火麻仁油微乳凝胶面膜的制备及初步评价

目的:制备火麻仁油微乳凝胶补水面膜并对其理化性质、保湿性和抗氧化活性进行评价.方法:通过伪三元相图确定火麻仁油微乳最佳处方,采用单因素及正交试验优化火麻仁油微乳凝胶处方,载入保湿活性物质制得火麻仁油微乳凝胶面膜并对其质量、稳定性、保湿性和抗氧化活性进行评价.结果:火麻仁油微乳最佳处方:火麻仁油0.2％、PEG-20氢化蓖麻油0.53％、1,3丙二醇0.27％.火麻仁油微乳凝胶最佳处方为卡波姆-940含量1％,丙三醇含量5％,稀释倍数30倍.制得的微乳凝胶澄清透明、涂展性较好、易清洗、不油腻;平均粒径为(30.91±0.31)nm,PDI为0.299±0.017,电位为(-3.54±0.43)mV;黏度为494725.15 mPa·s;pH值为5.50±0.01;保湿效果优于市售某凝胶面膜;火麻仁油微乳凝胶面膜对DPPH自由基清除率高于火麻仁油毛油,质量浓度为6 mg·mL-1时可达62.39％,IC50为3.71 mg·mL-1.结论:火麻仁油微乳凝胶面膜安全、稳定,制备工艺简单,对皮肤具有良好的补水和抗氧化效果,具备开发和推广的价值.     

基于信任链的骚扰电话预判技术研究

当前,骚扰电话乱象屡禁不止,严重影响了人民群众的正常生活,甚至威胁到个人财产安全,因此简单有效地识别骚扰电话技术成为亟待解决的问题。区别于现有的对电话号码进行黑白名单标记、大数据分析等识别方法,提出基于信任链的骚扰电话预判技术,从可信度量的角度计算来电号码的可靠程度,并针对高危受害群体的典型应用场景进行分析,通过对骚扰电话的预判,降低其受到电话骚扰甚至电话诈骗的可能性。     

一种基于全变分技术和Lp伪范数的椒盐噪声去除方法

针对传统各向同性全变分（Isotropy total variation，ITV）去噪算法容易导致图像边缘模糊、不易保持图像细节信息等问题，提出一种基于L _p 伪范数和各向同性全变分的图像去噪方法。该方法将L _p 伪范数代替ITV模型中的L ₁范数，利用交替方向乘子算法（Alternating direction method of multipliers, ADMM）将能量泛函拆解成若干个子问题，并将差分算子视为卷积算子；然后引入卷积定理和快速傅里叶变换(Fast Fourier transform, FFT)提高算法运算效率；最后通过Matlab进行仿真实验，运用图像质量的客观和主观评价方法进行评价分析。结果表明，本文方法能够较好地保留图像的边缘特性，有效提升去噪效果。     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

基于伪布尔模型和启发式算法求解无容量设施选址问题

采用伪布尔模型和启发式算法来求解无容量设施选址问题。首先给出了问题的伪布尔(pseudo-Boolean)表示，然后基于Khumawala规则对问题进行预处理，最后提出两种启发式分支准则来求解问题。实验结果表明所提算法简单有效。     

伪标签置信选择的半监督集成学习视频语义检测

在视频语义检测中，有标记样本不足会严重影响检测的性能，而且伪标签样本中的噪声也会导致集成学习基分类器性能提升不足。为此，提出一种伪标签置信选择的半监督集成学习算法。首先，在三个不同的特征空间上训练出三个基分类器，得到基分类器的标签矢量；然后，引入加权融合样本所属某个类别的最大概率与次大概率的误差和样本所属某个类别的最大概率与样本所属其他各类别的平均概率的误差，作为基分类器的标签置信度，并融合标签矢量和标签置信度得到样本的伪标签和集成置信度；接着，选择集成置信度高的样本加入到有标签的样本集，迭代训练基分类器；最后，采用训练好的基分类器集成协作检测视频语义概念。该算法在实验数据集UCF11上的平均准确率到达了83.48%，与Co-KNN-SVM算法相比，平均准确率提高了3.48个百分点。该算法选择的伪标签能体现样本所属类别与其他类别的总体差异性，又能体现所属类别的唯一性，可减少利用伪标签样本的风险，有效提高视频语义概念检测的准确率。     

基于函数主成分的函数型数据分类研究

不同属性特征可以反映出数据不同的内在信息,越多的差异性特征对机器识别就更有利,但是越多的特征数目引起数据更高复杂度。针对函数型数据最主要的函数性和导数性这两大特征,本文提出对函数型数据函数特征、一阶导数特征和二阶导数特征的组合集成方法,然后引入函数型主成分分析的方法解决数据的复杂性问题,最后通过函数型主成分距离度量方式,采用k近邻(knn)分类以达到分类的效果。实验分析表明了函数型主成分分析方法与混合多特征组合距离的结合,在函数型数据分类中的有效性。