学科分类
/ 2
32 个结果
  • 简介:对映体的分离在有机合成、动力学、药理学、药效学及农业化学等许多学科领域内具有重要的意义,液相色谱手性固定相法拆分对映体的方法被认为最准确、方便的方法之一.刷手性固定相是液相色谱中非常重要的一类手性固定相。本文介绍了目前常用的几种刷手性固定相及其在手性化合物分离中的应用情况。

  • 标签: 刷型手性固定相 手性分离 应用
  • 简介:为了解宁波市不同区域生猪感染猪链球菌2的现状,我们在不同时间从宁波市不同区域采集了两种猪龄的病猪咽喉拭子、死猪扁桃体、屠宰场和鲜肉市场猪肉等四类251份生猪样品进行检测分析.样品经选择性增菌培养,采用荧光定量PCR方法检测猪链球菌2cps2j、mrp和ef三种毒力基因,评估检测猪链球菌2感染情况和菌株毒力风险.结果表明,不同区域样本中猪链球菌2三种毒力因子检出率在病猪咽喉拭子中最高(53.2%、41.9%、40.3%),其次是死猪扁桃体样本;4—6月份病猪中猪链球菌2检出率高达77.8%,且高毒力猪链球菌2菌株(cps2j+mrp+ef+)也大量检出(61.1%).说明春季是猪感染猪链球菌2感染高发时节,尤其要做好防疫工作.

  • 标签: 猪链球菌2型 毒力因子 荧光定量PCR
  • 简介:人脸识别已经广泛地应用于日常生活中,作为关键技术之一的人脸清晰度评价成为了热门的研究课题.然而,传统的手工提取特征的方法在效果和鲁棒性上都有所欠缺.为此,我们运用卷积神经网络实现特征的构造和选择,有助于提高评价结果的准确率.同时针对网络复杂、参数过多和耗时长等问题,还提出将传统的卷积结构改造成双卷积层结构的方法来提升计算速度.经过大量的实验表明,本文提出的人脸清晰度评价算法能够准确地进行人脸清晰度的评估,并且具有较快的处理速度.

  • 标签: 深度学习 清晰度评价 图像分类 视频监控
  • 简介:自智能交通系统出现以来,汽车驾乘员的安全带检测一直是备受关注的研究课题.依据城市道路的交通卡口监控数据,研究一种基于深度学习的汽车驾乘人员安全带检测算法,能够准确识别驾驶员是否佩戴安全带.通过对卡口图片进行人工标定,并运用深度学习方法训练两个检测器和一个分类器,最终实现安全带的快速定位和分类.本文提出的方法在城市道路卡口采集的图像上检测效果较好.

  • 标签: 安全带检测 目标检测 深度学习 图像分类 智能交通
  • 简介:人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

  • 标签: 人群分析 主导者检测 时间滞后分析 结构化SVM
  • 简介:NN-1噪声仪在使用过程中,发现其功能有许多不足之处,主要表现为运行程序的设计不能很好地满足监测的实际需要,通过改进、增加运行程序而大大增强了其监测功能.

  • 标签: NN-1型噪声仪 监测 程序
  • 简介:软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.

  • 标签: 深度学习 迁移学习 GUI自动测试 云平台
  • 简介:运用硝酸还原酶法和自动生化分析仪分别测定了48糖尿病人和32正常人血浆中糖、蛋白及无机成分水平的变化.结果表明DM病人血浆中葡萄糖水平明显高于正常人(P<0.01),DM病人血浆中的NO、总蛋白、白蛋白、球蛋白、镁、铁的水平则明显低于正常人(P<0.01).血钙水平在两组间无明显差异.

  • 标签: 糖尿病 蛋白 无机成分.
  • 简介:本文提出了一种利用非抑制离子色谱法测定印制电路板表面六种无机阴离子污染物的方法.样品用异丙醇水溶液提取后,用Sep-PakC18小柱净化试样,用离子色谱分离,电导检测器检测.六种阴离子的检测限介于0.01~0.2μg/ml之间,回收率为98~104%.方法准确,可靠,可用于印制电路板洁净度的评价分析.

  • 标签: 印制电路板 非抑制型离子色谱法 阴离子污染物
  • 简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.

  • 标签: 模式识别 数据挖掘 域自适应 超限学习机
  • 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

  • 标签: 药物筛选 固相提取 Bond-Elut Certify
  • 简介:为了提高企业生产效率,经过试验,采用能量色散X荧光光谱仪(ED-XRF)测定聚苯二甲酸丁二醇酯(PBT)中的钛含量,该方法试样无需进行复杂的前处理,对试样直接测试,分析速度快,操作简单,精密度、准确度符合企业要求,满足了企业工业生产大批量,高密度的测试要求。

  • 标签: 能量色散型X荧光光谱仪(ED-XRF) 聚苯二甲酸丁二醇酯(PBT)