气相色谱法测定2,6-二甲基苯胺中的10种相关杂质

建立了气相色谱法同时检测2,6-二甲基苯胺中的10种相关杂质，即间二甲苯、2,4-二甲基硝基苯、2,6-二甲基硝基苯、2,3-二甲基苯胺、2,4-二甲基苯胺、2,5-二甲基苯胺、3,4-二甲基苯胺、3,5-二甲基苯胺、邻甲苯胺、对甲苯胺。色谱柱采用DB-FFAP型毛细管柱(30 m×0.25 mm×0.25μm);程序升温，起始温度为60℃,维持10 min,以15℃/min的速率升温至110℃,维持56 min,再以25℃/min的速率升温至200℃,维持10 min;进样口温度为230℃;检测器温度为235℃;流速为1.0 mL/min;分流比为10∶1。结果显示，10种杂质均分离良好；定量限分别为5μg/mL(7个杂质)、10μg/mL(2个杂质)和30μg/mL(1个杂质),且杂质在各浓度范围内线性关系良好；平均回收率(n=9)在88.17%～108.17%范围内，RSD均<10%。该方法操作简便，专属性、精密度良好，可用于2,6-二甲基苯胺中相关杂质的准确测定。     

FODU:不确定数据集中快速离群点检测方法

离群点检测是数据管理领域中的热点问题之一,在医疗诊断、金融诈骗、环境监测等领域中具有广泛的应用。目前,随着传感器等设备在数据采集方面的应用,人们发现数据的不确定性普遍存在。与确定性数据相比,挖掘出不确定数据集中潜在的富有价值的信息变得十分困难。针对上述问题,提出了一种快速的不确定离群点检测算法FODU（Fast Outlier Detection approach on Uncertain data sets）。采用分层次划分思想给出了索引的构建策略,这种索引结构不仅克服了传统索引对多维数据管理的局限性,而且能够被快速地进行空间剪枝;为了快速地挖掘出不确定离群点,提出了高效的过滤方法。该方法通过批量过滤与单点过滤两个过程减少了大量的冗余计算,从而提高了检测效率,为了避免可能世界的空间膨胀,给出了数据对象离群概率值的计算方法。通过实验验证了所提算法的有效性,结果表明,相对于现有研究,该算法可以显著提高不确定离群点的检测效率。