,验证了该方案的可行性,从而为电路的降额设计提供了一种新的手段,说明在Smoke分析基础上进行降额设计的研究具有重要的实用意义。     

Semantic Role Labeling of Chinese Nominal Predicates with Dependency-Driven Constituent Parse Tree Structure

This paper explores a tree kernel based method for semantic role labeling （SRL） of Chinese nominal predicates via a convolution tree kernel. In particular, a new parse tree representation structure, called dependency-driven constituent parse tree （D-CPT）, is proposed to combine the advantages of both constituent and dependence parse trees. This is achieved by directly representing various kinds of dependency relations in a CPT-style structure, which employs dependency relation types instead of phrase labels in CPT （Constituent Parse Tree）. In this way, D-CPT not only keeps the dependency relationship information in the dependency parse tree （DPT） structure but also retains the basic hierarchical structure of CPT style. Moreover, several schemes are designed to extract various kinds of necessary information, such as the shortest path between the nominal predicate and the argument candidate, the support verb of the nominal predicate and the head argument modified by the argument candidate, from D-CPT. This largely reduces the noisy information inherent in D-CPT. Finally, a convolution tree kernel is employed to compute the similarity between two parse trees. Besides, we also implement a feature-based method based on D-CPT. Evaluation on Chinese NomBank corpus shows that our tree kernel based method on D-CPT performs significantly better than other tree kernel-based ones and achieves comparable performance with the state-of-the-art feature-based ones. This indicates the effectiveness of the novel D-CPT structure in representing various kinds of dependency relations in a CPT-style structure and our tree kernel based method in exploring the novel D-CPT structure. This also illustrates that the kernel-based methods are competitive and they are complementary with the feature- based methods on SRL.