简介：降维与分类一直是机器学习的研究热点，在很多领域有着成功的应用．针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题，现提出一种基于ReliefF和自适应粒子群（APSO）优化的混合降维算法．即先通过ReliefF和APSO算法选择特征子集，然后使用超限学习机作为评价函数对基因数据进行分类，最后通过循环迭代得到最优的分类精度．实验证明，混合降维算法与已有的算法相比分类精度更高、更稳定，它适用于基因表达数据降维．

简介：针对空气污染物氨气、乙醇、氨气乙醇混合气体,搭建在线检测电子鼻系统.采用不同的特征提取方法得出特征,并利用主成分分析（PCA）和线性判别式分析（LDA）做类别区分.结果显示,利用传感器响应最大值特征和LDA能更好地区分三类气体.利用最大响应值特征,采用多层感知器（MLP）神经网络和粒子群（POS）优化的支持向量机（SVM）对110个测试样本分类.结果显示,MLP神经网络的正确率为70%,POS优化的SVM正确率为96.3640%.最后,根据Loadings分析,剔除了TGS2602,MQ138,MQ3传感器,优化了传感器阵列.结果表明,该在线电子鼻系统能够应用到这三类空气污染物分类.

简介：针对推荐系统的准确性提出了一种优化算法，该算法首先利用用户的特征进行聚类，然后在聚类之后的各个聚簇中运用混合协同过滤框架为每个聚簇训练一个模型；同时在运用混合协同过滤时，针对传统的基于用户的协同过滤推荐算法在计算用户相似度方面进行了改进.实验表明，提出的优化算法显著提高了预测的准确性，从而提高了推荐结果的质量.

简介：用NH3-TPD、CO2-TPD和了PR方法表征了乙醇一步合成乙酸乙酯时混合氧化物催化剂物种和还原特性。结果表明,催化剂表面同时存在酸中心和碱中心,在Cu/ZnO/CoO/Al2O3催化剂体系中添加TiO2和ZrO2或以NiO代替CoO,导致NH3-TPD和CO2-TPD谱的变化,TPR谱的还原峰温度大大降低并由一个还原峰分裂为二个还原峰,这些变化已被反应动力学数据证实是有利于催化性能的提高。

简介：在临床和法庭毒物学领域,广泛范围药物筛选是一项非常重要而又常被忽视的工作。这项工作的侧重点是所有毒物学相关的物质,无论其结构或极性如何,都能被分离、检测和鉴定。近几年来,我们已尝试建立一个系统的固相提取方法,能够有效地从生物检材中分离出药物,并已经建立了利用单根Bond—ElutCertify固相柱提取的步骤。虽然这个步骤适用