基于核磁图谱技术的浓香型白酒基酒等级的云点滴模型

为实现对浓香型白酒基酒等级的评价,以浓香型白酒基酒核磁图谱为研究对象,分析主成分技术与核主成分技术对白酒基酒核磁图谱特征的表述能力,发现核主成分技术可以有效地去除不同等级白酒的核磁图谱之间的非线性关系,更好地实现同等级酒的聚集。建立了基于核主成分技术的白酒基酒核磁图谱的云点滴模型。该模型利用模糊理论与统计学的方法在核主成分空间建立白酒基酒等级的云点滴空间,详细分析各个等级空间的概率分布情况,并进行鉴定词语分析。研究表明,本文建立的基于核磁图谱技术的白酒基酒等级云模型,不仅可用于白酒基酒等级的鉴定,而且可应用于食品检测、中药鉴定与化学试剂等相关图谱分析技术领域,研究成果具有重要的应用价值。

基于核典型相关分析的多视图谱聚类算法

提出并讨论了一种基于核典型相关谱聚类假设的多视图协同聚类方法。目的是寻求从多个表示中找到一致的解决方法,利用每个表示中的信息来提高经典聚类模型的性能。为了展示该方法的有效性,在6个具有不同大小和特征的图像数据集、文本数据集上进行了实验。实验结果充分证实了基于核典型相关分析的多视图谱聚类算法的性能优于经典的单视图K-means、K-means级联(CK)、多视图K-means(MK)、单视图谱聚类(SC)、SC级联(CSC)和多视图谱聚类(MSC),且具有更好的聚类准确度和鲁棒性。

匀多面体与原子核结构的内在联系

世界万物仅由94种天然元素构建,元素原子都由质子、中子等粒子构建;数学王国中,万千多面体只有五种顶点、面、棱在空间均匀分布的正多面体。这理化现实与数学现实有无内在联系?本人潜心研究了60年,推导出了原子核内质子和中子按匀多面体模型堆垒,呈现周期律的内在联系。

桔皮油中与发泡聚苯乙烯塑料相溶组分的分析

气相色谱法测定结果表明：桔皮提取物中有一绝对优势组分。通过红外光谱和核磁共振进一步协同确定，与聚苯乙烯具有良好相溶性的组分是(d)-柠烯，即d-limonene。

基于代谢组学分析肾虚督寒型强直性脊柱炎代谢网络特点

【目的】通过检测肾虚督寒型强直性脊柱炎(AS)患者血清代谢谱,结合证候研究及炎症指标,探讨肾虚督寒型是否与患者内在代谢网络变化存在联系,为中医证候现代化研究提供科学依据和物质基础。【方法】选取25例肾虚督寒型AS患者作为AS组,另选取25例健康受试者作为对照组(健康组)。运用核磁共振氢谱(1H-NMR)技术,结合模式识别、多元统计等方法,分析AS组与健康组血浆中代谢物差异,配合分析2组受试者的中医证候分布情况及血沉(ESR)、C反应蛋白(CRP)、白细胞介素6(IL-6)、肿瘤坏死因子α(TNF-α)等各项炎症指标的不同,阐述肾虚督寒型AS的代谢特征和病理机制。【结果】(1)中医证候分布方面,AS组的腰痛、晨僵等主症及恶寒怕冷、四肢不温、梦中流涎、大便不调等次症的分布频率均明显高于健康组,差异均有统计学意义(P<0.05或P<0.01)。(2)炎症指标方面,AS组的CRP、ESR、IL-6和TNF-α水平均明显高于健康组,差异均有统计学意义(P<0.05)。(3)基于代谢组学技术,共筛选出19个代谢产物,涉及酪氨酸通路、甘氨酸-苏氨酸代谢通路、苯丙氨酸通路、酮体通路、β-丙氨酸通路、丙酮酸通路、氨酰tRNA生物合成、乙醛酸和二元酸通路等8条代谢通路。【结论】肾虚督寒型AS的病理机制可能与患者的能量代谢、氨基酸代谢、脂类代谢以及胃肠道菌群和免疫紊乱等代谢异常有关,其从多方面影响脾-肾功能轴而发为本病。

Semi-supervised kernel FCM algorithm for remote sensing image classification

These problems of nonlinearity, fuzziness and few labeled data were rarely considered in traditional remote sensing image classification. A semi-supervised kernel fuzzy C-means （SSKFCM） algorithm is proposed to overcome these disadvantages of remote sensing image classification in this paper. The SSKFCM algorithm is achieved by introducing a kernel method and semi-supervised learning technique into the standard fuzzy C-means （FCM） algorithm. A set of Beijing-1 micro-satellite＇s multispectral images are adopted to be classified by several algorithms, such as FCM, kernel FCM （KFCM）, semi-supervised FCM （SSFCM） and SSKFCM. The classification results are estimated by corresponding indexes. The results indicate that the SSKFCM algorithm significantly improves the classification accuracy of remote sensing images compared with the others.