X-5树脂吸附分离海边月见草叶总黄酮的影响因素

采用3种大孔吸附树脂对海边月见草叶总黄酮进行吸附纯化,筛选出适宜的树脂X-5,考察了原液质量浓度、pH值、温度、树脂用量等因素对该树脂静态吸附的影响,以及洗脱剂乙醇体积分数对静态解吸效果的影响.结果表明:X-5树脂对海边月见草叶总黄酮有良好的吸附纯化性能,当原液质量浓度为1.250m g.mL-1时,树脂达饱和吸附量12.08 m g.g-1(湿质量);在室温、振荡条件下,提取液pH值4.0~4.5时,树脂具有较好的吸附效果;而适宜的洗脱剂为体积分数50%~70%的乙醇溶液,70%乙醇的解吸率为71.27%.     

一起滑模施工起重伤害事故的分析

采用事故树分析方法,对一起滑模施工起重伤害事故进行了分析,重点探讨了事故发生的原因,并提出了相应的预防控制措施。     

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.     

分形图像压缩技术研究

分形图像压缩技术具有高压缩比、高信噪比和良好视觉效果等特点,已成为数字图像领域的研究热点,但由于需要人工干预、压缩时间长,一直没有取得广泛的应用。本文在分析分形图像压缩理论和压缩过程的基础上,采用分形技术与其它压缩技术相结合的方法,给出了一种小波变换和分形技术相结合的算法,利用小波变换后同方向多级子频带的相似性进行分形压缩,可以有效缩短压缩时间,提高自动化处理程度,很好解决了放大过程中的失真问题,取得良好压缩效果。     

哈夫曼编码的一种基于树型模式匹配的改进型算法

一般情况下，哈夫曼编码所采用的存储结构及构树方法，不仅影响编码效率，而且也没充分利用存储空间．本文改顺序存储为链式存储，对叶结点和非叶结点采用不同的存储结构来降低空间复杂度．在编码时，充分利用短码字且基于树型模式匹配进行编码，提高了编码性能和传输效率．     

一种防范多阶段网络攻击的综合分析方法

提出了一种防范多阶段网络攻击的综合分析方法，首先捕获系统漏洞、攻击者的能力、以及这些信息之间的关系，将其模型化；然后利用改进的模型检测器NuSMV自动产生只包含能对系统造成危害的漏洞的攻击链；最后以攻击链为基础建立简化的攻击树，通过将攻击树量化进行风险评估、可靠性评估、最短路径分析等等。仿真实验表明该方法不仅能够有效的防范多阶段攻击，而且能够对网络进行脆弱性评估。     

利用ITS序列对两个盐藻株的分子鉴定

对实验室长期保存的两个盐藻株(Dunaliella salina)核糖体rDNA的ITS(internal transcribed space)序列(ITS1 5.8S rDNA ITS2)用PCR技术扩增并克隆,经序列测定后,与从GenBank中获得的相关序列一起构建系统发育树.结果显示:其中一个(Dunaliella salinaSHU 01)与Dunaliella viridisCONC 002的距离最近,另一个(Dunaliella salinaSHU02)与Dunaliella salinaUTEX 1644的距离最近.因此分别命名为Dunaliella viridisSHU与Dunaliella salinaSHU.     

对图像压缩中的SPIHT与SPECK算法的研究

在众多的图像压缩算法中，SPIHT和SPECK具有较好的性能，文中对这两种算法进行了深入地研究．首先介绍了小波变换后系数的分布特点，然后从算法思想、集合定义、分裂过程、排序过程、量化以及编码后的码流等方面分别介绍了SPIHT（多级树集合分裂）和SPECK（集合分裂嵌入块）算法，最后总结了他们的异同之处．     

一种IP数据包快速分类算法

为了提高查找效率,在无冲突哈希查找算法和Grid of Tries算法的基础上提出了一种基于无冲突哈希和多比特Trie树(NHMT)的IP分类算法.该算法的核心有3部分:哈希函数的构造,主要是采用基于目的端口和协议两域构造哈希函数,使得在最坏情况下完全避免了空间爆炸问题;在Grid of Tries算法的基础上,对Grid of Tries算法改造成修剪的Trie树和多比特Trie树,以减少空间复杂度;在无冲突哈希查找算法的基础上扩展一层用于存放源端口号(或范围),扩展后一般要提高算法的时间复杂度,要通过引入多比特Trie树的方法进行解决.对于空间复杂度方面与无冲突哈希查找算法比较,一般情况下不增加空间复杂度.通过仿真,当对10 000条规则进行包分类时,该算法的分类速度可以达到1 Mbit/s,所消耗的最大内存为8.2 MB.     

一种基于FP-tree的最大频繁项目集挖掘算法

挖掘最大频繁项目集是许多数据挖掘中的关键问题．为克服早期基于Apriori的最大频繁项目集算法中的缺点,相继有多种挖掘最大频繁项目集方法被提出．其中对基于FP-tree的最大频繁项目集挖掘算法比较多,但对FP-tree中的结点的频度计数关注的很少．通过对FP-tree结构进行了仔细分析后,在FP-tree中结点的频度计数和集合理论的基础上,提出了一种新的最大频繁项目集挖掘算法USDMFIA(using set to discover maximum frequent itemsets algorithm)．通过分析比较,显示此算法是有效的．