面向缺失数据的布鲁姆近似成员查询算法

随着网络的发展，越来越多的场景需要在不完整数据下进行近似成员查询，传统成员查询的布鲁姆过滤器不能满足上述要求。提出面向缺失数据的布鲁姆近似查询算法，先对高维不完整数据的缺失部分进行预填充，通过PCA算法，将高维数据转换到低维数据，使用局部敏感哈希函数与标准哈希函数结合的方式将低维数据存储到布鲁姆过滤器中。使用两个真实数据集验证了所提算法的功能，所提面向缺失数据的布鲁姆近似查询算法，能有效地解决存在缺失数据的近似成员查询问题。     

QuEChERS-超高压液相色谱-串联质谱法同时测定水产品中的6种丁香酚类麻醉剂

建立了同时测定水产品中的丁香酚、异丁香酚、甲基丁香酚、甲基异丁香酚、乙酸丁香酚酯、乙酰基异丁香酚残留量的超高压液相色谱-串联质谱法。样品用乙腈提取,经50 mg乙二胺-N-丙基硅烷、100 mg C₁₈、150 mg Mg SO₄净化,采用Kinetex C₁₈(2.1 mm×100 mm,2.6μm)色谱柱分离,以甲醇-水作为流动相进行梯度洗脱,电喷雾离子源正负快速切换,多反应监测模式检测,内标法定量。丁香酚和异丁香酚的线性范围为2～100 ng/m L,其他4种丁香酚类药物的线性范围为1～100 ng/m L,线性相关系数均不低于0.999。丁香酚类药物检出限(信噪比为3)为0.5～1.5μg/kg,定量限为2.0～5.0μg/kg。6种丁香酚类麻醉剂的方法回收率为67.0%～106.4%,相对标准偏差为1.2%～15.7%。该方法能实现对水产品中丁香酚类麻醉剂的准确、快速检测,测定结果可靠。