基于集成学习的P2P流量识别模型

将DTNB、OneR和BP神经网络算法集成用于P2P流量识别,构建了基于该集成学习算法的P2P流量识别模型。利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量。所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤。采用十折交叉验证与测试集相结合的方法CTFCVWTS(combining T-fold cross validation with testing set)评估模型的合理性和提出方法的有效性。实验得出流量分类准确率平均为97.27%。结果表明,该模型具有较高的P2P流量识别准确率。     

半胱氨酸共存情况下一种快速准确测定谷胱甘肽的新方法

２０～３０ｍ ｍ ｏｌ／ Ｌ 半胱氨酸在 ２ｍ ｉｎ 内可与 φ＝ ０．０３ 甲醛完全反应而被掩蔽。利用谷胱甘肽与 ５,５′二硫代双（２硝基苯甲酸）（ Ｄ Ｔ Ｎ Ｂ）的颜色反应,测定产物在波长 ４１２ｎｍ 的 Ｏ Ｄ 值,通过计算或标准曲线可迅速得出谷胱甘肽含量,误差小于 ２％ 。