白腐菌产木素过氧化物酶发酵条件的优化

在静置和振荡两种培养条件下研究营养条件对白腐菌合成木素过氧化物酶(1igninperoxidase,LiP)的影响。静置培养时,LiP在碳氮比(C/N)低的培养基中显示较高的酶活力,碳源以葡萄糖(0.02%)和糊精(0.18%)同时存在及分段加入要比单一葡萄糖作为碳源时获得更高的酶活;振荡培养时,在碳氮比高的培养基中LiP酶活最高,而类似于静置培养的氮源组合及分段模式却明显地抑制了LiP的合成。优化后,静置培养在第6天可获得7560U/L的酶活;振荡培养在第8天获得6500U/L的酶活。发酵液中LiP酶活力与菌体分泌的其同功酶的数量成一定的对应关系。     

基于抽样方法的不确定极限学习机

实际应用中的大量数据具有不确定属性,而传统的挖掘算法无法直接应用在不确定数据集上.针对不确定数据的分类问题,提出一种基于抽样方法的不确定极限学习机.该算法通过抽样的方法,对不确定数据集中样本的抽样实例进行学习和分类,得到该不确定样本的所属类别的概率,从而实现了传统极限学习机分类算法对不确定数据的分类,并极大降低了不确定对象实例的枚举代价.实验结果表明,该算法在不确定数据的分类问题中具有较好的有效性和高效性.     

山西省某煤矿改扩建工程水土流失与防治对策

通过介绍山西潞安集团蒲县隰东煤业有限公司矿井兼并重组整合项目基本情况，分析工程新增水土流失的因素，进行预测，提出了相应的防治对策和合理化建议。     

分布式环境中基于核函数的极限学习机

针对海量数据规模下的集中式核函数极限学习机的性能问题,将基于核函数的极限学习机扩展到云计算技术框架下,提出了基于MapReduce的分布式核函数极限学习机MR-KELM.该算法将分布式径向基核函数计算出的核函数矩阵进行分布式矩阵分解,并通过分布式矩阵向量乘法得到分类器输出权重,减小了网络通讯和数据交换代价.实验结果表明,MR-KELM算法能够在不影响基于核函数的极限学习机的计算理论的前提下,具有较好的可扩展性和分类训练性能.