胡萝卜中天然β-胡萝卜素超声提取工艺的研究

采用L9（3^4）正交试验,以β-胡萝卜素提取率为评价指标,用反相高效液相色谱法测定,研究了超声温度,超声功率,超声时间,超声频率对β-胡萝卜素超声提取的最佳工艺条件。试验表明：β-胡萝卜素标准曲线的回归方程为Y=1.27×10^7X-1.42×10^5,相关系数R=0.9994,最佳工艺条件为：超声温度55℃,超声功率50W,超声时间90min,超声频率100kHz。该法工艺简单、可靠、提取率高。     

大学生消费行为及问题分析

改革开放以来,人民的生活水平有了不同程度的提高,随着物价的飙升,大学生的生活费用也逐年递增。大学生是一个庞大的消费群体,其消费行为具有显著的特点,但也存在攀比消费、超前消费、奢侈消费等不良现象。本文通过问卷调查的方法对大学生的消费现状进行调查了解,借助于经济学的分析工具可以探究其中的原因,并结合实际提出改进方法。     

挖掘多数据流的异步偶合模式的抗噪声算法

挖掘多数据流的异步偶合模式是具有挑战性的工作.主要的研究工作包括:(1) 研究Haar小波滤波技术在挖掘流数据的异步偶合模式中的应用;(2) 引入小波系数序列来度量数据流的异步局域偶合度;证明了一系列定理,保证了度量方法的正确性;(3) 设计了环形滑动窗口和挖掘异步偶合模式的抗噪声增量算法,其时间复杂性小于O(n2);(4) 使用真实数据进行模拟实验,验证了算法的有效性.     

基于流数据分类和分形维分析的DoS攻击检测

DoS攻击检测是入侵检测系统中的重要课题，针对这一亟待解决的问题，综合数据挖掘技术、分形技术和通信流分类技术，分析现有基于网络的DoS攻击检测方法的不足，提出基于熵的属性分类挖掘方法和基于分形维的DoS攻击检测算法FDD-DoS，FDD-DoS算法分为训练和检测两个阶段，在训练阶段，首先获取到达服务器的通信流，通过计算得到分类后通信流的分形维数值和偏差阈值。在检测阶段，FDD-DoS实时计算通信流的分形维，如果偏差小于训练阶段得到的阈值，则修改分形维值(学习进化的过程)，否则，可判定发生了DoS攻击。在实际网络环境cs．scu．edu．cn上对FDD-DoS算法进行了连续8周的测试，利用训练结果，并模拟DoS攻击，试验证明该算法能有效检测DoS攻击。     

基于基因表达式编程的频繁函数集挖掘

函数挖掘旨在从观测数据中发现有效的函数关系，传统的函数挖掘以发现单个函数为挖掘目标，难以处理复杂数据集．为解决上述问题，作者做了如下工作：（1）提出了描述能力更强的频繁函数集FFS概念；（2）提出并实现了基于基因表达式编程的频繁函数集挖掘算法FFSM（3）在GEP中采用了精度阈值队列策略PTQ，有效地提高了FFSM的成功率；（4）用实验证实了FFS更强的描述能力和PTQ的有效性，其中，在挖掘高精度复杂函数时PTQ使FFSM的成功率提高了55倍．     

基于Hash函数取样的线性时间聚类方法LCHS

作为数据挖掘中的经典算法，k-中心点算法存在效率低、对大数据集适应性差等严重不足．该文针对这一不足，提出并实现Hash分层模型LCHS（Linear Clustering Based Hash Sampling），主要贡献包括：（1）将m雏超立方体按等概率空间进行分桶，使得每层（即Hash桶）的数据个数相近，以较小的计算代价获得分层抽样的效果；（2）新算法保证了样本具有对总体数据的充分的统计代表性；（3）从理论上证明了新算法复杂度为O（N）；（4）对比实验表明新算法在数据集的个数接近10000时，效率比传统算法提高2个数量级，数据集的个数接近8000时，聚类质量比CLARA算法提高55％．     

一种进阶式的数据库课程实验方案设计

为提高学生数据库课程的学习效果,增强学生实践动手能力和应用创新能力,探索一种新的实验教学的方案设计和过程,介绍将数据库课程实验分为认知实验、应用实验、综合协作实验和课外引导延伸实验四个进阶层次组织实验教学内容和实验过程形式,改进实验课程考核方式,以及采用双案例教学(理论教学案例和实验教学案例)来达到举一反三的效果。实践表明,这种实验教学方法受到学生青睐并获得较好的效果。     

基于能量和频繁模式的数据流预测查询算法

设计了数据流预测查询的新模型,包括局域流能量预测、能量分布模式挖掘及预测序列的重构和数据流能量的度量方法;设计了融合数据流能量回归与基于频繁模式的小波分解预测新方法,并将新算法推广到强偶合多数据流的预测查询;提出了最近最频繁序列模式的新概念,并应用于局域流能量分解;在真实数据上的模拟实验,验证了算法的有效性.     

一种动态的汉字笔段提取方法*

提出了一种笔段提取新方法,充分利用了撇笔段和捺笔段的轮廓规律,在提取笔段过程中动态改变寻找方向,使提取正确率进一步提高。实验证明了算法的有效性,与传统笔段提取算法相比,正确率由99.3%提高到99.8%以上,为汉字识别创造了更有利的条件。     

基于相对距离的密度聚类算法*

首先介绍传统距离计算方法在聚类应用中的不足,并针对这点提出一种基于权重向量的相对距离计算方法。在应用DBSCAN算法的基础上,融入相对距离的计算及k-d树的范围查找的应用。该算法不仅能得到很好的聚类效果,而且消除了数据的度量单位对聚类结果的影响。