间苯二酚分子印迹聚合物的合成及其吸附性能研究

以间苯二酚为模板分子,4-乙烯基吡啶(4-VP)为功能单体,乙二醇二甲基丙烯酸酯(EGDMA)为交联剂,采用沉淀聚合法合成分子印迹聚合物.通过静态平衡吸附实验和选择性实验考察了印迹聚合物的吸附性能和选择性,采用Scatchard模型研究了印迹聚合物的结合特性,并考察了印迹聚合物对同类底物吸附特异性.结果显示,该印迹聚合物对间苯二酚呈现出良好的吸附能力和选择性.     

罗丹明6G分子印迹聚合物的合成与性能研究

采用分子印迹技术,以丙烯酰胺为功能单体,乙二醇二甲基丙烯酸酯为交联剂,合成出以罗丹明6G为模板的分子印迹聚合物.利用静态平衡结合法和Scatchard分析法研究了此印迹聚合物的结合能力和选择性.结果表明,以丙烯酰胺为功能单体的印迹聚合物中形成了两类不同的结合位点,计算了离解常数分别为7.64ⅹ10-4moL/L和4.35ⅹ10-3moL/L.对比罗丹明S和罗丹明B的结合特性,该印迹聚合物呈现了较好的选择性.     

美托洛尔分子印迹聚合物识别性能的研究

采用紫外光引发的分子印迹技术,以美托洛尔为模板,甲基丙烯酸为功能单体,乙二醇二甲基丙烯酸酯为交联剂,成功制备了以美托洛尔(Metoprolol)为模板的分子印迹聚合物.结合底物的实验表明,该聚合物对美托洛尔具有优良的吸附选择性.并通过Scatchard方程研究了印迹聚合物对模板分子的结合特性,结果表明,功能单体甲基丙烯酸与模板分子在自组装过程中通过氢键和离子键形成了2类非等价的结合位点,并计算出2类不同结合位点的离解常数分别为Kd1=2.398×10-4mol/L,Kd2=6.364×10-4mol/L;最大表观结合量Qmax1=58.57μmol/g;Qmax2=86.13 μmol/g;分别为理论吸附量的50.53%和74.31%.     

染料木素分子印迹聚合物的合成与性能研究

目的研究染料木素分子印迹聚合物的合成及吸附性能。方法采用热聚合法,以染料木素为模板分子,丙烯酰胺为功能单体,乙二醇二甲基丙烯酸酯为交联剂,偶氮二异丁腈为引发剂,在甲醇和N,N-二甲基甲酰胺(φ1∶φ2=9∶1)混合溶剂中制备分子印迹聚合物,并对聚合物进行表征;通过Scatchard方程考察了聚合物的结合特性及对其他结构相似的化合物的选择性吸附能力,研究聚合物的吸附动力学特征。结果聚合物通过氢键形成两类结合位点,并且对染料木素有比较明显的吸附特性。结论染料木素分子印迹聚合物有明显的选择性。     

三聚氰胺分子印迹聚合物的合成与光谱学特性

采用非共价印迹法,以三聚氰胺为模板分子,甲基丙烯酸为功能单体,乙二醇二甲基丙烯酸酯为交联剂,合成了三聚氰胺分子印迹聚合物.实验表明该印迹聚合物对甲醇溶液中三聚氰胺具有良好的选择性结合能力,对液态奶中的三聚氰胺的富集率可达98%以上.并结合紫外光谱及红外光谱对分子印迹聚合物的合成及结合机理进行了初步解析.     

邻氨基酚分子印迹聚合物的制备及识别性能研究

以α-甲基丙烯酸(MAA)为功能单体,乙二醇二甲基丙烯酸酯(EGDMA)为交联剂,在乙腈溶液中合成了邻氨基酚的分子印迹聚合物。通过静态平衡吸附实验和选择性实验研究了印迹聚合物的吸附能力和选择特性。采用Scatchard模型评价了印迹聚合物的结合特性。结果表明,该印迹聚合物对邻氨基酚具有较高的亲和性和特异性识别能力。     

量子点表面分子印迹的研究与进展

量子点以其优异的光学特性和光化学稳定性,在分析化学、生物科学以及医学等领域逐渐发挥出越来越大的作用,分子印迹是一种制备具有分子识别功能的聚合物的技术,而在量子点表面进行分子印迹合成的聚合物可以兼具出色的光学特性和高度的形态选择性两大优点。此文简单概述了量子点和表面分子印迹的原理和特性,以及在量子点表面做分子印迹的研究进展及前景展望。     

结合适配体技术的磁性粒子表面蛋白分子印迹材料研制

本文将具有高度特异性的生物分子核酸适配体引入分子印迹技术,并结合磁性纳米粒子材料比表面积大、操作简便性和易于修饰性于一体,制备出了新型蛋白分子印迹材料.首先获得性能更好的硅烷化的磁性微球,之后加入功能单体、交联剂和衍生化适配体,以溶菌酶为模板分子,制备出磁性溶菌酶蛋白分子印迹适配体-纳米粒子.实验结果显示,不同材料的蛋白吸附能力顺序由高到低分别为结合适配体的蛋白印迹材料,结合适配体的非蛋白印记材料,蛋白印迹材料和无适配体的非蛋白分子印记材料.初步研究表明,适配体与磁性粒子的结合可以有效提高蛋白质分子印迹材料的印迹效果.     

茄尼醇分子印迹聚合物及印迹膜的性能研究

以茄尼醇为印迹分子,丙烯酰胺(AM)为功能单体,制备了茄尼醇分子印迹聚合物(MIP)和茄尼醇分子印迹复合膜(MIM).分别研究了它们的吸附和渗透特性,并用于烟叶样品中茄尼醇的分离富集.结果表明,实验制备的MIP的印迹因子可达2.20,其对混合标准溶液中的茄尼醇的吸附率达66.9%,明显高于其它组分,显示出良好的选择性分离富集茄尼醇的性能;所制备的MIM能阻碍印迹分子的渗透,显示出对印迹分子茄尼醇的渗透选择性.     

分子印迹聚合物及其应用

分子印迹作为制备对某一特定的分子(印迹分子或模板分子)具有特异性识别的聚合物的过程,在分离分析、仿生传感器和模拟酶催化等方面具有重要的应用前景.介绍了分子印迹聚合物的基本原理、制备和特性,以及分子印迹技术的应用及发展趋势.     

神经网络与污损的手写印刷体字符的识别

通过比较各种模式识别方法的特点,确定了用神经网络方法识别污损的手写印刷体字符的可行性和必要性,介绍了神经网络摸式识别系统,讨论了用神经网络方法对污损的手写印刷体字符的识别,最后给出实验结果     

基于粗糙集理论的表情识别研究

包括情感计算和情感识别在内,以人为中心,对人的情感和认知的研究是目前人工智能领域的一个热点研究方向。以粗糙集理论为基础,研究了粗糙集属性约简算法,并把粗糙集属性约简算法作为一种人脸表情识别系统的特征选择方法,对人脸表情识别的重要特征进行研究,并提出了一种RS+SVM的人脸表情识别方法。仿真实验结果表明,粗糙集属性约简算法能发现人脸表情的重要特征,并基于这些特征可以得到很好的表情识别结果。     

基于人脸和人耳的多模态生物特征识别

单一模式生物特征识别系统由于存在一些固有的局限性,有时难以满足实际应用的需求,本文提出了基于正面人脸和人耳信息融合的多模态生物特征识别方法.针对USTB人耳图像库和ORL人脸图像库,利用核Fisher鉴别分析方法分别进行了人耳识别、人脸识别和人脸人耳融合识别,融合策略包括图像层融合和特征层融合两种.识别结果表明基于人脸人耳信息融合的多模态识别的识别率优于单体的人耳或人脸识别.这说明融合多种生物特征的多模态识别可以提高身份认证的准确率,也为实现非打扰式识别提供了一种新的途径.     

基于粗糙集理论的表情识别研究

包括情感计算和情感识别在内,以人为中心,对人的情感和认知的研究是目前人工智能领域的一个热点研究方向.以粗糙集理论为基础,研究了粗糙集属性约简算法,并把粗糙集属性约简算法作为一种人脸表情识别系统的特征选择方法,对人脸表情识别的重要特征进行研究,并提出了一种RS+SVM的人脸表情识别方法.仿真实验结果表明,粗糙集属性约简算法能发现人脸表情的重要特征,并基于这些特征可以得到很好的表情识别结果.     

说话人识别中语音特征参数研究

在说话人识别系统中,特征参数的选择和提取对系统的识别性能有关键性的影响。研究了两种重要的语音特征参数,线性预测倒谱系数和美尔倒谱系数,在此基础上提出改进的相位自相关系数,通过实验对几种参数进行了对比,结果表明改进的相位自相关系数能够使系统的误识率明显下降。     

基于SVM的生物医学事件触发词识别研究

研究了基于支持向量机(Support Vector Machine,SVM)方法下的生物医学事件触发词识别的问题.利用SVM对事件抽取的过程进行分类,建立相应的模型来对生物医学事件中的触发词进行识别,得到了相应的实验结果,并验证了此方法的可行性.     

基于分块的2DPCA人脸识别方法

文章将分块理论与2DPCA方法相结合,研究分块二维主成分分析法（M-2DPCA）在人脸识别中的应用。对人脸图像矩阵进行分块,用形成的子图像矩阵直接构造总体散布矩阵并求解对应的特征向量,利用提取的特征向量对图像进行特征的提取与分析,进行人脸识别。基于Yale人脸数据库的实验显示,在相同训练样本和特征向量条件下,M-2DPCA比2DPCA算法具有更高的识别率。结论 M-2DPCA充分利用了图像的协方差信息,在人脸识别方面具有较高的识别率和鲁棒性方面,对进一步研究人脸识别具有重要的意义。     

基于分块的2DPCA人脸识别方法

将分块理论与2DPCA方法相结合,研究分块二维主成分分析法（M-2DPCA）在人脸识别中的应用.对人脸图像矩阵进行分块,用形成的子图像矩阵直接构造总体散布矩阵并求解对应的特征向量,利用提取的特征向量对图像进行特征的提取与分析,进行人脸识别.基于Yale人脸数据库的实验显示,在相同训练样本和特征向量条件下,M-2DPCA...     

联合空谱信息和Gabor特征的高光谱人脸识别算法

提出一种采用高光谱图像的人脸识别算法.根据人脸肤色在可见光范围内的光谱特征进行波段选择并依据人脸结构特征,对选定波段的灰度图像进行Gabor特征提取.最后分别进行特征层上的融合识别和决策层上的融合识别.特征层融合的权重系数由反射率和正确识别率共同决定,决策层融合算法采用"最高票当选制"原则.利用香港理工大学的高光谱人脸数据库对进行验证.结果证明,本文算法在识别速度和正确识别率方面都得到了显著改善,在3幅训练样本情况下,正确识别率达到96.5%.相对于全波段参与识别,识别速度提高了约3倍.      

基于贝叶斯数据融合的多尺度目标识别

针对红外电厂目标识别问题，提出了基于贝叶斯数据融合的多尺度目标识别方法．该方法研究了前视成像末制导过程中图像目标尺度变化引起的视点角度和特征尺度变化规律，建立了分层次的时空特征模型，根据显著性选取目标特征，采用贝叶斯网络把不同尺度下的显著性特征进行融合，得到正确的识别结果．实验表明，该方法能将多尺度目标的不精确、不完整的特征进行融合处理，从而完成了目标的可靠识别．