UPLC-MS/MS方法评估人对食物中杂环胺的摄入

采用超高效液相色谱-串联质谱（UPLC-MS/MS）技术,建立了人体摄入吸收后的食物致癌物杂环胺（HAAs）与血清白蛋白（HSA）形成的亚磺酰胺加合物的准确、高灵敏度检测方法,用于评估HAAs的摄取,研究HAAs与相关癌症风险的关系。选取2-氨基-1-甲基-6-苯基咪唑并[4,5-b]吡啶（PhIP）为研究对象,依据PhIP在人体内的代谢途径,体外合成PhIP-HSA亚磺酰胺加合物。使用UPLC-MS/MS检测PhIP-HSA亚磺酰胺加合物的酸水解产物PhIP,对PhIP-HSA亚磺酰胺加合物进行定量。结果表明,HiTrap Blue亲和柱对HSA的回收率高于90%;优化的条件下,PhIP-HSA亚磺酰胺加合物的水解效率高达96%;PhIP-HSA亚磺酰胺加合物的含量与PhIP的信号强度呈良好线性关系;线性回归方程是y=1.011 7x+3.256 3,R²=0.998 7。该方法的检测限和定量限分别低至5×10-3 fmol/mg HAS和1.50×10-3 fmol/mg HSA。该方法对人血浆中PhIP-HSA亚磺酰胺加合物的测定具有较高的灵敏度,在HAAs摄入与相关癌症风险关系的研究中,是用于评估常食用熟肉个体的HAAs摄入的可行方法。     

深度信念网络的二代身份证异构人脸核实算法

二代身份证人脸核实问题是指判断二代身份证人像和身份证使用者当前头像是否为同一人。具体来说,即将二代身份证模糊人像和实际在光照、背景等因素不可控环境下拍摄的若干张二代证使用者的视频人像作匹配,判断是否为同一个人。由于低分辨率模糊图像和清晰视频图像属于2种不同的图像模态,因此该问题属于异构人脸识别问题。考虑到跨模态人脸图像的差异,传统的特征抽取方法很难抽取判别性特征来描述不同模态图像,使得传统方法难以达到精准辨别。针对这个问题,提出了一种新的基于深度学习的解决方法,其基本思想是通过深度信念网络(DBN)的非监督贪心逐层训练来提取人脸图像的高层特征,结合传统的图像预处理和相似性度量技术,达到人脸核实的目的。通过在256人的真实二代证数据集上和传统特征降维方法 PCA、LDA进行比较,证实了所提出方法在准确率上相比PCA有约12%的提升,相比LDA有约8%的提升。实验同时表明,针对数据量增大的情况,基于深度学习的解决方法要优于传统的人脸识别方法。     

ZigBee的多点震动检测系统设计与实现

该文设计了一种基于Zig Bee技术的多点震动检测系统,系统有一个主节点和多个从节点,使用多片CC2530芯片处理数据。从节点感应震动发生,通过Zig Bee技术将数据发送给主节点,主节点接收数据,进行数据处理并显示每个节点的震动情况,如果有从节点发生震动,进行报警。经测试,该系统反应迅速,可以实现报警功能。     

因子分解机算法在基于深度数据包检测的手机应用推荐中的应用

为了从网络数据包中抽取相关特征进行手机应用推荐,使用江苏电信运营商在互联网服务提供商(ISP)机房抽取的网络深度数据包数据,从中抽取运营商所关心的热点手机用户的App访问信息,然后使用基于矩阵分解(包括奇异值分解(SVD)和非负矩阵分解(NMF))的推荐算法、奇异值分解推荐算法以及因子分解机推荐算法进行手机App推荐。实验表明,因子分解机算法取得了较好的推荐效果。这说明因子分解机在手机应用推荐的场景中可以更好地描述用户和物品之间的隐含关联。     

Russian roulette优化小波算法在X射线荧光光谱去噪中的应用

小波去噪是效果较好的去噪算法，小波函数和分解等级的选择对去噪质量影响很大，但利用小波函数对X射线荧光光谱去噪存在优化困难。针对这一问题，提出了一种基于Russian roulette优化小波算法用于X射线光谱去噪。以土壤中Cr、Mn、Co、Ni、Cu、Zn、As、Pb等8个重金属元素定量模型的决定系数(R²)求和为优化目标，通过Russian roulette优化策略更新小波函数和分解等级，经过设定的迭代次数后，选出实际土壤样品光谱较优的小波函数和分解等级。该方法在55个国家标准物质土壤样品的30 s测量的X射线荧光光谱进行验证，优化后8个元素的R²均有所提高，8个元素的定量模型R²之和从7.8383增大到7.8704。这将为小波去噪在X射线光谱的元素快速测量提供一种可选择的方案。