大麻种子含油量及油脂脂肪酸组成分析

为探明大麻种子油开发利用价值,采取索氏抽提法和气相色谱法对大麻种子含油量、脂肪酸组成及其相关性进行了研究与分析。结果表明:大麻种子含油量较高,最高达36.10%,其中超过34.20%的品种达5个;大麻种子油主要由棕榈酸、硬脂酸、油酸、亚油酸、γ-亚麻酸和α-亚麻酸等组成,其中不饱和脂肪酸含量为86.89%~98.79%,均值达89.50%;大麻种子油多不饱和脂肪酸含量丰富,均值达77.05%,其中亚油酸含量超过59%的有4个品种;亚麻酸含量均值达19.90%,其中α-亚麻酸大于20%的品种达5个。相关分析表明,大麻种子含油量与油中亚油酸、α-亚麻酸存在负相关,与油酸和γ-亚麻酸呈正相关,其中与α-亚麻酸达显著水平。综合分析可见,大麻种子油具有较高含油量和丰富不饱和脂肪酸,其亚麻酸含量明显优于大多食用植物油的,具有较好开发利用前景。云麻6号的亚油酸和α-亚麻酸及云麻4号的γ-亚麻酸含量均极为丰富,显著高于其他品种,表明这两个品种在开发相应高脂肪酸保健食品、特种植物油和品质育种研究等方面具有重要应用价值。     

交通网络中出现阻塞路径情况下增量路径查找算法

目的解决车辆在行驶过程中,在原路径出现阻塞的情况下,如何增量查找最优路径．方法在A^＊算法基础之上,采用当前点增量更新、阻塞点增量更新等策略查找最优路径,并通过对不同策略查询结果的比较,得出最佳方案．结果该算法减少了遍历的交通网络节点数量,当阻塞点远小于路径总长时,受影响的集合远小于原数据集合．结论实验表明,该算法在有阻塞路径的情况发生时,具有更高的查询效率和更少的磁盘访问次数,满足了实际应用的需求．     

基于Web的实例扩展与属性值扩充方法

实例扩展与属性值扩充是Web抽取与集成领域中的一个重要研究课题,将Web数据列表和实例建模成二分图,根据扩展实例的质量分数,对扩展集合进行迭代更新直到扩展集合的质量分数最大,且扩展集合不再更新来实现实例的扩展。同时,为了完善扩展实例的属性信息,对结构化数值属性或离散属性进行抽取,提出了基于整数线性规划的属性值扩充方法。实验表明,与以前的方法相比,本方法能更好地处理含有噪声数据的Web网页,并提高了抽取的准确率和召回率。     

IncSNN——一种基于密度的增量聚类算法

基于密度的聚类算法是一类重要的聚类算法,能发现任意形状的簇,但由于它的时间复杂度较高,因此设计有效的增量更新算法是一个重要研究方向.在SNN算法的基础上,提出一种基于密度的增量聚类算法-IncSNN.该算法将所更新对象的空间进行划分,定义了基于该划分的最近邻居的概念,进而确定了受影响对象的集合,当算法更新时,只需要对受影响的数据进行处理.由于受影响对象的集合远小于原数据集合,因此显著提高了算法的效率.实验结果验证了IncSNN的有效性.     

基于面向对象技术构建多维数据模型

在关系数据库中单表、星型模式或雪花模式之上建立一个逻辑结构，把要分析的数据及相关属性抽象成主题、立方体、事实、、维层次和度量等对象，相关的处理过程抽象成对象的行为，并介绍利用XML文档存储多维数据模型对象的信息方法及立体方体的创建过程，实现了多维数据模型的对象化，有利于OLAP及数据挖掘。     

一种基于知识的多层概念化数据查询方法

近年来,越来越多的数据库查询研究工作开始致力于对模糊查询条件的概念化处理,称之为概念化查询.运用基于知识的数据查询方法可以实现这类查询,基本的方法是根据领域知识将用户的模糊概念转换成标准的SQL语句,实现概念化查询.但是,如果查询条件中包含了更高层次及多层次的模糊概念,则其概念转换非常复杂,查询的效率将受到严重影响.为了提高多层次数据查询的效率,以村镇住宅建筑产品查询为例,提出一种基于知识的多层概念化数据查询方法.首先需要建立描述模糊概念的知识库;然后,生成多层次的概念化数据,在概念化数据上实现基于知识库的多层数据查询处理.并采用人工数据集进行了实验分析,实验结果表明,在高层和多层概念化查询中,本文提出的方法与基本的方法相比查询效率至少提高40%.基于知识的多层概念化查询将为我国村镇住宅建筑产品查询提供高效的处理手段,能够满足不同知识水平用户的查询需求,具有较高的实用价值.     

提高自我发展能力是农村弱势群体救助的必然选择

尽管政府对农村弱势群体的救济力度不断加大,却没能从根本上改变其弱势状态.贫困只是农村弱势群体的表象,自我发展能力的缺乏才是本质所在.因此,只有通过提升自我发展能力,让农村弱势群体成员积极主动地融入社会发展之中,才是解决农村弱势问题的根本出路.     

基于张量分解的个性化标签推荐算法

基于互联网的社会标签推荐系统为广大用户提供了一个信息共享平台,让用户以"标签"的形式为其浏览的物品标注信息。标签既描述了物品语义,又反映了用户偏好。标签系统的最大优势在于可以发挥群体的智能,获得用户对物品比较准确的关键词描述,而准确的标签信息是提升个性化推荐系统性能的重要资源。然而,现存的标签推荐系统面临的问题是:由于兴趣的不同,不同的用户对于同一物品可能会打不同的标签,或者是同一标签对于不同用户可能会蕴含不同的语义。因此如何有效获取用户、物品、标签3者之间潜在的语义关联成为标签推荐系统需要解决的主要问题。为此引入三维张量模型,利用三维张量的3个维度来分别描述社会标签推荐系统中3种类型的实体:用户、物品、标签。在基于历史标签数据(标签元数据)构建初始张量的基础上,应用高阶奇异值分解(HOSVD)方法降低张量维度,同时实现3种类型实体之间潜在的语义关联分析,从而进一步提高标签推荐系统的准确性。实验结果表明,该方法较当前两种典型的标签推荐算法(FolkRank和PR)在准确率和召回率性能指标上有明显提升。     

数据仓库环境下以用户为中心的数据清洗过程模型

数据清洗是数据仓库和数据挖掘中非常重要的一个环节。本文首先分析总结了数据清洗的有关概念，给出了数据清洗中需要解决的质量问题，并总结了解决这些问题的技术和方法。在此基础上提出了以人为中心的数据清洗过程模型。该模型集成了工作流技术、数据集成、数据转换和数据挖掘技术。给出了每个工具箱应该提供的基本功能。     

数据仓库系统中任务调度策略研究

针对数据仓库系统中存在众多的数据处理任务,提出了数据仓库系统中任务调度框架.通过自动分析任务文本生成任务流图,并提出了3种任务调度策略.模拟实验结果显示,该框架可以很好地完成数据仓库系统中的任务调度和管理,同时发现影响系统性能的因素还应包括磁盘I/O性能.