研究正交信号校正(orthogonal signal correction,OSC)-小波包变换(wavelet packet transform,WPT)-偏最小二乘法(partial least squares,PLS)法用于不经化学分离直接解析荧光光谱严重重叠的色氨酸﹑酪氨酸和苯丙氨酸混合体系。本实验PO...研究正交信号校正(orthogonal signal correction,OSC)-小波包变换(wavelet packet transform,WPT)-偏最小二乘法(partial least squares,PLS)法用于不经化学分离直接解析荧光光谱严重重叠的色氨酸﹑酪氨酸和苯丙氨酸混合体系。本实验POSCWPTPLS程序执行相关计算,并将3种化学计量学方法(OSC-WPT-PLS、WPT-PLS和PLS)进行比较。3种氨基酸的总体相对预测标准偏差分别为2.80%、4.35%和5.14%,结果表明:OSC-WPT-PLS法优于WPT-PLS法和PLS法,将该法用于测定自来水及内蒙产的金骆驼酒和河套老窖酒中的色氨酸﹑酪氨酸和苯丙氨酸的含量及其回收率分别为96.9%～103.2%、94.1%～105.4%、95.3%～107.8%,取得良好效果。展开更多
针对传统的物化视图选择(materialized view selection,MVS)算法评价指标单一(仅评价物化时间,过度追求物化视图的查询命中率)会导致超高维度时的维度灾难以及物化视图集频繁抖动的问题,本文提出了一种基于带权图的多维大数据模型优化算...针对传统的物化视图选择(materialized view selection,MVS)算法评价指标单一(仅评价物化时间,过度追求物化视图的查询命中率)会导致超高维度时的维度灾难以及物化视图集频繁抖动的问题,本文提出了一种基于带权图的多维大数据模型优化算法(multi-dimensional big data model optimization,MMO),通过引入平均查询时延和膨胀率评价指标,基于带权图模型找出物化视图集的最优解。实验结果表明,本文算法在综合评分、平均查询时延、膨胀率方面均优于粒子群算法(particle swarm optimization,PSO),解决了超高维数据下的维度灾难问题,并且能够快速收敛。展开更多
文摘研究正交信号校正(orthogonal signal correction,OSC)-小波包变换(wavelet packet transform,WPT)-偏最小二乘法(partial least squares,PLS)法用于不经化学分离直接解析荧光光谱严重重叠的色氨酸﹑酪氨酸和苯丙氨酸混合体系。本实验POSCWPTPLS程序执行相关计算,并将3种化学计量学方法(OSC-WPT-PLS、WPT-PLS和PLS)进行比较。3种氨基酸的总体相对预测标准偏差分别为2.80%、4.35%和5.14%,结果表明:OSC-WPT-PLS法优于WPT-PLS法和PLS法,将该法用于测定自来水及内蒙产的金骆驼酒和河套老窖酒中的色氨酸﹑酪氨酸和苯丙氨酸的含量及其回收率分别为96.9%～103.2%、94.1%～105.4%、95.3%～107.8%,取得良好效果。
文摘针对传统的物化视图选择(materialized view selection,MVS)算法评价指标单一(仅评价物化时间,过度追求物化视图的查询命中率)会导致超高维度时的维度灾难以及物化视图集频繁抖动的问题,本文提出了一种基于带权图的多维大数据模型优化算法(multi-dimensional big data model optimization,MMO),通过引入平均查询时延和膨胀率评价指标,基于带权图模型找出物化视图集的最优解。实验结果表明,本文算法在综合评分、平均查询时延、膨胀率方面均优于粒子群算法(particle swarm optimization,PSO),解决了超高维数据下的维度灾难问题,并且能够快速收敛。
