磺酸基树脂吸附庆大霉素的最适pH

庆大霉素分子中有5个氨基,因此在水溶液中能以6种电化学状态存在。根据各氨基的pK值,可知在pH 4.5以下,庆大霉素全部以5价阳离子的形式存在。进行离子交换时,一般认为应使被吸附物质全部离解,因此过去我们认为以磺酸基树脂吸庆大霉素时,pH最好选择在4.5左右。进一步的考虑发现,当pH较高时,庆大霉素以较低价的形式存在,对于一定交换容量的树脂,其吸附量应增大。     

用絮凝和超滤技术纯化木瓜蛋白酶

用无毒性的絮凝剂ｆｃ－１与无机助凝剂ｆｃ－２对木瓜乳胶水溶液预处理，然后用中空纤维超滤膜进行超滤浓缩，实验结果表明，用絮凝法预处理时，当絮凝条件为ｆｃ－１和ｆｃ－２各为０．２ｇ／Ｌ，ｐＨ为５．０￣５．５时，既解决了膜易污染的问题，又使木瓜酶得到了有效的纯化。在形成浓差极化－凝胶层的情况下，超滤速度随透出液体积和主体溶液浓度增大而减小，随料液错流速率的增大而增大，絮凝预处理有利于超滤速度的提高。     

大孔弱酸DK110树脂提取庆大霉素的研究

本文比较了用大孔弱酸DK110和强酸732两种不同类型的树脂,提取庆大霉素的交换和洗脱性能。对DK110提取过程中,发酵液的预处理、灰分、色素和非活性小组分的去除等工艺条件进行了研究。实验表明,用DK110提取庆大霉素静态交换容量可比732树脂提高50%以上,收率提高6%左右,生产周期缩短1/3。同时,还具有解吸峰集中、杂质容易去除等优点。     

有新样本加入的支持向量机的学习策略

在支持向量机的学习过程中,有些情况下训练样本不能一次全部给出,这样当有新样本加入训练集时,支持向量集和训练样本集的等价关系将被打破.为了解决这个问题,本文提出了有新样本加入的支持向量机的学习策略.通过对新样本的分析,选出能代替原样本和新样本进行学习的样本,并给出这些样本应满足的条件,最后给出了相应的学习策略.对标准数据集的实验表明,本学习策略可以在新增样本增加后,有效压缩样本集的大小,提高分类的速度,舍弃无用的样本,同时保证了分类精度.     

两水相系统萃取糖化酶的相平衡

含有聚乙二醇(PEG)和硫酸铵(NH_4)_2SO_4的两水相系统,能有效地用于从发酵液中提取糖化酶。研究表明:随着PEG平均分子量降低、成相组分浓度的适当增加以及加入较高浓度的无机盐,均能提高酶的分配系数。PEG浓度增大,(NH_4)_2SO_4浓度的减小有利于相比的增大。在同一条系线上,相比的确定应从提取收率和酶的浓缩两方面综合考虑。已发现,在含有26%PEG400-16%(NH_4)_2SO_4,pH4.4的系统中(相比1.2),糖化酶的分配系数为47,收率为96%。     

基于关联规则的超市购物个性化推荐研究

【目的】优化因消费者需求改变而受到局限的传统方法。【方法】通过收集沃尔玛超市两个时段9 835名顾客的消费数据，使用Apriori算法对数据进行挖掘和分析，得到3种推荐方法，分别为按商品销售排名推荐最畅销的前N件商品、根据Apriori算法挖掘出的关联规则进行商品捆绑销售、根据定义的强关联规则推荐系数来推荐商品。【结果】在运行程序后，发现后两种推荐方式挖掘出的关联规则商品不完全相同，且对相同关联规则商品的推荐度不同。【结论】推荐策略的实施将提高超市商品的销售量，有助于满足顾客的个性化需求。     

容量制约下交通分配模型的组合同伦方法

针对带容量制约的交通分配模型进行分析变形,对简化后的模型提出了一种新方法:基于预估-校正的组合同伦方法,给出了算法的实现过程,分析了算法的收敛性,并通过实际交通分配的算例说明了算法的可行性,为解决带容量制约的交通分配模型提出了一个有效方法.     

重组人酸性成纤维细胞生长因子的分离纯化

采用肝素-sepharose亲和层析和SephadexG-100凝胶过滤层析法,从含haFGF基因重组体的大肠杆菌菌体中分离纯化得到人酸性成纤维细胞生长因子（rhaFGF)。SDS-PAGE,IEF电泳检测均为单一谱带。HPLC层析显示单一蛋白峰,SDS-PAGE测定rhaFGF分子质量为16.67ku,IEF测定等电点pI为4.8,并用Edman降解法测定了N-末端氨基酸序列,Balb/c3T3细胞培养法测定纯化的rhaFGF生物活性ED50为6μg/L,表明其对细胞分裂有明显促进作用。     

多项式光滑的半监督支持向量分类机

为了处理半监督支持向量分类优化中的非凸非光滑问题,引入一族多项式光滑函数来逼近非凸的目标函数,给出的多项式函数在样本的高密度区逼近精度高,逼近精度低时出现在样本的低密度区,同时可以根据不同的精度要求选择不同的逼近函数.采用BFGS算法求解模型.在人工数据和UCI数据集上的实验结果显示,算法不仅能保证标号数据很少时的分类精度,而且不因标号数据的增多而明显提高分类性能,因此给出的分类器性能是稳定的.     

Hyperbolic Tangent Support Vector Machine

By utilizing hyperbolic tangent function,we constructed a novel hyperbolic tangent loss function to reduce the influences of outliers on support vector machine (SVM) classification problem.The new lass fuinction not only limits the maximal loss value of outliers but also is smooth.Hyperbolic tangent SVM (HTSVM) is then proposed based on the new loss function.The experimental results show that HTSVM reduces the effects of outliers and gives better generalization performance than the classical SVM on both artificial data and UCI data sets.Therefore,the proposed hyperbolic tangent loss faction and HTSVM are both effective.