简介：在圈图上研究了两类组合优化问题．第一类问题主要研究在要求图中各边的最大调整费用不能超过给定预算时，如何对各边权进行调整，使得其他各顶点到给定顶点的距离之和最大，得到了线性时间算法；第二类问题主要研究在要求圈图上的所有边的调整费用之和不超过给定预算时，如何对各边权进行调整，使得某一固定顶点到给定顶点的距离尽可能的大，得到了求解该问题的多项式时间算法．

简介：作为一个保边去噪的算法,各向异性扩散滤波（anisotropicdiffusionfilter,ADF）被广泛应用于磁共振成像（magneticresonanceimage,MRI）图像的预处理中,且对MRI图像中的莱斯噪声具有很好的去除效果.各向异性扩散滤波参数的选择对于其去噪性能影响很大,为找出滤波器的最佳参数,我们用改进的遗传算法对其进行参数优化,并且采用了一种新的精英选择策略,而且还在交叉和变异过程中采用了自适应的交叉和变异概率,再分别对各向异性扩散滤波的迭代次数t、扩散阈值k以及时间步长λ等三个参数进行选择优化.最后,从峰值信噪比（peaksignal-to-noiseratio,PSNR）、结构相似性指数（structuralsimilarityindexmetric,SSIM）、均方差（meansquarederror,MSE）三个方面,将经过参数优化的各向异性扩散滤波器对脑部MRI进行去噪处理,并与其它参数下的滤波结果进行对比.实验结果表明,经过参数优化的各向异性滤波器,无论是从视觉上还是相关评价指标上,均优于其它参数情况下的去噪效果.

简介：利用废弃茶叶制备的活性炭吸附水中的溴酸盐,探讨不同条件下茶叶活性炭对溴酸根的吸附效果。结果表明：在吸附时间为30min,溶液pH值为5.0,活性炭投加量为120mg的条件下,茶叶活性炭对溴酸根的吸附效果最好,吸附去除率可达86%。

简介：马尔科夫预测模型具有＂无后效性＂,即预测未来的销售情况只与当前的销售数据有关,而与过去的销售数据无关.事实上,过去不同的时间点对当前的销售结果会有不同程度的影响.而指数平滑法恰好弥补了马尔科夫预测模型的缺点,它认为最近的过去销售数据,在某种程度上会持续到未来.因此本文利用二次指数平滑系数法优化马尔科夫预测模型,并以某品牌电动车的销售情况为例进行验证,发现优化后预测模型的绝对误差均小于马尔科夫模型的预测结果.由此得出结论,基于二次指数平滑法优化的马尔科夫预测模型具有可行性.

简介：传统的深度信念网络模型缺乏并行有效的算法来确定网络层数以及隐藏层神经元的数目,实验时大多依据经验来选取,这样做不仅使得模型训练困难,且范化能力差,影响实验结果.针对此问题,通过比较重构误差和验证集错误分类率的乘积（加权误差）大小来选取网络层数,网络层数确定后,再根据重构误差使用渐增法或二分法来选择合适的隐层神经元数目,以使整个模型达到最优.实验结果表明,用上述方法确定模型网络层数及隐藏层神经元数目,能有效提高模型分类或预测的精度.

简介：本研究建立了紫外-可见分光光度法测定肉苁蓉中多酚类物质(以没食子酸计)含量的方法。当乙醇浓度为70%、温度为60℃、提取时间为30min、料液比为1:20时,肉苁蓉中多酚类物质(以没食子酸计)的提取效果最好。同时肉苁蓉样品中多酚类物质(以没食子酸计)的平均质量百分比为0.2422%。精密度、稳定性和加标回收结果显示该方法可行可靠。