^(60)Co-γ射线辐射处理花卉后生理生化特性变化对小气候要素的响应

择不同花卉品种种子 (虞美人 )和根茎 (球根海棠、大丽菊 ) ,用不同高剂量6 0 Co-γ射线急性辐射处理后 ,设对照组进行种植。在生长盛期用美国产 CID30 1PS光合作用测定系统测定不同花卉叶片的生理指标和小气候要素 ,并取样进行了过氧化物酶等生化指标的分析 ,通过岑回归分析 ,选取在岑迹稳定后 K=0 .2时的岑回归系数 ,寻找小气候要素对气孔导度等生理指标的作用效应和方向。结果表明 ,几种花卉处理后气孔导度对小气候要素反应不敏感 ,而对光合速率、蒸腾速率和细胞间隙 CO2 浓度等的影响则表现不一致。几种酶活性的测定也表明其间存在明显差异。通过研究 ,对寻找生态环境条件对辐射效应的影响程度 ,辐射最佳阈值范围的确定 ,辐射生物学的发展有一定的参考意义。

酒炙续断最佳炮制工艺的研究

目的:以续断皂苷Ⅵ为指标对续断的炮制工艺进行优选。方法:采用L9(34)正交试验进行筛选。结果:用10的黄酒浸润,150℃的下锅温度,炒6min时为续断酒炙的最佳炮制工艺。结论:酒炙续断最佳炮制工艺是科学合理的,酒炙可使有效成分含量增加,其质量稳定可控。

HPLC法筛选酒炙白芍的最佳炮制条件

目的筛选酒炙白芍的最佳炮制条件。方法用高效液相色谱法进行测定,色谱柱:C18(4.6×250mm,5μm)Agilent;流动相:乙腈-水溶液(17∶83);流速:1.0mL/min;检测波长:240nm,柱温为25℃。结果酒炙白芍的最佳炮制条件为加酒量5%,温度控制90℃,炒制10min。结论HPLC法优于紫外分光光度法,结果稳定可靠,且更加客观准确。

一种结合粗糙集与神经网络的多传感器信息融合算法

近年来,神经网络被广泛应用于多传感器信息融合。但是当传感器数量庞大时,过高的输入神经网络的信息维数会导致神经网络训练速度下降,甚至不收敛。针对上述问题,对传统的基于神经网络的融合算法进行了改进,利用粗糙集的冗余数据约简算法,剔除部分传感器的输入,同时将剩余的传感器信息重新组合,形成维数较小的数据分别训练,从而避免了输入数据维数过高带来的问题,较之于传统算法,算法在训练阶段的迭代次数等时间性能以及融合阶段的准确性两个方面均有所提高。

正交试验筛选酒黄芩最佳炮制工艺

目的探讨不同炮制方法对酒黄芩中黄芩苷含量的影响,优化酒黄芩炮制的工艺条件。方法采用HPLC法测定黄芩苷含量,并通过正交试验对酒炙黄芩的加酒量、炒炙温度、炒炙时间三因素进行炮制黄芩的工艺考察,按L9(34)进行实验研究。结果酒制黄芩的最佳工艺是加酒量为10%,炒炙温度为170℃,时间为5m in。结论正交设计中的炒炙温度与炒炙时间两因素对工艺影响显著。

基于Hebbian法则的P2P学习网络构建算法

针对远程教育环境中信息量过大,学习者分散、难于组织的问题,提出了一种E-Learning学习网络构建算法。该算法采用P2P的网络结构组织节点之间的通信,利用Hebbian学习法则来修改网络节点之间的信任权值,通过不断调整节点的联系人来实现学习网络的构建。学习网络能够对学习者关于学习资源的查询做出符合学习者学习兴趣的反馈,从而最大限度地满足学习者的需求,提高学习者的学习满意度。实验结果表明,算法相比于传统算法,具有较快的网络建设速度、较高的网络建设质量以及较高的鲁棒性,因而能够更好地适用于大规模的E-Learning学习这种开放的分布式环境。