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)样本分布不一样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.
简介:目的:为建立全面评价罗汉果的质量的方法。方法:采用超声强化水提取法进行样品前处理,用罗汉果苷V作为参照物进行指标成分峰的定位,用HPLC对罗汉果水提取物进行分离,比较了水—甲醇、冰醋酸水溶液—甲醇、磷酸水溶液—甲酸、水-乙睛、磷酸水溶液—乙腈、三氟乙酸水溶液—乙腈6种体系的等度、梯度洗脱效果。结果:实验表明在上述6种流动相体系中,以三氟乙酸水溶液—乙腈的洗脱效果最好,色谱条件:梯度洗脱、SinochromODS-BP柱、检测波长为205nm,流速0.8ml/min,柱温25℃。结论:采用HPLC技术,可以得到分离度和重现性均较好的罗汉果水提取物的HPLC色谱图。