从菊芋制备菊粉精液的方法和菊芋干片成分分析

通过多种方法开展试验并对其结果进行比较，建立了用菊芋制备菊粉糖液的最佳方法．对菊芋干片主要成分的分析表明：含菊粉５４．０７％，蛋白质８．８６％，脂肪１．４５％，粗纤维３．５６％，灰分３．６５％，水分８．３９％．     

菊芋多糖工业提取和除杂方法的研究

该文以新疆菊芋为研究对象,以热水浸提法对菊芋中的菊糖进行提取,并以Ca(OH)2—CO2法对浸提液进行除杂.在热水浸提试验中,以浸提温度、时间和料水比作为因素进行了单因素实验并在其基础上进行了正交试验,结果分析表明热水浸提的最佳工艺参数为:浸提温度90 ℃、时间50 min、料水比1:30,在此条件下菊糖得率为最高达到77.99%.在除杂试验中,以Ca(OH)2溶液调节的pH值、CO2回调的pH值以及澄清温度作为因素进行了单因素实验并在其基础上进行了正交试验,结果分析表明除杂的最佳工艺参数为:Ca(OH)2溶液调节pH为10.0,CO2回调pH至6.0,澄清温度为80 ℃,澄清时间15 min,在此条件下菊糖的得率为71.21%、透光率为87.36%.     

液质联用技术用于皂角的有机分析

以液质联用(LC-MS)技术测定皂角的有机成分,实现皂角较为全面的成分分析.色谱柱为Agilent 300Extend C18(4.6 mm×250 mm,5 μm).依次采用化学成分数据库构建、液质数据采集、数据库检索及质谱数据验证的方法,分别对皂角树的皂角米、皂角胚、皂角刺和皂荚外壳4个部位提取物含有的有机分子及皂...     

土霉素菌渣热解液的理化特性及成分分析

采用元素分析仪、水分测定仪、粘度计、GC-MS等分析了土霉素菌渣热解液理化特性和成分。热解液油相C元素含量比较高,达到了50%(质量分数)以上,热解液油相和水相中N元素分别占6.48%(质量分数)和7.89%(质量分数),O元素分别占27.89%(质量分数)和13.54%(质量分数)。温度为300～600℃热解液的油相粘度为6 980～8 913mPa·s,水相粘度为324～372mPa·s;热解液的油相密度为1.089 8～1.127 9g/cm3,水相密度为1.041 9～1.075 6g/cm3。热解液腈类物质较多,油相和水相分别占了23.69%(体积分数)和9.32%(体积分数);热解液油相与水相中碱性氮化物体积分别占0.83%和1.46%;热解液油相与水相中非碱性氮化物体积分别占1.56%和0.35%;其余的有机物体积在油相与水相分别占3.30%和4.11%。分析结果为进一步资源化利用提供了技术指导。     

高稳定磁流变液的制备和性能分析

采用X-ray衍射、扫描电子显微镜及振动样品磁强计等表征手段,研究通过气体渗氮在羰基铁颗粒表面形成的氮化物薄层,分析了羰基铁颗粒氮化后的形貌、抗氧化性能和磁性能。将氮化后的羰基铁粉加入高分散性添加剂,用高速分散的方法制备了高稳定磁流变液,分析了该磁流变液的磁性能、流变性能和抗沉降性能,并研究了该磁流变液在器件应用中的稳定性。结果表明：采用该工艺制备的磁流变液的摩擦系数降低至0.054,3个月沉降＜10%,零场黏度≤1.0 Pa·s,最大剪切应力≥60 kPa,在20～125 ℃范围内,阻尼器阻尼力最大衰减率14.3%。氮化提高了磁流变液悬浮相的表面抗磨、耐蚀性能,改善了磁流变液抗沉降团聚稳定性。     

薄壁液阻片工作机理分析及防止损坏的方法

电液集成块技术自问世以来,由于稳定性的影响,其发展较慢,薄壁液阻片是组成电液集成块技术的三大要素之一（还包括电液管和液管）,由于使用的薄壁液阻片较薄,易受压力波动及冲击影响变形,探索其这一动态过程,并通过理论分析建立一种稳定性的使用方法,从而为系统运行的稳定提供可靠的保证.     

饲料糖水平对瓦氏黄颡鱼幼鱼生长、体成分和血清生化指标的影响研究

选用初始体质量为（1.0±0.1）g的瓦氏黄颡鱼（Pelteobagrus vachelli）幼鱼270尾,随机分成3组,每组设3个重复,每个重复30尾鱼,饲喂等氮等能、糖水平分别为7%（7%CHO）,24%（24%CHO,对照组）和40%（40%CHO）的3组饲料,饲料的粗蛋白含量和能量约为40%和17.6kJ/g....     

基于液质联用和代谢组学方法分析11种动物类中药脂质成分

目的:分析11种动物类中药的脂质成分的关联及差异.方法:选择地龙、金钱白花蛇等11种动物类中药,采用超高效液相和质谱联用技术,结合代谢组学的方法,通过检测不同动物类中药脂质成分,比较不同动物类中药的化学成分差异,探讨物质组成及分布情况,从而分析不同动物类中药的异同.结果:共鉴定出1050种脂质化合物成分,不同动物类中药...     

基于主成分分析和决策树的入侵检测方法

特征选择算法能够更好地提高入侵检测系统的检测速度和检测效果,消除冗余数据并减轻噪音特征.结合特征选择算法的优势,提出一种基于主成分分析(PCA)与决策树(C4.5)的入侵检测方法,进而构建出轻量级的入侵检测系统.通过在KDD1999数据集上对该方法进行详细的实验验证,证明该方法一方面确保系统有较高的检测率与较低误报率,另一方面能够比较显著地提高系统的训练时间与测试时间.同时,通过比较实验发现此方法在训练时间、测试时间、检测率、误报率上的效果也优于GA-SVM方法.     

基于主成分分析和Softmax回归模型的人脸识别方法

文章介绍一种基于主成分分析(principal component analysis,PCA)和Softmax回归模型相结合的人脸识别方法,该方法通过PCA对整幅图像提取特征,然后将提取的特征经过非线性变换输入到Softmax回归模型中。将主成分提取特征看成是单层神经网络,将它与Softmax回归模型构成的级联结构看作是2层神经网络,在神经网络的训练过程中,主成分的特征向量可以微调。在不同人脸数据库上的实验表明,相比于传统的只用PCA降维的方法,本文方法可达到较高的识别率。     

基于独立成分分析和支持向量机的入侵检测方法

提出了一种入侵检测方法,该方法采用独立成分分析方法获取入侵行为模式的高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后利用支持向量机对小样本、高维数据泛化能力强的特点,在独立成分空间中用支持向量机原理构造广义最优分类超平面.数值实验表明,所提方法可大大降低特征空间维数,具有较好的分类正确性.特别是当高斯核参数σ值在1~3之间时,利用该方法的漏检数仅为标准支持向量机算法的1/9,这说明它能有效地获取入侵行为的本质特征,对新的入侵行为有比较好的识别能力.     

基于独立成分分析和相关分析的fMRI功能连接方法

利用功能磁共振成像(functional magnetic resonance imaging, fMRI)技术,深入研究和探讨独立成分分析(independent component analysis, ICA)和相关分析在功能连接方面的应用,并应用于静息状态功能连接,考察在阿尔茨海默病(Alzheimer's disease, AD)的病理条件下人脑默认网络(default mode network)的异常,从而加深对AD病理机制的理解和认识.     

基于主成分和小波分析的复杂纺织设备系统的信号处理方法研究

文章提出了主成分加小波分析的复杂系统的信息处理模式。该方法首先选择基于相关系数矩阵的主成分分析法对原始数据进行特征提取,经主成分变换之后得到矩阵的特征值与特征向量,并按照贡献率和累积贡献率来确定其主成分,从而简化了信息,提高了效率;其次,采用小波分析法,把重组后的信息分解成近似和细节的信号,提供时频同时局部化的信息,并对细节信号做Hilbert包络及谱分析,从而为进一步的故障诊断提供了基础。实例表明此法可行,并取得了很好的效果。     

基于主成分分析和极端学习机的测谎方法研究

为了克服当前基于P300的测谎方法训练时间长、个体识别准确率不够高的缺点,提出了将主成分分析(Principal component analysis, PCA)和极端学习机(Extreme Learning Machine,ELM) 相结合的PCA_ELM测谎方法.该方法使用典型的三刺激测谎范式,记录30名随机划分的撒谎和无辜者在Pz电极上的脑电(EEG)信号, 选择探针刺激响应并对每名受试者的每5个响应波形进行平均,然后对两类信号提取小波特征.PCA被用于对原始特征空间进行特征选择.降维后的特征样本被送到ELM分类器,该分类器学习速度快,泛化能力强,但是对于其隐层节点数的指定一直未有有效的解决方法.我们通过对特征子空间的维数和ELM的隐层节点数进行二维的网格搜索算法,基于交叉验证的方法,对两个参数进行同步优化选择,训练得到最佳参数下的分类模型.实验结果表明,提出的PCA_ELM方法不仅在训测谎准确率上高于当前的广泛使用的分类模型,而且训练时间大大缩短,尤其适合于在线的测谎系统.     

基于迁移成分分析和词包模型的变工况轴承诊断方法

针对不同工况下的数据无法直接训练并用于检测的问题,提出一种基于迁移成分分析和词包模型的诊断算法,对于用作训练的有标签源域数据和用作检验诊断的无标签目标域数据。首先使用短时傅里叶变换将两者转换为频域数据,其次通过迁移成分分析将两者的频谱能量映射到同一分布以建立相应的词包模型作为数据的特征,最后在源域数据的词包模型上训练出合适的分类器从而进行诊断。在西门子SQI-MFS平台实验数据集、凯斯西储大学公开数据集及机械故障预防技术协会MFPT(machinery failure prevention technology)数据集下的实验结果表明该算法是有效的。     

基于核主成分分析和子空间分类的边缘检测方法

针对传统边缘检测方法对噪声敏感的问题,提出了一种基于核主成分分析和子空间分类的边缘检测方法,建立了统一的图像特征表达模型.首先结合其它边缘检测方法进行采样并将采样结果投影到特征空间,然后将核主成分分析得到的特征向量组成特征空间的一个子空间,最后将子空间分类法推广到特征空间来对数据进行分类.实验结果表明,该方法增强了对噪声的鲁棒性,能适应小样本训练,其边缘检测效果明显优于经典算子、主成分分析和非线性主成分分析方法.     

基于主成分分析和熵权法的水资源承载能力及其演变趋势评价方法

提出了用于评价水资源承载能力及其演变趋势的指标体系,应用主成分分析原理建立了水资源承载能力的评价的综合指标-综合主成分,分别选取出了反映自然支持力指标、社会经济技术水平指标和社会生活水平指标的主成分,建立了相应的水资源承载能力变化驱动因子的多元线形回归模型,计算出山西各地市水资源承载力的综合得分。以太原市为例,分析了2000~2007年的水资源承载能力演变趋势。对综合主成分进行正态性检验,其服从正态分布,提出了相应的评价标准。结果表明,此方法及其评价标准能较全面地反映区域水资源承载能力状况。     

随机矩阵理论和主成分分析融合的滚动轴承性能退化评估方法

为解决传统特征提取方法处理轴承高维监测数据时会造成部分有用信息损失及现有轴承性能退化状态指标难以精确表征实际运行状态的问题,提出了一种随机矩阵理论(RMT)和主成分分析(PCA)相融合的滚动轴承性能退化评估方法(RMT-PCA)。首先,通过平移时间窗对滚动轴承监测数据进行信息锁定,并构造出随机矩阵模型;其次,利用随机矩阵理论中的单环定理及M-P定律进行矩阵特征分解与提取,构造出14个特征指标;最后,基于PCA算法对多个特征指标进行融合,提取贡献率较大的主成分构造出融合特征指标用于轴承性能退化评估。采用美国IMS轴承全寿命数据进行实验研究,结果表明:与基于最大最小特征值之比指标的异常检测算法相比,RMTPCA方法可提前12.5h检测出轴承的早期异常;与分层狄利克雷过程-连续隐马尔可夫模型相比,RMT-PCA方法在对早期异常点和严重故障点的检测结果与前者基本相同,但其融合指标能够更清晰地反映出轴承在中期和严重退化阶段"愈合现象"的发生。     

一种基于支持向量机和主成分分析的多光谱图像的分类方法

多光谱图像分类方面,由于普通的SVM方法没有考虑多光谱图像具有高维度和冗余的特点,因此难以实现令人满意的分类精度．本文提出了一种基于SVM和主成分分析相结合的多光谱的图像分类方法．并用5幅6波段两类地形的多光谱图像进行实验．实验结果表明,这种分类方法与普通的SVM方法相比提高了多光谱图像的分类精度．     

基于主成分分析和代理模型辅助的多目标生产优化方法

多目标优化方法常用于考虑地质不确定性时进行油藏鲁棒生产优化,该方法能够同时优化历史拟合得到的多个概率模型的平均经济净现值和经济净现值的离散程度,从而得到一组权衡多个目标的最优生产方案。然而,多目标优化过程涉及的决策变量规模大,且基于常规数值模拟的目标函数评估计算耗时长。对此,提出了一种基于主成分分析和代理模型辅助的多目标生产优化方法(K-MOEA/D-PCA),采用主成分分析对大规模决策变量进行降维,然后借助基于代理模型辅助的多目标进化算法,通过设计计算高效的近似函数来代替常规数值模拟进行生产优化,最终得到目标油藏的最优生产方案。为验证提出方法的有效性,将其应用到标准测试模型。结果表明,提出的K-MOEA/D-PCA方法,通过降低变量的维数,可以有效解决具有大规模变量的油藏多目标生产优化难题,实现优化效率和方案精度的平衡。