甜菜皂素的提取及特性

甜菜皂素是一种天然的非离子型表面活性剂，用无机酸回流甜菜废丝，将所得的滤液蒸发浓缩至粘稠，再加入一定量的无水乙醇反复回流，脱色，纯化后得乳白色甜菜皂素片状晶体。     

条件不完全确定的发散思维型数学问题

“在条件A之下,会产生哪些、什么样的结果B”的问题,就是发散思维型的问题。若其中的条件A带有某种不确定成份,这就构成一种“条件不完全确定的发散思维型数学问题”。这种问题求解过程中的思维活动,有许多特点,对于培养学生的创造性思维有相当高的教育价值。本文以实例为基础对此做了讨论。     

有穷长半模偏序集上的一个定理

本文是对参考文献[1]第二章定理14证明的补充和改进。该定理乃指: 定理14.在任何上(或下)半模的有穷长的偏序集内,Jordan-Dedekind链条件成立。 文献[1]中,考虑上半模情形,谈到已知一个连接链:γ∶a=x_0相似文献   

溶剂萃取法制备碳酸盐的热力学讨论

向金属氯化物(Ⅰ)的水溶液中通入CO_2气体,以期制备相应的碳酸盐和酸式碳酸盐,在常温常压下,体系的△G>0,反应几乎是不可能的。向反应体系中加入有机溶剂(S),使生成的HCl即被萃取,可促进Ⅰ的继续转化。分析计算表明,S对HCl必须有很强的萃取能力,其K_萃须在10~5以上。研究了加入有机溶剂N_(235)前后,体系的热力学状态、函数及其变化。加入N_(235)后,K_萃值增大了5个数量级。考察了温度、时间和通气次数对系统热力学性质的影响。根据反应的耦合原理和热力学分析,提出萃取剂选择的原则。结合实验数据的估算说明:溶剂萃取法由Ⅰ和CO_2制备碳酸盐的工艺路线是可行的。     

边界元法在计算地下水稳定水位和流量中的应用

边界元法是一种新的数值计算方法。该法易于处理无限区域的地下水流问题,并且计算流量也较其他方法准确。本文介绍在二维稳定流的情况下如何计算地下水的水头和流量。承压含水层中的稳定流动,水头H满足拉普拉斯方程。利用格林第二公式,可以得到边界积分方程,即边界元的基本公式。可以用数值方法计算这一边界积分。为此,在边界上选取有限个点,称为节点,两节点间的线段称为单元。本文中选用线性单元和线性插值。引进局部坐标系,可以得到表示H和( H/ n)关系的方程。我们可以选一个节点作为固定的基点,其他节点为动点,对于每一选择都可得到一个方程。依次把每一节点作为基点,可得到N个方程,构成一个线性代数方程组。根据边界条件,每一节点中的H或( H/ n)有一个是已知的,解方程组可求出另一个。解出边界上的全部H和( H/ n)以后,可算出内部的水头和流量。对于非均质问题可划分为几个区域来处理。分界线上要满足相容性方程。对于( H/ n)的不连续点,可用“节点多值法”处理。     

基于预训练模型和混合神经网络的医疗实体关系抽取

医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法。首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文本的上下文特征,同时使用卷积神经网络获取文本的局部特征;再使用注意力机制对序列特征进行加权,获取文本全局语义特征;最后将实体标记特征与全局语义特征融合,并通过分类器得到抽取结果。在医疗领域数据集上的实体关系抽取实验结果表明,新提出的混合神经网络模型的性能比主流模型均有提升,说明这种多特征融合的方式可以提升实体关系抽取的效果。     

基于多维行为分析的窃电高风险客户精准定位方法

窃电行为对国家电力系统及供电公司造成了极大的损失,故反窃电技术是电力行业的重要研究方向之一。传统的窃电用户定位方法存在定位不准确、查处效率低等问题,为了解决上述问题,提出基于多维行为分析的窃电高风险客户精准定位方法。首先通过相关矩阵R及特征值谱熵正则化完成用户数据去噪,其次在UFS-MI模型内提取用户数据特征,分析用户用电的多维行为,最后根据逻辑回归算法完成窃电高风险客户的精确定位。实验结果表明,所提方法的窃电高风险客户定位精准度较高,误判率较低,整体定位效果较好。     

空间听觉与虚拟听觉空间的计算机仿真

一些科学工作者对人类以及动物听觉的自由声场至耳膜的传递函数进行了测量,他们发现在宽带信号激励的情况下,不同频率分量之间的幅度差异是与声源的方向有关的,这一发现已被用于展现“真实”的三维听觉,称作虚拟听觉空间仿真。     

雷达辐射源信号双谱二次特征提取方法

现有的双谱特征提取方法可以满足信号分类识别，但是出现了交叉项、平凡双谱以及特征维数过高等一些问题。针对以上问题，提出一种双谱二次特征提取方法，将双谱转化为灰度图像，以灰度值表示双谱幅度；再利用图像处理技术提取双谱二次特征，提取出能够表征辐射源信号双谱图像纹理信息的灰度共生矩阵特征集；将该特征集与Hu-不变矩特征集进行对比实验。仿真结果表明：该方法具有更好的分类识别性能，对于CW、LFM和NLFM信号的平均识别率均达90%以上。