碱金属、铵离子和烷基胺在磺酸型阳离子交换树脂柱上以有机酸和无机酸为淋洗液的保留行为

系统研究了碱金属、铵离子和烷基胺在磺酸型阳离子交换树脂柱上以有机酸和无机酸为淋洗液的保留行为．比较了草酸、柠檬酸、酒石酸三种有机酸在洗脱碱金属、铵离子和烷基胺时的差异,研究了有机酸和无机酸浓度对离子保留值的影响．在磺酸型阳离子交换树脂柱上,以有机酸或无机酸为淋洗液均可以同时分离碱金属离子(Li^ 、Na^ 、K^ )、铵离子和烷基胺(甲胺、乙胺、正丙胺)．淋洗液中起淋洗作用的阳离子是H^ ．溶质阳离子容量因子对数值与淋洗液中淋洗剂阳离子H^ 浓度对数值之间具有良好的线性关系,直线斜率近似为-1,与文献中溶质保留值方程完全相符．碱金属、铵离子和烷基胺的保留行为符合离子交换机理．随着淋洗液浓度的增加,溶质保留值减小,但溶质的洗脱顺序不变．     

离子色谱中阳离子保留行为的研究进展

本文主要论述了离子色谱中阳离子的保留行为,分别论述了阳离子在强酸型阳离子交换树脂柱上、弱酸型阳离子交换树脂柱上、硅胶柱上、螯合离子交换树脂柱上的保留行为,以及淋洗液的种类、浓度、pH值和改进剂的添加对阳离子保留行为的影响,结果发现不同溶质在同一色谱柱上的保留行为不同,即使同一溶质在不同固定相上的保留行为也不同.     

对称加权算法对数据矩阵补全的优化研究

数据分析中存在数据集矩阵缺失,可用数据矩阵补全缺失数据元素,高效的补全数据矩阵算法可从算法精度等方面优化提升.为此提出对称加权(SW)算法,首先,根据通用的矩阵补全模型,用正则化方法进行低秩矩阵分解补全;其次,对分解后的矩阵因子用共同的对称矩阵加权,得到新的矩阵补全模型和正则化加权函数;最后,结合块坐标下降和交替最小二乘法优化算法,迭代得到目标函数最优解,获得数据补全的最优补全矩阵.仿真结果表明,与APALM,IRSVF和IRNN算法相比,对称加权算法在数据矩阵补全的精度和算法收敛速度方面均有较好提升.     

碱土金属和过渡金属离子在磺酸型阳离子交换树脂柱上以乙二胺-络合有机酸为流动相的保留行为

系统研究了碱土金属和过渡金属离子在磺酸型阳离子交换树脂柱上以乙二胺-络合有机酸(草酸、柠檬酸、酒石酸)为流动相的保留行为,比较了三种络合有机酸在洗脱和分离碱土金属和过渡金属离子时的差异,研究了流动相pH和乙二胺浓度对金属离子保留值的影响,流动相中络合有机酸的种类和浓度对碱土金属和过渡金属离子的选择性和分离均有影响,草酸和柠檬酸对过渡金属离子具有较好的选择性,以乙二胺一草酸或柠檬酸为流动相可以同时分离碱土金属和过渡金属离子,酒石酸对过渡金属离子的选择性差,用乙二胺一涵石酸作流动相可以分离碱土金属离子,但不适于分离过渡金属离子,当流动相中络合有机酸(草酸或柠檬酸)的浓度或pH(3.5～5.0)变化时,过渡金属离子保留值变化的幅度大于碱土金属离子,与此相应的会有碱土金属和过渡金属洗脱顺序的变化,这种差异可用于改善碱土金属与过渡金属离子之间的分离状况,改变流动相中乙二胺的浓度可以改变碱土金属和过渡金属离子的保留值,但它们的洗脱顺序不变。     

降噪分层映射算法在多维聚类分析中的优化研究

为了在多维聚类分析中运用有效的深度特征选择方法排除冗余和无关的特征属性,学习数据元素的非线性关系提取最佳特征,提出一种降噪分层映射算法(DHM).首先,基于降噪自动编码器构建非循环神经网络,容错数据经过隐藏层加权和激活函数的训练获取输入数据的非线性关系得到特征空间,实现特征重构选取最佳特征.其次,特征空间用于调整自组织特征映射神经网,通过计算最小化加权平方欧式距离寻找匹配的获胜神经元.最后,结合特征选择网络和无监督聚类网络为降噪分层映射神经网,通过整体模型迭代训练,使权重参数和偏差向量同时得到优化,实现有效的无监督聚类方案.在真实数据集上的实验结果表明,同AESOM,DCSOM和S-SOM算法相比,DHM算法在提高聚类质量及准确性方面有更好的表现.     

四维光场数据中基于极平面图的深度估计方法

针对四维(4D)光场数据中的深度估计问题,提出一种基于4D光场数据极平面图(EPI)结构信息的高精度深度估计方法 .首先,对4D光场结构进行了分析,给出了深度信息与视差的关系.然后,在外极平面图像上,计算切片域中每个点的视差估计以及可信度估计.最后,根据可信度估计来加权局部视差估计的准确性,用于获取全局一致性视差图,进而可获得全局深度图.仿真实验结果表明,该方法能够精确估计出深度信息,为视觉三维重建提供了良好的基础.     

基于MFANet和上下文特征融合的遥感影像目标检测

针对遥感影像背景复杂、目标尺度变化较大、类间相似性较高等特点而导致目标检测效果欠佳的问题,提出一种基于Faster R-CNN的有效且鲁棒的遥感影像目标检测方法.首先,引入可变形卷积、调制机制和空洞卷积,构造调制的特征自适应网络,提取更准确、更完整的目标信息.其次,构造上下文特征金字塔网络,提取更丰富且更具判别性的特征...     

协方差测距算法在多维聚类分析中的优化研究

为了在多维聚类分析中运用有效距离度量方法表征数据对象的邻近度,提出一种协方差测距（covariance distance measure analysis,CDM）算法,首先,采用模糊C均值(fuzzy c-means,FCM)方法对数据对象赋予权值,得到每个样本点相对类别特征的隶属度,再依据隶属度计算每个样本的差异度;其次,为了使类别分离最大化,用样本点同关联类别的协方差距离度量代替模糊聚类中欧式距离度量作为优化问题的第一个标准,使相似数据对象更为接近;最后,用样本点间的协方差距离度量作为第二个优化标准,使相异数据相互隔开,交替固定变量迭代计算最优解,使聚类指标和距离度量学习参数同时得到优化,获得更好的聚类结果。在不同数据集上的实验结果表明,与FCM-Sig和UNCA算法相比,CDM算法在聚类准确性和算法收敛性方面均有更好表现。     

特征漂移约束算法在推荐系统中的优化

在时间矩阵分解方法的基础上,利用概念漂移检测捕获随时间动态变化的用户兴趣和项目偏好特征,可以有效提高个性化推荐算法的准确性.为此,该文提出特征漂移约束(feature drift constraint,FDC)算法,首先,根据输入样本的评级反馈构建评级矩阵的时间序列,采用矩阵分解方法将评级矩阵分解为用户特征矩阵和项目特...