508树脂吸铀机理研究[Ⅰ]

本文应用红外光谱与紫外光谱实验手段报导了508树脂吸附铀酰离子反应机理研究成果。研究成果初步得到以下三个结论: (1) 由701预聚浆与5NAP生成508树脂的反应是生成醚键的化学反应,反应产物是R—O—R′。(其中R—OH是指(?)—NH_2,代号为5NAP化合物,而R′是指具有树脂母体,代号为701树脂)。 (2) 紫外光谱方法证实,5NAP不吸铀。而508树脂却是一个优良铀吸附剂。 (3) 508树脂吸铀机理,是508树脂醚键与—NH_2基和UO_2~(2+)进行螯合。以上结论,在国内外尚未见正式文献报导。     

免疫蛋白分子与纤维膜的相互作用研究——酶斑板的设计原理

本文研究了免疫蛋白大分子(抗体、抗原)与另一些蛋白大分子(不同种类的抗体、抗原)之间以及它们与纤维膜之间的相互作用,也研究了表面改性对这些相互作用的影响,设计并研制出了酶斑板,经多家医院用于临床诊断的结果表明,应用界面化学的原理和技术,设计研制酶斑板是可行的.     

免疫蛋白分子与纤维膜的相互作用研究——酶斑板的设计原理

本文研究了免疫蛋白大分子(抗体、抗原)与另一些蛋白大分子(不同种类的抗体、抗原)之间以及它们与纤维膜之间的相互作用,也研究了表面改性对这些相互作用的影响,设计并研制出了酶斑板,经多家医院用于临床诊断的结果表明,应用界面化学的原理和技术,设计研制酶斑板是可行的。     

508树脂吸铀机理研究[Ⅰ]

本文应用红外光谱与紫外光谱实验手段报导了508树脂吸附铀酰离子反应机理研究成果.研究成果初步得到以下三个结论: (1)由701预聚浆与5NAP生成508树脂的反应是生成醚键的化学反应,反应产物是R-O-R ??树脂母体,代号为701树脂). (2)紫外光谱方法证实,5NAP不吸铀.而508树脂却是一个优良铀吸附剂. (3)508树脂吸铀机理,是508树脂醚键与-NH_2基和UO_2~(2 )进行螯合. 以上结论,在国内外尚未见正式文献报导.     

B_4树脂吸铀机理研究Ⅱ

本文应用Perkin-Elmer 577型红外分光光度计实验手段分析了B_4树脂吸附铀酰离子反虚机理,初步得到如下结论:第一,B_4-1(2)和B_4-4(2)二种树脂吸铀后,在885cm~(-1)处均出现明显的UO_2~(2 )特征红外吸收峰,随着B_4树脂吸铀量的增大,该吸收峰面积有规则的增大。第二,二种B_4树脂吸铀后,其芳基一胺和烷基一胺的红外吸收蜂强度明显减弱,同时产生新的NH_4~ 红外吸收峰。第三,二种B_4树脂吸铀后,它的醚键红外吸收峰消失。以上结论,在国内外尚未见正式文献报导。     

基于情境化用户偏好的协同过滤推荐模型

协同过滤推荐是目前个性化推荐系统中使用最为广泛的方法.然而,传统协同过滤推荐一方面仅根据用户对项目的评分来判断用户之间是否存在共同喜好具有一定的片面性,因而降低了近邻搜索的质量;另一方面忽略了不同情境对用户偏好影响的差异性,进而影响了个性化推荐的效果.为此,提出一种基于情境化用户偏好的协同过滤推荐模型.首先,在模型中采用信息熵理论分析不同情境对用户偏好产生影响的重要程度,并结合用户-商品评分和用户对商品属性的偏好来搜索近邻用户;在此基础上,将情境重要度的权重引入到协同过滤推荐的生成过程中进而产生推荐结果.通过MovieLens数据集对该模型和其它两种协同过滤推荐进行比较的结果表明:本模型具有较低的平均误差,进而表明了考虑情境化用户偏好的协同过滤可明显改善个性化推荐的质量.     

基于情境聚类和用户评级的协同过滤推荐模型

协同过滤是电子商务推荐系统中广泛应用的推荐技术, 但面临着严重的用户评分数据高维化和稀疏性问题. 同时, 传统协同过滤中的相似度度量方法没有考虑用户评分行为对其他用户的影响, 因而对评分预测的精度影响较大. 此外, 在移动环境下, 传统协同过滤未结合情境信息, 导致推荐质量下降. 对此, 提出一种基于情境聚类和用户评级的协同过滤模型. 首先, 根据情境信息对用户进行聚类, 降低用户评分数据维度和稀疏性; 然后, 引入社会网络理论分析用户间关系, 建立用户评级模型用于评价用户推荐能力, 并结合评级指标进行评分预测. 通过MovieLens和NetFlix数据集对基于该模型的SlopeOne算法和其它三种方法的比较验证结果表明: 本模型在所有数据集上都获得了最高的预测精度, 同时还具有最佳的推荐覆盖度, 可显著提高预测精度, 更适用于移动电子商务环境下的个性化推荐问题.     

提箱作业优化问题的嵌套启发式算法

针对集装箱堆场进口集装箱的提箱作业计划问题,建立了以作业总成本最小为目标的多阶段决策优化模型,构造了内外嵌套两层结构的优化算法,内层算法实现最短路径搜索子模型,外层算法实现倒箱策略优化子模型.对内外层优化算法,设计了基于启发式A*与GA算法分别组合的4种方案.实例分析表明:各算法组合方案具有相同的有效性,当问题规模较小时,A* A*较好,但问题规模增大时,GA GA较好.