超声辅助复合酶法提取莓茶多糖的工艺优化

目的：提高莓茶多糖的提取效率。方法：采用超声辅助复合酶法优化莓茶多糖的提取工艺,通过单因素试验考察超声波温度、超声波提取时间、酶解pH、超声波功率和复合酶添加量对莓茶多糖提取得率的影响,再利用Plackett-Burman试验筛选得到酶解pH、超声波功率和复合酶添加量对多糖提取率影响显著。并经过最陡爬坡试验和响应面（Box-Behnken）试验得到最佳工艺。结果：在酶解pH 4.30,超声波功率104 W,复合酶添加量1.20%,超声波时间40 min,超声波温度50 ℃的条件下,莓茶多糖得率为（7.22±0.06）%,与热水提取、超声波提取、复合酶提取相比,其得率分别提高了106.83%,86.35%,54.46%。结论：超声辅助复合酶提取莓茶多糖工艺可以显著提高莓茶多糖得率。     

论贵州苗族蜡染纹样之图腾崇拜

贵州苗族蜡染历史久远,可追溯到3000年前的秦汉时期。它是及传统文化与民间艺术为一体的大山瑰宝。通过对蜡染纹样的研究,阐述贵州苗族历代所隐含的图腾崇拜。论述了代表性纹样与之对应的图腾崇拜,进而分析了它们的审美内涵。提出了对图腾纹样的研究具有极高的文化艺术价值。     

一种带有附加记忆策略的改进教与学优化算法

教与学优化算法是一种模拟班级教学现象的新型群体智能优化算法,算法参数简单,收敛速度快,已经在函数优化、工程计算等领域取得广泛应用。但是算法后期容易陷入局部收敛,为此提出了一种带有附加记忆策略的教与学优化(MTLBO)算法。该算法首先在教学阶段增加教师记忆策略,学生的历史记忆知识与教师历史教学能力对提高班级的整体教学水平具有重要的作用,在每次更新学习者的同时考虑教师上一代的最优值和当代的最优值,有效增强算法局部搜索能力;在学习阶段增加个体向最优个体和随机个体学习策略,多个学生互相学习,充分利用班级内的知识信息,从而增强了算法的全局搜索能力。采用具有不同特征的多个测试函数对算法进行仿真实验,并与基本TLBO算法和2种改进的TLBO算法进行对比分析,结果表明提出的MTLBO算法在获得较高的收敛精度和稳定性的同时还提高了收敛速度,有效避免算法局部收敛。     

高校学生评教指标体系初探

学生评教是高校教师教学水平评价的重要组成部分,以我国高校学生评教指标体系中存在的问题为基本出发点,尝试性的构建高校学生评教表,以期在实践层面为高校教学质量评估的实施提供借鉴与参考。     

基于稀疏处理的运动目标认知ISAR成像技术

稀疏处理主要研究如何利用低维数据实现高维稀疏信号的准确重建。基于该特性,已有较多学者将其应用于ISAR成像中用以减少数据量,改善成像质量。文中首先从ISAR回波数据出发,建立了基于稀疏处理的ISAR成像模型,并给出实验处理结果;然后,针对稀疏ISAR成像中存在的对目标和环境的自适应能力不强、工作效率不高等问题,提出将稀疏ISAR成像与认知雷达相结合,构建了认知稀疏ISAR成像框图,并给出了两种认知稀疏ISAR成像策略,能够有效减少成像所需数据量,提高雷达利用效率;最后,利用实验数据验证了所提模型的有效性。     

基于B/S模式的教师继续教育培训网上报名系统的设计与实现

设计和实现一个基于B/S的教师继续教育培训网上报名系统。对系统的优势和可行性进行分析,并对系统的公告管理、在线答疑、网上报名以及系统管理四个功能模块进行设计与实现。     

基于PSO算法的高校创新创业教育资源优化配置

为实现高校创新创业教育资源配置的合理化、效益最大化,构建了教育资源投入-产出评价指标体系,提出教育资源利用效率与配置效率的多目标函数模型,并利用粒子群优化(Particle Swarm Optimization,PSO)算法进行实验仿真及模型求解.仿真结果表明,通过优化,各高校创新创业教育资源利用效率与配置效率分别平均...     

遗传-和声搜索算法下的MIMO雷达正交多相码设计

针对现有多输入多输出(MIMO)雷达正交多相码的设计中存在的自相关旁瓣峰值和互相关峰值高、算法收敛速度慢的问题,提出了一种基于遗传-和声搜索算法的MIMO雷达正交多相码设计方法。该算法将和声搜索算法和遗传算法相结合,在遗传算法多次迭代获得一个较好的初始解的基础上,再使用和声搜索算法进一步搜寻邻近区域可能的解。该算法既具有遗传算法全局寻优的特性,又具备和声搜索算法的邻域寻优特性。所提方法能够加快发射信号自相关旁瓣峰值和互相关峰的收敛速度,同时增大主瓣和旁瓣的比值。仿真实验的结果证明了所提混合算法的优良性能。     

典型电力安全突发事件演化及推演方法研究

针对我国电力安全突发事件时有发生,电力工作人员应急处置能力亟待提高的现状,基于电力安全突发事件典型案例,归纳总结出事件的演化规律及各个阶段的影响因素。比较国内外在应急决策模式、演化机理、事件模型、推演方法等4个方面的主要研究路线,选择适用于电力安全突发事件的基于情景和概率的推演方法,设计了应急推演系统框架,提出了一种基于专家系统的自学习理念。     

基于盈余公告漂移的LGBM多因子量化策略

在资本市场波动加剧的时代,挖掘有效因子与市场信息,构建合适的投资组合策略,可以实现对风险的控制和获取稳定且持续的超额收益率．选取2018—2022年第1季度中国沪深两市A股上市股票的业绩报告作为研究对象,以公司盈余公告后的1～12周作为时间窗口,通过研究盈余公告后的股价漂移（post-earnings-announcement drift, PEAD）选取市场异象的代理变量预期外盈余因子与其他5个相关市场异象因子,并使用信息系数（information coefficient, IC）、信息比率（information ratio, IR）和双重排序法进行有效因子的筛选和检验．考虑到本次量化选股是低数据量、低频次、特征值高有效性的分类任务,采用基于轻量梯度提升树的多因子量化策略构建投资组合预测股票的收益率,并与传统量化策略（简单打分法、基于预期外盈余的单因子模型、IC值加权的多因子选股模型）、基于其他机器学习模型（支持向量回归（support vector regression, SVR）、人工神经网络（artificial neural network, ANN）与分布式梯度增强（e...