粮食气味物质的提取、关键组分判别及其在储藏中的应用研究进展

粮食气味物质受粮食种类、储藏条件、储藏时间及是否受有害生物污染等多种因素影响,气味物质种类及含量能够及时反映粮食是否变质或受有害生物危害。首先,本文概述目前常用的粮食气味物质的提取和鉴定技术,总结不同状态粮食气味物质组成,发现烷烃类、酸类、醛类和醇类等物质赋予粮食特有的气味,而不同的储藏环境和粮食状态下,其气味物质存在较大差异。其次,探讨粮食中特征气味物质的分析方法,梳理粮食关键气味物质可能的代谢途径,归纳水稻和小麦中特征气味物质,其中稻谷中特征气味物质2-乙酰基-1-吡咯啉的生成机制也已得到初步确认。最后,对气味物质在粮食安全储藏领域的应用进行概述,提出深入分析、挖掘粮食气味物质数据,构建新型预测模型以快速、精准检测粮食品质将成为未来粮食气味物质研究领域的重要方向;同时,部分气味物质也被证实对粮仓中有害生物具有防控作用,将成为未来研发新型绿色储粮药剂的重要来源。

利用区域地震资料监测朝鲜地下核试验的研究进展

根据朝鲜6次地下核试验在中国东北及邻近地区产生的宽频带区域地震资料,中国科学院地质与地球物理研究所地震学学科组发展了一套用于监测地下核试验的地震学方法,主要包括震级测量和当量估计、高精度震中定位以及爆炸与天然地震事件识别等.在全球范围内,存在多个用于震级-当量转换的经验公式,确定何种公式适合于朝鲜半岛地区至关重要.通过搜集一组用于地震测深的化学爆炸的当量和埋深,并以这些已知爆炸源作为量规事件,能够标定朝鲜地下核试验场的震级-当量关系,从而实现对朝鲜地下核爆进行当量估计.在精确定位方面,发展了利用多事件之间波形互相关方法精确测定它们之间的走时差从而完成高精度相对震中定位.通过进一步利用Pn和Pg等多震相数据还实现了对核爆深度的相对定位.在爆炸震源识别方面,利用统计处理方法分析研究了不同类型事件所产生地震波的特征,包括6次地下核试验、4次天然地震和3次化学爆炸,以及一些矿区塌陷等.结果发现P和S类型波的振幅比,例如Pn/Lg、Pg/Lg和Pn/Sn等,在2 Hz以上能够较好区分各类震源.其中爆炸震源产生的振幅比显著高于天然地震的值.特别是,通过计算谱振幅比的台网平均值能够显著提高识别的可靠性.利用中国东北和附近地区地震台网所提供的数据可以准确地将朝鲜地下核试验从周边天然地震事件中识别出来.该方法同时得到化学爆炸的P/S谱振幅比值介于核爆炸和天然地震的群组之间.

茶叶不同添加方式对太平猴魁绿茶啤酒风味影响

绿茶作为辅料增添啤酒风味已被众多研究者们广泛关注,但绿茶的添加方式对啤酒风味的影响鲜有研究。该文将太平猴魁以3种不同投料方式加入到啤酒的发酵中,来研究清香型绿茶投料方式对啤酒挥发性风味物质的影响。采用GC-MS对不同组啤酒的风味物进行鉴定分析,通过对多种风味物质的香味活性值(odor activity values,OAV)筛选以及偏最小二乘-判别分析(partial least squares-discriminant analysis,PLS-DA),研究不同工艺下绿茶啤酒的香气组分差异和关键香气组分标记物。结果表明,不同工艺下太平猴魁绿茶啤酒的挥发性成分差异显著(P<0.05)。在太平猴魁绿茶啤酒中,以OAV≥0.1筛选出了20种香气成分,其中β-紫罗兰酮、异戊醛、β-环柠檬醛、蘑菇醇和香茅醇这5种挥发性成分来源于太平猴魁,并且在冷萃的条件下能更多保留这类风味成分,使得啤酒具有更加丰富的风味属性。根据PLS-DA模型进一步筛选得到了9种变量投影重要性值大于1的物质,其中月桂酸乙酯、乙酸苯乙酯、月桂醇、正癸醛和壬醛这类香气化合物对啤酒的清香和花香风味属性具有重要贡献,可作为区分不同工艺下太平猴魁绿茶啤酒的香气组分标记物。

量子核判别分析算法

核判别分析法通过核函数扩展了线性判别分析对非线性数据的处理能力,成为模式识别领域中一个重要的分支。然而,随着数据的指数增长,经典核判别分析算法在提取特征时会消耗大量计算资源。针对这一问题,利用量子叠加性和并行性提出了一种量子核判别分析算法。首先,借助量子随机存储器技术与控制旋转操作构造需要的类间矩阵和类内矩阵所对应的密度算子;然后,融入线性方程的求解思路并行获取特征态。理论分析表明,所提算法与经典算法相比具有指数级加速。

基于机器学习的高镁安山质岩石类型的多元判别分析

高镁安山质岩石具有多种不同成因的亚类,这些亚类反映了板块构造学中不同的地质背景。因此,对高镁安山质岩石进行快速且准确的分类具有重要的地质意义。然而,现有的传统判别方法在区分赞岐岩型、玻安岩型和埃达克型高镁安山质岩石时存在一定的局限性。为此,基于全球范围内2167组高镁安山质岩石的全岩主微量元素数据,应用线性多元回归分析的机器学习原理,开发了新的多元判别图解,旨在提升高镁安山质岩石分类的准确性。结果表明,对高镁安山质岩石的判别,新图解显著提高了对玻安岩型的辨识精度(高达90%),并在赞岐岩型和埃达克型的区分中达到了70%以上的成功率。改进的判别方法不仅可以准确和高效地区分3种主要类型的高镁安山质岩石,还扩展了传统地球化学判别方法的应用范围。基于新的判别图解,对西藏班公湖—怒江缝合带的中—晚侏罗世高镁闪长岩进行了独立的判别分析,结果显示其属于典型的赞岐岩型和玻安岩型高镁安山岩,指示了同期的初始洋壳俯冲事件,有效约束了中特提斯洋的演化过程。

垄断势力视角下平台大数据杀熟的价格歧视机理

大数据杀熟问题近年来受到各界的广泛关注,政府出台了一系列有关大数据杀熟治理的政策文件。然而,诸多法规相互交叉、竞合,给监管执行造成了巨大的困难。大数据杀熟愈演愈烈,导致了消费者群体与涉事平台企业之间存在严重的信任危机。为了能更好地理解和治理大数据杀熟,本文深入分析了垄断势力视角下平台大数据杀熟的价格歧视机理。通过分析,揭示了大数据杀熟的经济逻辑为(:1)垄断势力是形成大数据杀熟的源泉(;2)大数据杀熟本质是不公平的高价价格歧视。在以上分析的基础上,本文对大数据杀熟的本质、认识误区和治理思路进行了分析,指出大数据杀熟治理的关键是反垄断和防欺诈。总之,本研究通过对大数据杀熟垄断势力下价格歧视机理的分析,厘清了大数据杀熟与价格歧视和精准营销的区别,从而为正确认识大数据杀熟和有效抑制大数据杀熟提供参考。

梯形闸门出流流动特性研究

为了解梯形闸门这种新型平板闸门的出流流动特性,采用模型试验和量纲分析的方法,对梯形闸门淹没出流时的流动特性进行了试验研究和理论分析。试验结果表明:梯形闸门下游发生淹没出流时,淹没程度越大,收缩断面距离闸门越近,收缩断面横向水面差越小,闸后急变流过渡至渐变流所需要的距离越短。基于流态分析,结合量纲分析和数值拟合得到了梯形闸门流态判别条件,并推导了淹没出流流量计算公式,对该公式的评价和检验结果表明,平均相对误差在5%以内,计算精度较高。

SERS@Au微阵列芯片快速检测细菌性结膜炎病原体

急性细菌性结膜炎是一种常见的眼科疾病,医治不及时会严重损害视力。目前针对细菌性结膜炎常规的诊断方法仍为微生物培养法,该方法灵敏度高,但耗时耗力,难以满足快速检测的需求。该研究开发了一种SERS@Au微阵列芯片,将其作为增强基底收集细菌性结膜炎相关金黄色葡萄球菌、大肠杆菌、铜绿假单胞菌和表皮葡萄球菌的SERS图谱。结果表明,该芯片具有良好的增强效果、重现性和稳定性。选取400~1800 cm^(-1)波段,通过建立SVM模型和OPLS-DA模型对四种致病菌进行判别分析,区分准确率分别达到97%和90%。采用SERS@Au微阵列芯片对加标泪液进行检测,仅需短暂培养即可快速、准确、便捷、无损筛查致病菌,减少患者的痛苦。该研究开发的SERS@Au微阵列芯片与便携式拉曼光谱仪配套使用,具有准确、便携、快速、现场检测及微量样品检测的特点,适用于眼科细菌性感染疾病的快速筛查。该方法无需标记、无需鉴定培养基、对患者无损,实现了对复杂生物样本混合感染的快速检测,大大提高了检测效率,有望成为眼科疾病的新型辅助筛查手段。

联合判别区域特征的细粒度视觉分类方法

细粒度视觉分类方法的核心是定位图像中的判别区域。现有研究通过利用与改进视觉Transformer方法增强了判别区域特征的远距离依赖关系,但是大多数方法仅局限于增强显著判别区域的注意力,忽略了次显著的判别区域中可以联合提取的特征信息,导致具有相似局部特征的不同类别区分难度大,分类准确率较低。因此,提出了一种联合判别区域的提取特征方法,在自注意力模块的前端划分特征图的候选判别区域,引导模型提取不同显著程度的判别区域特征;通过双线性融合自注意力模块对多个不同显著程度的判别区域进行联合特征的提取,获取更加全面的判别区域特征信息。实验结果表明,引入联合判别区域方法的视觉Transformer网络在CUB-200-2011数据集上的准确率达92.7%,较标准视觉Transformer方法提升了2.4个百分点,并且在其余的基准数据集上均超越了当前最优的细粒度视觉分类方法。

稀疏图的邻和可区别全列表染色

通过分析极小反例的结构,运用权转移方法,证明了最大度Δ(G)≥8且最大平均度小于3.2的图G的邻和可区别全选择数不超过Δ(G)+2.

优化HS-SPME-GC-MS方法表征香菇不同成熟阶段的关键挥发性化合物

通过优化的顶空固相微萃取结合气相色谱-质谱联用技术鉴定香菇不同成熟阶段挥发性化合物,并采用气味活性值(odor activity value,OAV)和偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)进行分析。结果表明:最佳提取条件为1.0 g香菇样品在50℃提取25 min,解吸3 min;在香菇不同成熟阶段共鉴定出71种挥发性化合物,不同成熟阶段挥发性化合物种类和含量存在显著差异(P<0.05);通过PLS-DA和变量投影重要性(variable importance in projection,VIP)筛选出18种挥发性化合物,可作为区分香菇不同成熟阶段的挥发性生物标志物;OAV结果表明,有16种挥发性化合物为香气活性化合物,其中,1-辛烯-3-醇、3-辛醇、1-辛烯-3-酮、3-辛酮、苯乙醛、二甲基二硫醚、二甲基三硫醚、2,3,5-三硫杂己烷和1,2,4-三硫杂环戊烷同时满足VIP>1和OAV≥1,是香菇不同成熟阶段最重要的差异挥发性化合物。本研究为探究香菇成熟过程中香气形成机制提供一定理论依据。

针对缺失实验室指标多约束表征学习的卵巢癌鉴别方法

目的探索基于多约束表征学习分类模型在面对缺失实验室指标的情况下鉴别卵巢癌的鉴别能力和应用价值。方法收集了2344例患者(393例卵巢癌和1951例对照)的缺失实验室指标表格型数据,使用本研究提出的基于判别学习和互信息以及特征投影重要性得分一致性及缺失位置估算的表征学习分类模型对缺失的卵巢癌实验室指标特征进行投影到潜在空间得到分类模型。对提出的约束项进行消融实验,通过准确率、ROC曲线下面积(AUC)、敏感度、特异性说明约束项的可行性和有效项。采用交叉验证方法和准确率、AUC、敏感度、特异性评价该分类模型的鉴别性能。将本研究与其他用于缺失数据的插补方法进行对缺失数据处理后鉴别分类能力的对比。结果消融实验结果显示约束项之间有很好的相容性,每项约束项都有较好的鲁棒性。交叉验证结果显示,本研究提出的基于多约束表征学习分类模型在面对缺失实验室指标的情况下对卵巢癌的鉴别中的AUC、准确率、敏感度、特异性分别为0.915、0.888、0.774、0.910,其中AUC和敏感度优于其它缺失数据插补方法。结论基于多约束表征学习模型在缺失实验室指标鉴别卵巢癌的应用中具有优秀的鉴别能力和较高的应用价值。与其他缺失插补方法相比,本研究提出的多约束表征学习模型在针对卵巢癌缺失实验室指标的鉴别分类任务中具有较大的优势。

基于歧视对搜索的神经网络公平性测试

近年来,神经网络模型在金融、医疗和司法等关键决策领域的应用日益广泛。然而,这些模型可能因数据中的偏差而导致不公平决策,尤其是在涉及种族、性别等敏感特征时。为了解决这一问题,文章提出了一种基于歧视对搜索的公平性测试算法,通过混合整数线性规划形式化地检测神经网络模型的个体公平性。实验结果表明,该方法能够在保证模型性能的同时,有效评估模型的公平性。

北部湾沿海不同地理群体施氏獭蛤形态差异分析

随机选取北海、东兴、防城港和草潭4个地理群体施氏獭蛤(Lutraria sieboldii)样本,测量壳长(LS)、壳宽(WS)、壳高(HS)、前缘长(LE)、后缘长(LT)、壳厚(TS)、总重(WT)、软体重(WM)、壳重(WSW)。测量数据校正后,采用形态指标变异分析、单因素方差分析、聚类分析、主成分分析和判别分析5种多元统计分析方法对4个群体的形态差异进行分析。结果表明:草潭群体的贝壳壳型相对较圆,而防城港群体壳型相对较扁,4个群体的壳长均偏向一侧生长且偏后侧的程度较大,4个群体间的分化程度尚未达到亚种差异水平。方差分析和多重比较结果揭示,4个群体之间形态差异显著。经过主成分分析可知,主成分1的贡献率为47.861%,主成分2的贡献率为17.252%,主成分3的贡献率为14.090%,累计贡献率为79.203%。根据主成分得分构建主成分散点图,发现北海群体、草潭群体和东兴群体之间具有高度相似性,而防城港群体与其他3个群体的差异较大。聚类分析结果表明,北海、草潭和东兴3个群体汇聚成一个分支,防城港群体独立成为一个分支。判别分析结果显示,判别准确率P 1为87.18%~100%,P 2为84.85%~100%,4个群体的综合判别率(P)为94.57%。4个群体间的形态差异真实存在,北海群体、东兴群体和草潭群体3个群体之间差异较小,防城港群体则与其他3个群体间差异较大,4个群体之间形态上出现的差异可能与群体间的基因交流、所栖息的生态环境以及人为的一些养殖开发活动有关。分析北部湾沿海4个不同地理群体施氏獭蛤的形态差异,可为其种质资源的保护以及优良品种选育提供参考资料。

带非局部边值条件的周期Fisher's模型正解的渐近性态

应用bootstrap技巧,讨论了带非局部边值条件的周期Fisher's模型正周期解的存在性和一般时变解的渐近性态.

基于HS-GC-MS的黄精霉变前后VOCs变化规律和关键差异成分研究

目的:以黄精为研究对象,通过研究不同霉变程度下挥发性有机化合物(VOCs)的变化和关键差异成分,筛选黄精霉变的特征标志物,为黄精霉变的快速识别和中药霉变的早期预警提供科学依据。方法:在高温高湿条件下,通过人工促霉处理结合传统性状鉴定法,制备不同霉变程度的黄精样品。采用顶空-气相色谱-质谱联用(HS-GC-MS)技术分析黄精样品中的主要VOCs。运用偏最小二乘判别分析(PLS-DA)和主成分分析(PCA)探讨黄精霉变前后VOCs的变化规律和关键差异。结果:从未霉变、轻微霉变、严重霉变的黄精中分别鉴定出35、33、34种成分,包括醛、醇、酮、酯、酸、烃、胺、醚及其他类成分。PLS-DA分析结果显示,不同霉变程度黄精样品之间VOCs存在显著差异,成功筛选出9个差异性成分:2-甲基丁醛、三甲胺、异戊醛、冰醋酸、正己醛、2,3-丁二醇、正戊醛、2,6-二甲基吡嗪、丙酮醛。其中,霉变后异戊醛和2,3-丁二醇含量降低,正己醛含量增加;三甲胺仅在严重霉变样品中出现;而2,6-二甲基吡嗪则仅存在于未霉变的黄精样品中。PCA分析进一步显示,正戊醛、2-甲基丁醛、正己醛、三甲胺、丙酮醛是霉变黄精的特征标志物。结论:本研究筛选出的关键差异成分可作为黄精霉变的标记物,为黄精及中药霉变的监测和质量控制提供有效手段。

基于残差U型网络与双判别网络的图像分割方法

生成对抗网络在图像领域应用十分广泛,但在细胞核图像分割领域中的应用研究相对较少。由于细胞核的精准分割对于病理诊断工作有极大帮助,故提出了基于残差U型网络与生成对抗网络的图像分割方法。该方法以ResUNet网络作为生成网络,Image GAN为双判别网络,训练过程使用双损失函数和冻结策略进行优化。改进后网络在PanNuke数据集上评价指标MioU、Dice、Acc分别为80%、93%、80%,相比ResUNet网络的实验结果分别提升了2.3%、1.7%、2.1%。实验结果证明,改进后网络对细胞核分割具有较好准确率,可作为病理诊断工作的重要依据。

图书馆使用类ChatGPT工具的算法歧视及规制策略

尽管图书馆使用类ChatGPT工具具有一定的前景空间,但是其引发的算法歧视风险不可忽视。从数据收集与训练、服务供给与用户使用、结果呈现的全生命周期中,都存在算法偏见,且呈现出隐蔽性、交叉性等新特征。设计者偏见、使用者偏差以及技术壁垒是生成算法歧视的主要原因。设计者偏见可能导致算法模型继承和放大社会固有偏见;使用者偏差则会因用户的数字素养差异而加剧服务利用的不均等;技术壁垒更会使弱势群体难以触达和应用智能技术。算法歧视的负面后果不容小觑,它可能使信息获取的不平等演化为社会地位的不平等,产生知识生产话语权的不均等分配,并消解个体的主观能动性。为有效防范算法歧视风险,图书馆应在歧视分析的基础上,通过伦理算法干预破除设计者偏见,提升用户的数智能力打破使用者偏差,营造数智包容环境跨越技术应用服务壁垒,以确保类ChatGPT工具在图书馆的合理使用。

电商平台“杀熟”行为与消费者的应对策略探析——基于价格歧视的视角

近年来,在数字技术的推动下,平台经济迎来了前所未有的增长浪潮,电商平台的数量和规模迅速扩张,呈现出爆发式的发展态势。然而,电商平台在发展过程中也出现了一些问题,如利用大数据算法对消费者实施“杀熟”行为,侵犯了消费者的合法权益,消费者如何应对“杀熟”成为当今社会重点关注的研究议题。基于价格歧视理论,本文对电商平台“杀熟”行为模型的性质进行界定,从消费者角度出发,分析电商平台“杀熟”行为的表现形式及平台“杀熟”对消费者产生的影响,并提出消费者维权应对策略,避免落入“杀熟”陷阱。

辽西方言四声别义现象与特点研究

“四声别义”是用变读声调来区别词性或词义变化的一种构词手段,学界把汉语中利用声调的不同区分同一个词的意义的现象,称为“破读”也称为“四声别义”。今辽西方言中存在四声别义现象,主要通过变读声调表达新的意义或区分词性。“四声别义”现象既不同于文白异读现象,也不同于语流音变现象。从四声别义的特点也可看出汉语声调发展演变的过程和方向。