基于带缺失PISA数据对中国学生科学素养的诊断分析

利用DINA模型(Deterministic inputs,noisy and gate model)对PISA2015中国学生科学素养数据进行建模,使用贝叶斯M CMC算法实现对缺失数据的自动填补和模型参数的估计.     

牛蛙皮明胶提取工艺优化及其性质分析

以牛蛙皮为原料,在单因素试验基础上,通过正交试验探讨了料液比、胃蛋白酶添加量、胃蛋白酶处理时间、提取温度和熬胶时间对牛蛙皮明胶提取率的影响,并对其性质作了初步分析。优化的牛蛙皮明胶提取条件为:料液比1︰8(g/m L)、胃蛋白酶添加量15 U/g、胃蛋白酶处理时间3 h、提取温度50℃、熬胶时间16 h;明胶提取率最高,达12.78%。牛蛙皮明胶色泽洁白,黏度和凝冻强度分别为3.85 m Pa·s和223 g,等电点为5.78。此外,牛蛙皮明胶的氨基酸组成中,脯氨酸和羟脯氨酸总含量为18.25%。优化的牛蛙皮明胶提取工艺合理、可行,提取率较高,且符合食用明胶标准。     

废旧锂离子电池回收处理技术与资源化再生技术进展

近年来,随着消费电子商品、电动车和大规模储能市场的快速发展,作为目前占据最多市场份额的锂离子电池的产量也随之快速增长,随之产生的废旧锂离子电池的数量和重量呈现出了井喷式的上涨。从其巨大的数量、环境保护和资源再生的角度来看,废旧锂离子电池都具有很高的回收价值和潜力。本文主要从实验室研究和工业应用两个角度总结了目前主要的回收处理方法和流程,重点介绍了利用废旧锂离子电池电极材料重新再生和合成新的电极材料的研究进展。目前废旧锂离子电池回收处理存在的问题主要是：电极材料的复杂多样性导致分离提纯过程困难,回收过程易产生二次污染以及回收的经济激励不足。未来的发展趋势在于结合绿色环保和低成本经济,研究高效的回收处理工艺流程。     

响应面法优化马铃薯泥面条工艺配方

为加快马铃薯主食化进程,降低马铃薯全粉面条的成本,有效利用马铃薯中的营养成分,以马铃薯泥为原料,对马铃薯泥面条的工艺配方进行研究。在单因素试验的基础上,利用响应面法优化马铃薯泥面条工艺配方,研究面条中马铃薯泥添加量、盐添加量、水添加量对感官得分和断条率的影响,得出回归方程预测模型。结果表明:马铃薯泥、盐和水的添加量分别为40.65%、0.40%、17.13%时,感官得分最高为98.13,面条的断条率最低为6.15%。该研究为马铃薯泥面条的进一步研究提供理论依据。     

2006年信息安全专项产品检测情况分析

经公安部计算机信息系统安全产品质量监督检验中心授权,本刊2007年第一期杂志,刊发了2006年信息安全产品检验概况。本期,接上期“独家授权”栏目,本刊将陆续发布中心对2006年各类信息安全专项产品的具体分析情况予以接续发布。     

安全部件类产品现状

我中心检测的安全部件类产品总共分为四类:身份鉴别类、完整性鉴别类、不可否认性鉴别类及密钥管理类产品,依据"中华人民共和国公共安全行业标准GA 216.1-1999计算机信息系统安全产品部件第1部分:安全功能检测"进行检验.     

萤火虫算法求解多体系统动力学微分-代数方程

针对多体系统动力学微分-代数方程求解问题,研究基于萤火虫算法的求解方法.首先将广义坐标和广义速度进行Lagrange插值,结合Gauss数值积分方法,将微分-代数方程求解问题转化成求解最优化问题.然后用萤火虫算法对问题进行优化求解.最后,通过对平面双连杆机械臂的多体系统仿真实验,验证了萤火虫算法在求解动力学方程中既保持了约束又较好地保证了能量精度.结果表明智能优化算法在求解多体动力学问题上具有较好的应用前景.     

马铃薯泥馒头的研制

研究马铃薯泥馒头的优化工艺,响应马铃薯主食化的战略。在单因素试验的基础上,采用正交试验法研究马铃薯泥、水的添加量和发酵时间对马铃薯泥馒头感官品质的影响,优化马铃薯泥馒头的最佳工艺参数。结果表明,马铃薯泥馒头的最佳工艺配方为:马铃薯泥添加量30%、加水量40%、发酵时间40 min,该条件下制成的馒头品质优良、风味良好。     

基于知识图谱和重启随机游走的跨平台用户推荐方法

针对单一社交网络平台中推荐相似用户结果单一,对用户兴趣和行为信息了解不够全面的问题,提出了基于知识图谱和重启随机游走的跨平台用户推荐方法（URCP-KR）。首先,在分割、匹配出的目标平台图谱和辅助平台图谱的相似子图中,利用改进的多层循环神经网络（RNN）预测出候选用户实体,再综合利用拓扑结构特征相似度和用户画像相似度筛选出相似用户;然后,将辅助平台图谱中的相似用户的关系信息补全到目标平台图谱;最后,计算目标平台图谱中的用户游走到社区内每个用户的概率,从而得到用户之间的兴趣相似度来实现用户推荐。实验结果表明,与协同过滤（CF）算法、基于跨平台的在线社交网络用户推荐算法（URCP）和基于多开发者社区的用户推荐算法（UR-MC）相比,URCP-KP在推荐精确率及推荐多样性等方面均有所提高,推荐精确率最高可达95.31%,推荐覆盖率最高可达88.42%。