香油快速定量方法

作者利用香油的氯仿溶液与硫酸的显色反应,研究了一种现场测定香油含量的快速定量方法。该法简便、快速、准确、实用。不需要任何特殊试剂和设备,3分钟就能准确测出香油的含量,灵敏度高。特异性好,最低可检出0．005g的香油,其它植物油无干扰。回收率为95．6~100．3%,实验室和现场测定变异系数分别为0．75~3．6%及1．4%~3．3%。该法是目前测定香油含量的一种独特方法。并用这种方法,在国内首先调查提出了香油含量正常值的质量参考指标,进一步为国家制定香油含量的质量专业标准提供了参考数据,结合其专业质量标准,更能全面评价香油的质量。     

基于BP神经网络的杂散电流腐蚀速度预测

为了建立更实际的杂散电流预测模型,提出了一种基于BP神经网络的杂散电流腐蚀速度预测,通过构建BP神经网络模型,建立训练样本集,进行网络训练和网络仿真,得到了BP网络模型预测结果。预测结果表明该BP网络模型在埋地金属管道的杂散电流预测中具有一定的应用和推广价值。     

基于R-树的连续最近邻查询算法优化研究

连续最近邻查询是空间数据库中一类重要的查询,在解决这个问题的已有方法中,最有效的是基于R-树的一次遍历算法,但这个算法中没有对R树的遍历顺序进行优化,没能最大程度地删剪结点,就磁盘存取而言是低效率的.对这个算法进行了改进,通过优化遍历顺序减少了磁盘存取数量,提高了I/O效率.     

Python网络爬虫应用探讨

爬虫技术广泛应用于搜索引擎、大数据、人工智能等多种网络应用场景,而Python语言在开发网络爬虫中具有明显的优势.当前,互联网已经完全融入人们的生活,各类网络热点舆情信息瞬息万变,一个简单便捷的Python网络爬虫云平台可以满足用户在日新月异的网络变化中获取有价值的信息.     

基于Bootstrap 法的机载浮标搜潜系统作战效能指标分析

为解决试验样本量较少导致评估精度较低的问题,引入Bootstrap方法对机载浮标搜潜系统部分指标进行评估。介绍对于成败型指标的目标发现率评估步骤,并对一定环境下的潜艇目标发现率、浮标信号有效接收距离和某分机灵敏度这3项有代表性的指标进行仿真。分析结果说明该方法确实能够提高评估精度。     

一种拟合曲线的新拟合算法

非线性测量中对测量结果进行曲线拟合通常采用最小均方误差的标准进行系统参数的辨识,该方法未考虑输入样本的随机性。基于此,提出了一种新的拟合算法:考虑输入样本的随机性所采取的一种加权的最小均方误差拟合方法,利用已知的输入样本的统计特性对权值进行估计,对算法概率为1的任意逼近性给出证明,并对区间半长作出估计。实验表明,该算法有较理想的逼近效果。     

一种基于自组织过程神经网络的动态样本半监督学习算法

针对时变信号模式分类和未标记样本信息的有效利用问题,提出了一种基于自组织过程神经网络的动态样本半监督学习算法.根据获得的已标记和未标记的过程函数样本信号,分别构建基于竞争学习规则和有教师示教方法的自组织过程神经网络模型,利用该网络的自组织特性,实现动态样本的分类标识.文中分析了算法的信息处理机制,给出了具体的实现步骤....     

基于粒子群算法寻最优属性关联下的零样本语义自编码器

针对零样本图像分类构建共享属性层时造成的信息缺失问题,该文提出一种嵌入属性关联性的补偿方法。通过语义自编码器构建特征到属性的映射,然后以最大后验概率估计在类高斯模型构建的基础上实现零样本图像分类。为弥补SAE对属性关系学习的不足,引入加性因子与乘性因子对属性相关性进行嵌入,并利用粒子群算法搜寻最优的因子参数,实现属性相...     

一种聚类模式下基于密度的改进KNN算法

KNN是基于实例的算法,训练样本的数量影响KNN的分类性能.合理的样本剪裁可以提高分类器的效率.提出了一种聚类条件下基于密度的KNN改进模型.首先使用聚类方法对训练集进行基于类别的选择,裁剪边缘样本以减少噪音;再基于类别密度对样本进行加权,改善k近邻选择时大类别、高密度训练样本的占优现象.试验结果表明,本文提出的改进KNN分类算法提高了KNN的分类效率.     

广播移动直播车设计改造方案

随着广播节目的形态需求和变化,广播移动直播车的应用更加频繁和广泛。因此各种广播新技术的不断应用和革新已经成为广播节目制作传输变革的动力。充分利用新技术实现移动直播车的新功能,注重移动直播系统的安全性、稳定性,这是广播移动直播车设计和改造的主要理念。