浅谈工会凝聚力的产生与增强要素

《工会法》颁布以后，我国工会工作就进入了新的发展阶段，为进一步增强各级工会组织的凝聚力，使其成为名符其实的职工之家。现就工会凝聚力的产生与增强要素，作一些粗浅探讨。　　要素之一，增强参与意识，落实参与措施　　“通过各种途径和形式，参与管理国家事务、管理经济和文化事业、管理社会事务；协助人民政府开展工作，维护工人阶级领导的、以工农联盟为基础的人民民主专政的社会主义国家政权。”这一规定，标志着我国社会主义民主建设的健全与发展。就目前我们水文系统工会实施民主管理工作状况看，既存在工会组织及工作人员参与…     

关于班级团支部功能弱化原因的调查分析及对策研究——以宁夏医科大学为例

面对高校班级团支部功能的弱化,积极寻找原因所在,并有针对性进行对策研究是当前高校班级团支部建设亟待解决的问题。本课题组运用问卷调查的形式,从班级建设情况、团支部建设情况、学生个人对班级团支部建设的建议及意见三个方面进行问卷调查,通过对调查结果的分析找出宁夏医科大学班级团支部功能弱化的原因所在,并针对性的提出切实可行的对策,并进一步在高校间推广实施。     

基于RBFNN-FDA模型对塑料拖鞋鞋底的拉曼光谱研究

为建立一种快速无损检验区分塑料拖鞋鞋底的方法,利用显微共聚焦激光拉曼光谱仪采集了43个不同来源的塑料拖鞋鞋底样本的拉曼光谱图。拉曼数据经主成分分析降维后提取特征矩阵,对得到的特征矩阵进行系统聚类,建立Fisher判别函数对系统聚类的结果进行评价。最终构建径向基函数神经网络(RBFNN)实现对样本的鉴别分类,并绘制接受者操作特征曲线用以评估诊断价值。结果表明：拉曼数据提取出的特征矩阵经系统聚类被分为4组,Fisher判别分析经交叉验证后准确率为97.7%,径向基函数神经网络的准确率为100%。该方法实现了对样本快速无损的分类及预测,模型结构准确,可以为公安实际办案提供一种新思路。     

红外光谱结合化学计量学对塑料包装材料的检验

为了建立一种简便、快速、无损的鉴别塑料包装材料的分析方法,利用红外光谱法对聚乙烯、聚氯乙烯、聚丙烯、聚碳酸酯、聚苯乙烯、聚对苯二甲酸乙二醇酯等常见塑料包装材料进行检验,并利用化学计量学方法对聚合物进行分类。结果表明：通过判别函数建立分类模型,可实现未知样本的快速分类;聚乙烯薄膜的厚度对于其红外光谱产生影响,聚乙烯薄膜的吸收峰强度随其厚度增大而加大,峰强度比则随其厚度的增大而减小。     

全自动在线HS-SPME-GC-MS/MS检测鱼塘投毒案件水样中的13种有机磷农药

建立全自动在线顶空固相微萃取-气相色谱串联质谱技术(HS-SPME-GC-MS/MS)检测鱼塘投毒案件水样中13种有机磷农药的方法.将2 mL水样中加入0.6 g氯化钠(NaCl)置于20 mL顶空瓶中,使用直径为100μm的聚二甲基硅氧烷(PDMS)萃取纤维,在75℃条件下萃取45 min,采用GC-MS/MS多反应...     

浅谈平面光波导的气体传感器的研究进展

本文详述了平面光波导传感器的概念、原理与研究现状,分析了其发展趋势,并对未来光波导传感器的发展前景进行了展望,光波导传感器凭借其灵敏度高、体积小、抗电磁干扰、便于集成等优点,是未来开发低成本、高精度、高灵敏度传感器的最具发展潜力的传感器技术之一,特别是在大气环境监测方面,将起到越来越重要的作用。     

食品塑料包装袋与RAMAN的关联性分析

食品包装材料材质多种多样,利用拉曼光谱法可对此类物证进行检验,具有快速准确无损的优点。根据拉曼散射峰位移和强度的不同进行区分研究,材质可分为聚乙烯、聚丙烯、聚对苯二甲酸乙二醇酯、聚苯乙烯、聚酰胺,主要填料为碳酸钙、高岭土、滑石粉、二氧化硅和硫酸钡等。对全波段数据进行降维处理,提取5个因子,累计贡献率超过99%,以此为变量建立谱系图,观测光谱数据之前的亲疏关系,效果较好,为犯罪现场检验此类物证提供依据。     

基于判别分析与K近邻算法对塑料吸管的红外光谱分析

为建立一种塑料吸管物证的高效、准确分类方法,利用红外光谱法对来自全国的4个品牌共42个塑料吸管样本进行了检验。经过前期光谱预处理后,利用主成分分析法提取出了25个主成分,累积方差贡献率为99. 689%,并将其作为判别变量进行判别分析。判别结果区分效果良好但交叉验证正确率仅为73. 8%,有待进一步提高。因此将判别得分作为特征变量导入K值为1的K近邻算法中,构建起了分类正确率为100%的K近邻算法模型,实现了对塑料吸管物证的准确分类。     

差分拉曼光谱检验7种芬太尼类新精神活性物质

对7种芬太尼类物质进行差分拉曼光谱分析,建立一种快速、无损、准确检验芬太尼类物质的新方法。利用差分拉曼光谱仪在激光光源785～786 nm,激光功率200 mW,积分时间1 s的实验条件下对7种芬太尼类物质进行分析并测得其差分拉曼光谱图。提取7种芬太尼类物质的特征峰,并将特征峰与7种样品的物质结构进行归属,7种样品可以根据特征峰的不同进行区分。该方法无损检材,高效便捷,可以为公安机关识别检验芬太尼类物质提供技术支持。     

X射线荧光光谱法结合HCA-PCA-BPNN实现塑料快递包装袋识别分类

X射线荧光光谱法与机器学习有机结合,建立现场塑料快递包装袋物证科学精准识别分类模型。利用X射线荧光光谱法对72个塑料快递包装袋样品无损检验,并依据光谱数据,利用定性半定量分析法对塑料快递包装袋初步分类。利用z-score标准化进行光谱预处理,并结合层次聚类、主成分分析和BP神经网络(HCA-PCA-BPNN)建立识别分类模型,确定最佳聚类类别。结果显示,72个样品聚为8类时,模型检验集预测判别正确率为97.9%,预测集预测判别正确率仅为72%,模型识别分类准确度较差;72个样品聚为3类时,模型检验集和预测集预测判别正确率均为100%,识别分类准确度较高,72个样品最佳聚类为3类。研究表明,X射线荧光光谱法结合HCA-PCA-BPNN可以为现场塑料快递包装袋物证无损且准确地识别分类提供一种方便可行的模式。