基于最大化依赖的恐怖行为背景特征提取方法

针对恐怖数据集中存在的属性值残缺问题,提出了基于最大化背景向量与行为之间依赖关系的压缩背景空间(CCS)方法。该方法基于希尔伯特-施密特独立标准和希尔伯特-施密特范数,它们能有效检测变量间的关联性。CCS通过使得背景向量线性投影后的低维特征与行为之间希尔伯特-施密特范数最大化,从而实现背景向量与行为之间的依赖关系最大化,更好地发现两者之间的关联性,减小属性值残缺带来的影响。然后利用分类模型(如支持向量机(SVM))对所得到的低维特征进行学习(CCS+SVM),实现高效预测。在MAROB数据集上的实验表明:与SVM模型、基于传统特征提取方法(如PCA和CCA)的SVM模型以及已有的恐怖行为预测算法CONVEX相比,CCS+SVM的性能在查全率和F值上分别提高1.5%和1.0%以上,而查准率和ROC曲线下面积(AUC)值与最好性能相当。实验结果表明,CCS+SVM能够较好地解决恐怖数据集中的属性值残缺问题。     

微波处理对刺槐豆胶多糖结构特征的影响

采用微波辅助法(microwave-assisted extraction,MAE)和热水浸提法(hot water extraction,HWE)处理刺槐豆胶,并对得到的刺槐豆胶多糖(locust bean gum polysaccharide,LBGP)进行分子量及分子量分布、糖链构象、单糖组成、糖苷键类型等一系列表征进行分析。通过比较发现,MAE-LBGP的分子量(2.744～3.777×10⁶ g/mol)显著高于HWE-LBGP(1.222～1.593×10⁶ g/mol),且具有更宽的分子量分布,不均一性的增强使得糖链呈现出更加多样化及更为紧密的构象特征,而HWE-LBGP的构象则表现得相对单一和松散。经由两种提取方式得到的LBGP具有相同的单糖组成种类(甘露糖和半乳糖)和糖苷键类型(1→4与1→6位连接键)。以上结果归因于在微波效应的作用下,溶剂的极化作用增强,提取能力增加,并通过增强溶剂的传质能力,获得了高分子量和更宽分布的多糖所致。本研究为微波技术在多糖提取应用方面提供了支持和帮助。     

浅析山地住区入口空间特色——以重庆山地住区为例

与平地住区相比,山地住区具有鲜明的地形特征,正是这种地形高差变化及走势使得山地住区外部空间具有独特性和地域性。因此,探究山地住区的入口空间特色,需抓住地形地貌这一因素,分析在这种因素影响下住区入口与城市空间及住区布局之间的联系,并总结出空间的多层次构成和各构成要素的细节设计,对今后山地住区入口空间设计起到借鉴作用。