㈠ 什麼時候能用特徵線法求解偏微分方程
以偏微分方程的特徵理論為基礎,求解雙曲型偏微分方程的一種近似計算方法。如問題比較簡單,用這種方法可求出分析解或近似的分析解;如問題復雜,也可求得准確度很高的數值解。此外,特徵線法還可用來對雙曲型問題作定性分析,尤其是可用來研究怎樣給出初始條件和邊界條件使問題適定。這對設計求解雙曲型微分方程的其他類型的數值方法有指導意義。特徵線法早在19世紀末就已出現,20世紀30~40年代用手算就已解決不少問題。電子計算機出現後,此方法更趨完善,並得到廣泛應用。
㈡ 系統分析方法有哪幾種
系統分析方法(System Analysis Method)
什麼是系統分析方法
系統分析方法是指把要解決的問題作為一個系統,對系統要素進行綜合分析,找出解決問題的可行方案的咨詢方法。蘭德公司認為,系統分析是一種研究方略,它能在不確定的情況下,確定問題的本質和起因,明確咨詢目標,找出各種可行方案,並通過一定標准對這些方案進行比較,幫助決策者在復雜的問題和環境中作出科學抉擇。
系統分析方法來源於系統科學。系統科學是20世紀40年代以後迅速發展起來的一個橫跨各個學科的新的科學部門,它從系統的著眼點或角度去考察和研究整個客觀世界,為人類認識和改造世界提供了科學的理論和方法。它的產生和發展標標志著人類的科學思維由主要以「實物為中心」逐漸過渡到以「系統為中心」,是科學思維的一個劃時代突破。
系統分析是咨詢研究的最基本的方法,我們可以把一個復雜的咨詢項目看成為系統工程,通過系統目標分析、系統要素分析、系統環境分析、系統資源分析和系統管理分析,可以准確地診斷問題,深刻地揭示問題起因,有效地提出解決方案和滿足客戶的需求。
咨詢工具
安索夫矩陣
案例面試分
析工具/框架
ADL矩陣
安迪·格魯夫的
六力分析模型
波士頓矩陣
標桿分析法
波特五力分析
模型
波特價值鏈
分析模型
波士頓經驗曲線
波特鑽石理論模型
貝恩利潤池
分析工具
波特競爭戰略
輪盤模型
波特行業競爭結構
分析模型
波特的行業組織
模型
變革五因素
BCG三四規則矩陣
產品/市場演變
矩陣
差距分析
策略資訊系統
策略方格模型
CSP模型
創新動力模型
定量戰略計劃矩陣
大戰略矩陣
多點競爭戰略
杜邦分析法
定向政策矩陣
德魯克七種
革新來源
二元核心模式
服務金三角
福克納和鮑曼的
顧客矩陣
福克納和鮑曼的
生產者矩陣
FRICT籌資分析法
GE矩陣
蓋洛普路徑
公司層戰略框架
高級SWOT分析法
股東價值分析
供應和需求模型
關鍵成功因素
分析法
崗位價值評估
規劃企業願景的
方法論框架
核心競爭力分析
模型
華信惠悅人力
資本指數
核心競爭力識別
工具
環境不確定性分析
行業內的戰略群體
分析矩陣
橫向價值鏈分析
行業內戰略集團
分析
IT附加價值矩陣
競爭態勢矩陣
基本競爭戰略
競爭戰略三角模型
競爭對手分析論綱
價值網模型
績效稜柱模型
價格敏感性測試法
競爭對手的成本分析
競爭優勢因果關系
模式
競爭對手分析工具
價值鏈分析方法
腳本法
競爭資源四層次模型
價值鏈信息化管理
KJ法
卡片式智力激勵法
KT決策法
擴張方法矩陣
利益相關者分析
雷達圖分析法
盧因的力場分析法
六頂思考帽
利潤庫分析法
流程分析模型
麥肯錫7S模型
麥肯錫七步分析法
麥肯錫三層面理論
麥肯錫邏輯樹分析法
麥肯錫七步成詩法
麥肯錫客戶盈利性
矩陣
麥肯錫5Cs模型
內部外部矩陣
內部因素評價矩陣
諾蘭的階段模型
牛皮紙法
內部價值鏈分析
NMN矩陣分析模型
PEST分析模型
PAEI管理角色模型
PIMS分析
佩羅的技術分類
PESTEL分析模型
企業素質與活力分析
QFD法
企業價值關聯分析
模型
企業競爭力九力分析
模型
企業戰略五要素分析法
人力資源成熟度模型
人力資源經濟分析
RATER指數
RFM模型
瑞定的學習模型
GREP模型
人才模型
ROS/RMS矩陣
3C戰略三角模型
SWOT分析模型
四鏈模型
SERVQUAL模型
SIPOC模型
SCOR模型
三維商業定義
虛擬價值鏈
SFO模型
SCP分析模型
湯姆森和斯特克蘭
方法
V矩陣
陀螺模型
外部因素評價矩陣
威脅分析矩陣
新7S原則
行為錨定等級評價法
新波士頓矩陣
系統分析方法
系統邏輯分析方法
實體價值鏈
信息價值鏈模型
戰略實施模型
戰略鍾模型
戰略地位與行動
評價矩陣
戰略地圖
組織成長階段模型
戰略選擇矩陣
專利分析法
管理要素分析模型
戰略群模型
綜合戰略理論
縱向價值鏈分析
重要性-迫切性模型
知識鏈模型
知識價值鏈模型
知識供應鏈模型
組織結構模型
[編輯]
系統分析方法的分類
1)系統特徵分析方法;
2)系統邏輯分析方法;
3)系統工程技術。
系統分析方法的步驟
系統分析方法的具體步驟包括:限定問題、確定目標、調查研究收集數據、提出備選方案和評價標准、備選方案評估和提出最可行方案。
1、 限定問題
所謂問題,是現實情況與計劃目標或理想狀態之間的差距。系統分析的核心內容有兩個:其一是進行「診斷」,即找出問題是及其原因;其二是「開處方」,即提出解決問題的最可行方案。所謂限定問題,就是要明確問題的本質或特性、問題存在范圍和影響程度、問題產生的時間和環境、問題的症狀和原因等。限定問題是系統分析中關鍵的一步,因為如果「診斷」出錯,以後開的「處方」就不可能對症下葯。在限定問題時,要注意區別症狀和問題,探討問題原因不能先入為主,同時要判別哪些是局部問題,哪些是整體問題,問題的最後確定應該在調查研究之後。
2、確定目標
系統分析目標應該根據客戶的要求和對需要解決問題的理解加以確定,如有可能應盡量通過指標表示,以便進行定量分析。對不能定量描述的目標也應該盡量用文字說明清楚,以便進行定性分析和評價系統分析的成效。
3、調查研究,收集數據
調查研究和收集數據應該圍繞問題起因進行,一方面要驗證有限定問題階段形成的假設,另一方面要探討產生問題的根本原因,為下一步提出解決問題的備選方案做准備。
調查研究常用的有四種方式,即閱讀文件資料、訪談、觀察和調查。
收集的數據和信息包括事實(facts)、見解(opinions)和態度(attitudes)。要對數據和信息去偽存真,交叉核實,保證真實性和准確性。
4、提出備選方案和評價標准
通過深入調查研究,使真正有待解決的問題得以最終確定,使產生問題的主要原因得到明確,在此基礎上就可以有針對性地提出解決問題的備選方案。備選方案是解決問題和達到咨詢目標可供選擇的建議或設計,應提出兩種以上的備選方案,以便提供進一步評估和篩選。為了對備選方案進行評估,要根據問題的性質和客戶具備的條件。提出約束條件或評價標准,供下一步應用。
5、備選方案評估
根據上述約束條件或評價標准,對解決問題備選方案進行評估,評估應該是綜合性的,不僅要考慮技術因素,也要考慮社會經濟等因素,評估小組應該有一定代表性,除咨詢項目組成員外,也要吸收客戶組織的代表參加。根據評估結果確定最可行方案。
6、提交最可行方案
最可行方案並不一定是最佳方案,它是在約束條件之內,根據評價標准篩選出的最現實可行的方案。如果客戶滿意,則系統分析達到目標。如果客戶不滿意,則要與客戶協商調整約束條件或評價標准,甚至重新限定的問題,開始新一輪系統分析,直到客戶滿意為止。
系統分析方法的案例分析
案例一:某鍛造廠系統分析方法分析
某鍛造廠是以生產解放、東風140和東風130等汽車後半軸為主的小型企業,現在年生產能力為1.8萬根,年產值為130元。半軸生產工藝包括鍛造、熱處理、機加工、噴漆等23道工序,由於設備陳舊,前幾年對某些設備進行了更換和改造,但效果不明顯,生產能力仍然不能提高。廠領導急於要打開局面,便委託M咨詢公司進行咨詢。M咨詢公司採用系統分析進行診斷,把半軸生產過程作為一個系統進行解剖分析。通過限定問題,咨詢人員發現,在半軸生產23道工序中,生產能力嚴重失調,其中班產能力為120-190根的有9道工序,主要是機加工設備。班產能力為70-90根的有6道工序,主要是淬火和矯直設備。其餘工序班產能力在30-45根之內,都是鍛造設備。由於機加工和熱處理工序生產能力大大超過鍛造工序,造成前道工序成為「瓶頸」,嚴重限制後道工序的局面,使整體生產能力難於提高。所以,需要解決的真正問題是如何提高鍛造設備能力?
在限定問題的基礎上,咨詢人員與廠方一起確定出發展目標,即通過對鍛造設備的改造,使該廠汽車半軸生產能力和年產值都提高1倍。
圍繞如何改造鍛造設備這一問題,咨詢人員進行深入調查研究,初步提出了四個備選方案,即:新裝一台平鍛機;用軋同代替原有夾板錘;用軋制機和碾壓機代替原有夾板錘和空氣錘;增加一台空氣錘。
咨詢人員根據對廠家人力物力和資源情況的調查分析,提出對備選方案的評價標准或約束條件,即:投資不能超過20萬元;能與該廠技術水平相適應,便於維護;耗電量低;建設周期短,回收期快。咨詢小組吸收廠方代表參加,根據上述標准對各備選方案進行評估。第1個方案(新裝一台平鍛機),技術先進,但投資高,超過約束條件,應予以淘汰。對其餘三個方案,採取打分方式評比,結果第4方案(增加一台空氣錘)被確定為最可行方案,該方案具有成本低,投產周期短,耗電量低等優點,技術上雖然不夠先進,但符合小企業目前的要求,客戶對此滿意,系統分析進展順利,為該項咨詢提供了有力的工具。
本條目對我有幫助
70
分享到:
㈢ 測定vc有哪幾種方法,每種方法的使用范圍是什麼
維生素C不同的測定方法
目前研究維生素C測定方法的報道較多,有關維生素C的測定方法如熒光法、2,6-二氯靛酚滴定法、2,4-二硝基苯肼法、光度分析法、化學發光法、電化學分析法及色譜法等,各種方法對實際樣品的測定均有滿意的效果.
為了解國內VC含量測定方法及其應用方面的現狀及發展態勢.方法以"維生素C或抗壞血酸和測定"為檢索詞對1994~2002年中國期刊網全文資料庫(CNKI)中的理工A、B和醫葯衛生專輯進行篇名檢索,對所得有關維生素C含量測定的文獻數據分別以年代、作者區域、載刊等級、樣品類型、測定方法等進行計量分析.結果核心期刊載刊文獻占文獻總量的45.06%,其中光度法佔65.69%,電化法佔18.63%,色譜法佔12.75%;復雜被測樣品文獻占文獻總量的45.06%,其中光度法佔60.92%,色譜法佔19.54%,電化法佔10.34%.結論目前國內維生素C含量測定仍以光度法為主流,但近年來色譜法,特別是HPLC法上升趨勢尤為明顯.
一.熒光法
1.原理
樣品中還原型抗壞血酸經活性炭氧化成脫氫型抗壞血酸後,與鄰苯二胺(OPDA)反應生成具有熒光的喹喔啉(quinoxaline),其熒光強度與脫氫抗壞血酸的濃度在一定條件下成正比,以此測定食物中抗壞血酸和脫氫抗壞血酸的總量。
脫氫抗壞血酸與硼酸可形成復合物而不與OPDA反應,以此排除樣品中熒光雜質所產生的干擾。本方法的最小檢出限為0.022 g/ml。
2.適用范圍
本方法適用於蔬菜、水果及其製品中總抗壞血酸的測定
3. 注意事項
3.1 大多數植物組織內含有一種能破壞抗壞血酸的氧化酶,因此,抗壞血酸的測定應採用新鮮樣品並盡快用偏磷酸-醋酸提取液將樣品製成勻漿以保存維生C。
3.2 某些果膠含量高的樣品不易過濾,可採用抽濾的方法,也可先離心,再取上清液過濾。
3.3活性炭可將抗壞血酸氧化為脫氫抗壞血酸,但它也有吸附抗壞血酸的作用,故活性炭用量應適當與准確,所以,應用天平稱量。我們的實驗結果證明,用2g活性炭能使測定樣品中還原型抗壞血酸完全氧化為脫氫型,其吸附影響不明顯。
二、2,6-二氯靛酚滴定法(還原型VC)
1、原理:
還原型抗壞血酸還原染料2,6-二氯靛酚,該染料在酸性中呈紅色,被還原後紅色消失。還原型抗壞血酸還原2,6-二氯靛酚後,本身被氧化成脫氫抗壞血酸。在沒有雜質干擾時,一定量的樣品提取液還原標准2,6-二氯靛酚的量與樣品中所含維生素C的量成正比。本法用於測定還原型抗壞血酸,總抗壞血酸的量常用2,4-二硝基苯肼法和熒光分光光度法測定。
2、注意事項
⑴ 所有試劑的配製最好都用重蒸餾水;
⑵ 滴定時,可同時吸二個樣品。一個滴定,另一個作為觀察顏色變化的參考;
⑶ 樣品進入實驗室後,應浸泡在已知量的2%草酸液中,以防氧化,損失維生素C;
⑷ 貯存過久的罐頭食品,可能含有大量的低鐵離子(Fe2+),要用8%的醋酸代替2%草酸。這時如用草酸,低鐵離子可以還原2,6-二氯靛酚,使測定數字增高,使用醋酸可以避免這種情況的發生;
⑸ 整個操作過程中要迅速,避免還原型抗壞血酸被氧化;
⑹ 在處理各種樣品時,如遇有泡沫產生,可加入數滴辛醇消除;
⑺ 測定樣液時,需做空白對照,樣液滴定體積扣除空白體積。
3優點:它具有簡便、快速、比較准確等優點,適用於許多不同類型樣品的分析。缺點是不能直接測定樣品中的脫氫抗壞血酸及結合抗壞血酸的含量,易受其他還原物質的干擾。如果樣品中含有色素類物質,將給滴定終點的觀察造成困難。在酸性環境中,抗壞血酸(還原型)能將染料2,6—DCIP還原成無色的還原型2,6—DCIP,而抗壞血酸則被氧化成脫氫抗壞血酸。氧化型2,6—DCIP在中性或鹼性溶液中呈藍色,但在酸性溶液中則呈粉紅色。因此,當用2,6—DICP滴定含有抗壞血酸的酸性溶液時,在抗壞血酸未被全部氧化前,滴下的2,6—DCIP 立即被還原成無色,一旦溶液中的抗壞血酸全部被氧化時,則滴下微量過剩的2,6—DCIP 便立即使溶液顯示淡粉紅色或微紅色,此時即為滴定終點,表示溶液中的抗壞血酸剛剛全部被氧化。依據滴定時2,6—DCIP 標准溶液的消耗量 (ml),可以計算出被測樣品中抗壞血酸的含量。氧化型2,6—DCIP與還原型抗壞血酸常在稀草酸或偏磷酸溶液中進行反應。即先將樣品溶於一定濃度的酸性溶液中或經抽提後,再用2,6—DCIP標准溶液滴定至終點。
食物和生物材料中常含有其他還原物質,其中有些還原物質可使2,6—DCIP還原脫色。為了消除這些還原物質對定量測定的干擾,可用抗壞血酸氧化酶處理,破壞樣品中還原型抗壞血酸後,再用2,6—DCIP 滴定樣品中其他還原物質。然後從滴定未經酶處理樣品時2,6—DCIP標准溶液的總消耗量中,減去滴定非抗壞血酸還原物質2,6—DCIP 標准溶液的消耗量,即為滴定抗壞血酸實際所消耗的2,6—DCIP標准溶液的體積,由此可以計算出樣品中抗壞血酸的含量。另外,還可利用抗壞血酸和其他還原物質與2,6—DCIP反應速度的差別,並通過控制樣品溶液在pH1 — 3 范圍內,進行快速滴定,可以消除或減少其他還原物質的作用,一般在這樣的條件下,干擾物質與2,6—DCIP的反應是很慢的或受到抑制。生物體液(如血液、尿等)中的抗壞血酸的測定比較困難,因為這些樣品中抗壞血酸的含量很低,並且存在許多還原物質的干擾,同時還必須預先進行脫蛋白處理。在生物體液中含有巰其、亞硫酸鹽及硫代硫酸鹽等物質,它們都能與DCIP反應,但反應速度比抗壞血酸慢得多。樣品中巰基物質對定量測定的干擾,通常可以藉加入對—氯汞苯甲酸(簡稱PCMB)而得到消除。
三、2,4-二硝基苯肼法
1.原理
總抗壞血酸包括還原型、脫氫型和二酮古樂糖酸。樣品中還原型抗壞血酸經活性炭氧化為脫氫抗壞血酸,再與2,4-二硝基苯肼作用生成紅色脎,脎的含量與總抗壞血酸含量成正比,進行比色測定。
2.適用范圍
本方法適用於蔬菜、水果及其製品中總抗壞血酸的測定。
這是脎比色法,單獨評價是因為目前它作為Vc測定的國標法之一,是一種全量測定法,它跟以前的苯肼法原理相近。首先將樣品中的還原型V氧化為脫氫型V,然後與2,4—二硝基苯肼作用,生成紅色的脎,將脎溶於硫酸後進行比色。最近國標中該法強調空白,每個樣品及標准系列均需作對應空白,這樣消除色澤、背景不一的誤差。在實際楊梅汁Vc測定中,操作時間長,操作要求較嚴格,試劑較多,就一般實驗室而言是目前可以採用的方法。
四 碘量法
1、維生素C的原理
維生素C包括氧化型、還原型和二酮古樂糖酸三種。當用碘滴定維生素C時,所滴定的碘被維生素C還原為碘離子。隨著滴定過程中維生素C全被氧化,所滴入的碘將以碘分子形式出現。碘分子可以使含指示劑(澱粉)的溶液產生藍色,即為滴定終點。
2、注意事項
(1)看到紅棕色出現時要放慢滴定的速度。
(2)以顯藍色在30s內不褪色為滴定終點。
五L-抗壞血酸(維生素C)測定試劑盒(酶學方法)
1.應用於食品,飲料及生物製品檢測
2.比色方法
此方法用於檢測水果和蔬菜(如馬鈴薯),水果和蔬菜產品(如西紅柿醬、泡菜、果醬、果汁),嬰兒食品,啤酒,飲料,流食,粉狀和烘烤劑,肉產品,奶製品,葡萄酒,還有動物飼料,醫葯品(如維生素配製、陣痛葯、退燒葯)和生物樣品中的L-抗壞血酸(維生素C),
3.分析物
L-抗壞血酸不定量的分布於動物和植物中。人類不能自身生產L-抗壞血酸,因此必須由外源(vitamin C)提供。一般情況下來源於水果和蔬菜中,出於技術原因,L-抗壞血酸曾被用於食品工業中的抗氧化劑。它是一種相對敏感的物質,L-抗壞血酸的檢測非常適用於從原始水果和蔬菜中加工食品的質量評定。
L-抗壞血酸用於醫葯品生產中的組成部分,如維生素產品和陣痛葯,另外,它還用於動物飼料添加劑中。
4.原理
L-抗壞血酸 (x-H2) + MTT+ PMS—> dehydroascorbate (x) + MTT-formazan + H+X
L-抗壞血酸 + ½ O2 AAO——> dehydroascorbate + H2OX
5.特異性
在給定的條件下,此方法特別針對於L-抗壞血酸。合成的D-阿拉伯抗壞血酸/阿拉伯糖型抗壞血酸能作為抗氧化劑,也能反應,但反應速度較慢。
6.靈敏度
測定靈敏度為0.005個吸光度單位,樣品體積為1.600ml,此相當於0.1mg/l樣品溶液中的L-抗壞血酸濃度。0.015個吸光度單位的差異能造成0.3 mg/l檢測限,樣品最大體積為1.600 ml.。
7.線性
測定的線性范圍為0.5 ugL-抗壞血酸(0.3mgL-抗壞血酸/l樣品溶液體積為1.600ml)到20 ugL-抗壞血酸(0.2gL-抗壞血酸/l樣品溶液體積為0.100ml)
8.精密度
在用一個樣品做重復實驗時,可能會產生0.005-0.010個吸光度單位的差異。標準的相對偏差(變異系數)大約為1-3%。當分析檢測數據時,要考慮到L-抗壞血酸的水溶液穩定性較差,尤其是重金屬離子或氧存在時。
9.干擾及錯誤來源
糧食的成分不經常干擾實驗。高濃度的酒精和D-山梨酸醇能降低反應速度,大量的亞硫酸鹽必須通過添加甲醛來去除。醋酸抑制酶AAO。金屬和 亞硫酸鹽離子可以導致L-抗壞血酸的自發分解。
10.試劑盒包括內容
1.磷酸鹽/檸檬酸緩沖液 ———— pH值大約3.5;MTT
2.AAO(坑壞血酸-氧化酶)—— 每板約17 U AAO
3. PMS 溶液
六.磷鉬藍分光光度法測定維生素C
基於在一定的反應條件下,維生素C可以定量地將磷鉬酸錠還原成磷鉬藍,提出了一種新的測定維生素C的分光光度法。該方法很方便、快速地測定生物、葯物等試樣中的維生素C,准確度和重復性均達到令人滿意的程度。
1 適用范圍
本標准適用於果品、蔬菜及其加工製品中還原型抗壞血酸的測定(不含二價鐵、二價錫、一價銅、二氧化硫、亞硫酸鹽或硫代硫酸鹽),不適用於深色樣品。
2 測定原理
染料2,6-二氯靛酚的顏色反應表現兩種特性,一是取決於其氧化還原狀態,氧化態為深藍色,還原態變為無色;二是受其介質的酸度影響,在鹼性溶液中呈深藍色,在酸性介質中呈淺紅色。
用藍色的鹼性染料標准溶液,對含維生素 C的酸性浸出液進行氧化還原滴定,染料被還原為無色,當到達滴定終點時,多餘的染料在酸性介質中則表現為淺紅色,由染料用量計算樣品中還原型抗壞血酸的含量。
七.二甲苯-二氯靛酚比色法
1 適用范圍
測定深色樣品中還原型抗壞血酸。
2 測定原理
用定量的 2,6-二氯靛酚染料與試樣中的維生素 C進行氧化還原反應,多餘的染料在酸性環境中呈紅色,用二甲苯萃取後比色,在一定范圍內,吸光度與染料濃度呈線性相關,收剩餘染料濃度用差減法計算維生素 C含量。
八.近紅外漫反射光譜分析法(NIRDRSA)
自1965年首次應用於復雜農業樣品分析後,因其具 有樣品處理簡單、分析速度快等優點,逐漸受到分析界的重視。此法已廣泛應用於石油、紡 織、農業、食品、葯物分析等領域[1,2]。在葯物分析中,NIRDRSA可以進行定性 鑒別、定量分析等工作。
維生素C是一種不穩定的二烯醇化合物,其葯典[3]含量測定方法為碘量法。我 們採用近紅外漫反射光譜技術直接測定維生素C含量,樣品無需預處理,方法簡便,結果可 靠。
這是因為,近紅外譜區光的頻率與有機分子中C-H,O-H,N-H等振動的合頻與各級倍頻的 頻率一致,因此通過有機物的近紅外光譜可以取得分子中C-H,O-H,N-H的特徵振動信息 。由於近紅外光譜的譜帶較寬,譜圖重疊嚴重,不能用特徵峰等簡單方法分析,需要運用計 算機技術與化學計量學方法。本實驗應用的是偏最小二乘法(PLS)[4],首先利用 定標集建立預測模型,然後將預測集作為未知樣本,根據預測模型進行預測。
對所選擇的譜區范圍,採用對反射吸光度的MSC(散射校正)預處理,對25個樣品進行交叉 驗證,即選擇一個樣品,從校正集中除去該樣品對應的光譜和濃度數據,並設光譜主成分數 為1,循環迭代樣品數和主成分數,計算預測殘差平方和,確定所需主成分數。若主成分選擇 過小,會丟失樣品信息,過大會造成過度擬合。當主因子為2時,預測殘差平方和值最小, 為2.029,故選擇主因子數為2,建立最佳PLS校正數學模型。
九 電位滴定法
1.原理:根據滴定過程中電池電動勢的變化來確定反應終點.
Pt為指示電極,甘汞作參比電極
E池=E+-E-+E液接電位=EI2/I-+k(常數)
2.原理(具體來說:)
隨著滴定劑的加入,由於發生化學反應,待測離子濃度將不斷變化;從而指示電極電位發生相應變化;導致電池電動勢發生相應變化;計量點附近離子濃度發生突變;引起電位的突變,因此由測量工作電池電動勢的變化就能確定終點。
3.計算式:(與碘量法相同) Wvc=C(I2)V(I2)M(vc)/m(vc ) *100%
4.優點:
解決了滴定分析中遇到有色或渾濁溶液時無法指示終點的問題
用線性電位滴定法分析抗壞血酸,抗壞血酸回收率為99.80%~101.5%,相對標准偏差為0.61%;分析維生素C片中的抗壞血酸,相當標示量為98.90%~100.5%,相對標准偏差不大於0.48%,說明線性電位滴定法分析維生素C片中的抗壞血酸含量是可行的.
十 .分光光度法
1. 原理:
維生素C在空氣中尤其在鹼性介質中極易被氧化成脫氫抗壞血酸,pH>5,脫氫抗壞血酸內環開裂,形成二酮古洛糖酸。脫氫抗壞血酸,二酮古洛糖酸均能和2,4-二硝基苯肼生成可溶於硫酸的脎
脎在500nm波長有最大吸收
根據樣品溶液吸光度,由工作曲線查出VC的濃度,即可求出VC的含量
十一 庫侖滴定法
1.原理:庫侖滴定法屬於恆電流庫侖分析。
是在特定的電解液中,以電極反應產物為滴定劑(電生滴定劑,相當於化學滴定中的標准濃液)與待測物質定量作用,藉助指示劑或電位法確定滴定終點。
2.基本依據--法拉第電解定律:電解時,電極上發身化學反應的物質質量與通過電解池的電量Q成正比
即: m=MQ/zF = MI t /zF
3..化學反應:陰極反應: 2H+2e-=H2 陽極反應: 2I-=I2+2e-
4.終點指示:多種方法
(1)化學指示劑--I2
(2)電位法
(3)雙鉑極電流指示法
5.計算式:Wvc=MvcQ/zFm樣式中: F--- 法拉第常數(96487C)
Z---電極反應中轉移的電子數注意:使電解效率100%
6.優點:
1)無需標准化的試劑溶液,免去了大量的標准物質的准備工作(配製,標定)
2)只需要一個高質量的供電器,計時器,小鉑絲電極,且易於實現自動化控制
3)若電流維持一個定值,可大大縮短了電解時間
4)電量容易控制及准確測量;方法靈敏度,准確度較高
5)滴定劑來自電解時的電極產物,可實現容量分析中不易實現的滴定過程,如Cu+,Br2,Cl2產生後立即與待測物反應。
7.缺點(難點):
要求電解過程沒有副反應和漏電現象,即使電解電極上只進行生成滴定劑的反應,且電流的效率是100%
8.註:電流效率=i樣÷i總= i樣÷( i樣+ i容+i雜)
因為:實際電解過程中存在影響電流效率的因素,如,雜質,溶劑,電極自身在電極上的反應等
十二 紫外快速測定法
原理
維生素C的2,6—二氯酚靛酚容量法,操作步驟較繁瑣,而且受其它還原性物質、樣品色素顏色和測定時間的影響。紫外快速測定法,是根據維生素C具有對紫外產生吸收和對鹼不穩定的特性,於243nm處測定樣品液與鹼處理樣品液兩者消光值之差,通過查標准曲線,即可計算樣品中維生素C的含量。
十三 光電比濁法的原理
原理
在酸性介質中,抗壞鐵酸與亞硒酸(H2SeO3)能定量地進行氧化還原反應.1mol的抗鐵酸能將2mol的亞硒酸還原成硒.在一定條件下,生成的元素硒在溶液中形成穩定的懸濁液.當抗鐵酸的濃度在0-4mg/25-50ml的范圍內,該溶液生成的濁度與抗壞鐵酸的含量成正比.將試液置分光光度計上測其濁度可以定量地測定抗壞鐵酸.
十四熒光分析法的原理
原理
用酸洗活性炭將抗壞鐵酸氧化為順式脫氫抗壞鐵酸,然後與鄰苯二胺縮合成一種熒光性化合物.樣品中其它熒光雜質的干擾可以通過向氧化後的樣品中加入硼酸,使脫氫抗壞鐵酸形成 硼酸脫氫抗壞鐵酸的絡合物,它不與鄰二苯胺生成熒光化合物.這樣可以測定其它熒光雜質的空白熒光強度而加以校正
十五 原子吸收間接測定法
原理
這是最近報導的一種Vc測定法,其原理是在酸性介質中還原型Vc可將Cu2+定量地還原為Cu+並與SCN—反應生成CuSCN沉澱,在高速離心機下有效地分離出沉澱,小心洗滌後再經濃硝酸溶解,用原子吸收法測定銅含量,即可推知樣品中維生素C的含量。該法實驗儀器較昂貴,主要問題是操作過程中反應完全與否,沉澱物洗滌、離心反復多次,極容易帶來誤差。該法優點是能不受果蔬自身顏色的干擾,有一定的發展前景。根據試驗,發現此法結果偏低,還有待於進一步優化改善。
十六.金納米微粒分光光度法測定維生素C的方法
本發明公開了一種用金納米微粒分光光度法測定維生素C的方法。於5mL比色管中,依次加入0.1-2.0mL濃度為95.64μg/mL的HAuCl↓[4]溶液,0.02-0.50mL濃度為1%的檸檬酸三鈉溶液,再加入0.001-2.0mL濃度為0.38mg/mL的維生素C溶液,混勻,加二次蒸餾水定容至刻度,再充分混勻,在分光光度計上,於520nm處測定吸收值,同時作空白試驗。本發明測定方法簡單、快捷,所用儀器價廉,試劑易得
十七 L-半胱氨酸修飾電極測定維生素C的方法
研究了L-半胱氨酸修飾電極的制備方法和其電化學行為,並用於維生素C的測定,發現該電極對VC有明顯的電催化作用,在pH=10.0的NH4Cl-NH3·H2O緩沖溶液中,VC在L-半胱氨酸修飾電極上產生一靈敏的氧化峰,峰電流與VC的濃度在1.0×10-3~1.0×10-6mol/L的范圍內呈良好的線形關系,相關系數為0.9962,其最低檢測限可達1.0×10-6mol/L,與紫外光譜法測定的結果一致。
測定維生素C有多種方法,包括採用I2或二氯靛酚(DPI)進行氧化還原滴定。一般來說,滴定法是一種快速、簡便、准確的技術,它通過滴定劑和被滴定物質的等當量反應,精確測定被測物質的含量。DPI對於維生素C具有良好的選擇性,是一種理想的氧化劑。
十八 梅特勒-托利多儀器法
傳統的滴定法是手工滴定,根據指示劑顏色的變化確定終點,通過測量滴定劑的消耗量,計算被測物質的含量。手工滴定有很多不足:手工控制誤差較大,計算復雜,針對不同的反應需要特殊指示劑。梅特勒-托利多的自動電位滴定儀解決了這一問題,通過測量滴定反應中電位的變化確定終點,全自動操作、計算,測量快速,結果准確。梅特勒-托利多的滴定儀配有記憶卡軟體包,存儲有成熟滴定方法,可方便快速解決實際應用問題,並且稍作改動就能作為新的測定的實驗方法。
除此之外,還有雙光束剩餘染料差減比色法,2_6_二氯靛酚鈉動力學分光光度法、聚中性紅修飾電極方法、示波溴量法、流動注射化學發光抑製法、磷鉬鎢雜多酸作顯色劑快速檢測方法、溶氧測定裝置測定水果蔬菜中抗壞血酸含量的方法等。在此不做介紹。
㈣ 光譜特徵分析與提取
6.1.1 基於光譜重排的光譜特徵提取方法
首先,針對光譜吸收特徵受雜訊影響較大的問題,對數據進行最小雜訊分量正變換,消除雜訊後,再將最小雜訊分量特徵空間的數據變換回原數據空間,即最小雜訊分量反變換;然後針對單個吸收不穩定、光照等對光譜幅值影響較大等問題,提出在連續去除的基礎上,利用所有吸收特徵並將光譜吸收特徵按吸收深度由強至弱重排,從而實現穩定、可靠的光譜特徵提取。
(1)最小雜訊分量變換
在實際應用中,地物光譜吸收特徵對雜訊敏感,因此,在進行特徵提取之前,研究中引入了最小雜訊分量變換(Minimum Noise Fraction,MNF),去除雜訊對特徵提取影響的同時去除數據相關性。
MNF變換是Green等人在主成分分析理論的基礎上改進得到的。通常被用來去除數據中的雜訊成分,同時確定高光譜數據的本徵維數,從而減少後續處理的運算量。
該方法以雜訊協方差的估計矩陣為基礎,調整雜訊的取值並去除其波段間的相關性。在結果數據中雜訊的方差為1,並且在波段間無相關性。假設高光譜數據X=[x1,x2,…,xm]T可以表示為
X = Z + N (6.1)
式中:矩陣Z,N分別是理想信號和雜訊矩陣,且彼此不相關;第i 波段的雜訊分量定義為NFi =
∑X,∑Z和∑N分別為可觀測信號、理想信號及雜訊的協方差矩陣,並且有
∑X =∑XZ +∑N (6.2)
假設F為∑N的白化矩陣,∑N的特徵值矩陣為
高光譜遙感技術原理及礦產與能源勘查應用
高光譜遙感技術原理及礦產與能源勘查應用
式中:I為單位矩陣,矩陣
假設∑w=F T∑X F為雜訊白化之後的觀測數據的協方差矩陣,∑w矩陣特徵值組成的對角矩陣為
高光譜遙感技術原理及礦產與能源勘查應用
於是得到最小雜訊分量變換矩陣:
高光譜遙感技術原理及礦產與能源勘查應用
由式(6.6)得觀測信號最小雜訊分量變換後的矩陣為
T = MTX (6.7)
經過式(6.7)變換之後,可觀測信號各個波段間彼此不相關,且各個波段按信噪比由大到小排列
(2)光譜重排
不同地物的光譜信息是不相同的,因此,高光譜遙感提供的地物精細的光譜信息可以直接作為特徵提取與目標識別的依據,比如利用紅邊、綠峰、NDVI等特徵可以提取植被。但當不同地物之間的光譜在形狀、幅值、變化趨勢等指標大致相同的時候(即光譜特徵相似),提取區分不同地物顯著特徵是非常困難的,即地物之間的不相關性均勻地分布在各個波段;此外,由於單個光譜吸收特徵容易受到光照條件、大氣等影響使得提取的光譜特徵參量不穩定。因此,針對以上問題,研究中提出了基於光譜重排的特徵提取方法,根據光譜吸收深度的由強到弱排列,剩餘的沒有吸收特徵波段則按波長由小到大排列。
光譜重排的實現過程如下:
1)通過不同階數的微分值確定的光譜彎曲點、最大最小光譜反射率及其波長位置,計算連續統去除後目標光譜的吸收位置λM 及其反射率值ρM、吸收深度H、吸收左右肩(ρL,ρR)及其反射值(λL,λR),並且吸收深度H的計算公式如下:
H = d × ρL +(1-d)× ρR-ρM (6.8)
d =(λL-λM)/(λR-λL) (6.9)
2)將目標光譜按照吸收深度H由強至弱進行排列,若無吸收特徵,則按波長由小到大進行排列;
3)以目標光譜為基譜,將圖像數據光譜按照目標光譜重排後的波長進行排序。
該方法有效地利用了高光譜遙感數據提供的地物所有吸收特徵,增加了特徵提取的穩定性和可靠性;並且通過大量的實驗發現,任何兩種不同地物的光譜通過光譜重排之後,區分不同地物的顯著特徵更加明顯,增加了類別間的可分性。
(3)演算法實現
基於光譜重排的抗雜訊光譜特徵提取方法的實現流程如圖6.1所示。該方法中為了消除雜訊對光譜吸收特徵參數提取的影響,引入了MNF變換;為了有效抑制由於光照條件、感測器等因素產生的光譜幅值變化對光譜特徵提取的影響,引入了連續統去除操作;為了克服單一特徵不穩定、不同地物光譜特徵相似等問題,提出了光譜重排的方法。
(4)實驗分析
為了驗證上述研究中方法的有效性和可行性,採用AVIRIS航空高光譜數據進行實驗分析,並利用光譜之間的光譜角進行可分性的定量化分析。
實驗數據為1995年7月在美國內華達州Cuprite礦區AVIRIS航空高光譜數據,並且使用ATREM方法校正得到了地表反射率,波段范圍為1990~2480nm,空間解析度20m,光譜解析度10nm,數據大小為255 × 350 × 50。
圖6.1 光譜特徵提取方法實現流程
該研究區域的礦物分布圖如圖6.2(a)所示,從數據中提取高嶺石光譜曲線如圖6.2(b)所示,光譜重排後的光譜如圖6.2(c)所示。高嶺石、明礬石、布丁石及熱液硅石特徵提取前的光譜比較如圖6.3(a)所示,以高嶺石光譜為基譜,光譜重排後四種礦物的光譜特徵如圖6.3(b)(圖中的光譜曲線縱坐標做了平移處理)所示。利用光譜角的方法進行四種礦物光譜重排前後可分性的比較,結果如表6.1和表6.2所示。
圖6.2 高嶺石礦物光譜比較
圖6.3 四種礦物光譜比較
表6.1 原始光譜數據四種礦物的可分性
表6.2 重排後光譜數據四種礦物的可分性
由圖6.2和圖6.3可以看出,經光譜重排後,高嶺石礦物光譜吸收特徵按吸收深度的強弱進行了重新排列,較好的顯現了高光譜所有吸收特徵及主次吸收特徵的變化;並且明礬石與高嶺石礦物在2200 nm的光譜特徵由於吸收寬度等不同而能將二者較好的區分。由圖6.3與表6.2可以看出,經過光譜重排後,高嶺石與其他三種礦物的可分性均存在不同程度的增大,特別是,高嶺石與明礬石的可分性從0.1978增加為0.225;為後續礦物識別與分類等處理奠定了良好的基礎。
圖6.4 SAM方法礦物識別結果
為了進一步驗證該方法的性能,進行了利用該方法以及基於SAM方法的礦物識別結果比對分析。利用原始光譜進行光譜角匹配識別的結果如圖6.4所示。利用基於光譜重排的抗雜訊特徵提取方法得到的數據進行礦物識別,結果如圖6.5 所示。可以看出,兩種方法均能實現四種主要蝕變礦物的識別,但是,採用原始光譜進行識別的結果中存在著一定程度的礦物混淆,並且布丁石的識別結果混淆尤其明顯;而在研究方法中進行特徵提取基礎上得到的礦物識別結果礦物混淆明顯降低,取得了較好的識別結果,證明了上述研究中提出的方法的優越性能。
圖6.5 基於光譜重排特徵提取方法礦物識別結果
6.1.2 吸收波長加權匹配方法
光譜曲線往往包含了許多由雜訊引入的無效特徵,利用同類地物光譜特徵求交,實現了有效吸收波長、吸收深度的提取;常用的SAFP匹配方法中,只有參考光譜和測試光譜的特徵在相同的波長位置時,兩條光譜才被判為相同,匹配准則比較苛刻,導致由於雜訊等因素影響光譜特徵而無法匹配,吸收波長加權匹配法利用偏移加權矩陣實現了吸收波長的容偏匹配,大大增加了匹配的准確性,降低了外界因素對吸收參量特徵的影響。
對同類地物光譜曲線特徵求交,得出識別地物的有效特徵;地物光譜的診斷吸收特徵總是出現在特定的波段上,在某些情況下會有局部的偏移;對吸收特徵的中心波長進行匹配,並容許一定程度的波段偏移,容許程度用偏移加權矩陣來度量,能夠對地物光譜實現精確的識別。考慮到實際應用雜訊及系統誤差引入的干擾,用吸收深度對單個中心波長進行加權,吸收深度小的吸收特徵對整體相似度的貢獻小,吸收深度大的吸收特徵對整體相似度的貢獻大,這樣一定程度上抑制了無法去除的非有效特徵的影響。
(1)吸收波長加權匹配的實現
有效吸收特徵的精確提取和容偏匹配實現流程如圖6.6所示,具體包含以下幾個步驟:
1)對參考光譜連續統去除。利用導數法確定各吸收特徵的中心位置和左右肩對應的波長後,利用下列公式提取吸收特徵中心波長和吸收深度:
高光譜遙感技術原理及礦產與能源勘查應用
式中:
沒有標准參考光譜時,參考光譜通過訓練樣本得到。通過上述方法提取各條參考光譜的吸收中心波長和吸收深度後,對所有訓練樣本的吸收特徵參數求交,方法如下:
光譜A和B的所有吸收特徵為feature_a,feature_b,A的第i個波段上存在特徵,對feature_b計算:
judge = Weight·feature_b([i-BandOffset:i + BandOffset]) (6.11)
如果,judge>0 ,則光譜A的第i個波段上的特徵為有效特徵。
得到參考光譜共有的有效特徵,此處需要記錄的是有效特徵的位置和吸收深度的大小,保存在向量EffFeatureIndex和Depth中。
2)提取未知光譜所有吸收位置和對應的吸收深度特徵,記錄在FeaturePos和FeatureDepth;
圖6.6 中心波長加權匹配流程圖
未知光譜特徵與參考光譜有效特徵按位匹配,匹配方法包含兩個參數,容許波段偏移數BandOffset和偏移加權矩陣Weight。
3)找到參考光譜第i個特徵位置,生成特徵檢驗區間:
TestIndex =(i-BandOffset):(i + BandOffset) (6.12)
計算特徵檢驗值:
TestValue = Weight·FeatureDepth(TestIndex) (6.13)
TestValue不為0 ,則說明未知光譜對應位置存在有效特徵,反之則不存在,未知光譜中的識別特徵所在波段記錄在向量EffIndex中。
4)重復3)的過程,直到對未知光譜的所有有效特徵進行了檢測,未知光譜中識別特徵存在的波段記錄在向量EffIndex中。
5)對吸收位置用吸收深度加權匹配,匹配度的計算公式如下:
高光譜遙感技術原理及礦產與能源勘查應用
6)根據匹配度degree的值判斷未知光譜與參考光譜的近似程度,閾值Thresh手動選擇,根據經驗,在用吸收深度加權的匹配方法中,Thresh=0.8就能獲得較高的識別率。
用吸收深度加權對吸收特徵中心波長進行容偏匹配的關鍵在於:有效吸收特徵的准確提取和偏移加權矩陣Weight或容許波段偏移數目BandOffset的選擇,反射率曲線所有吸收特徵的精確提取是前提,偏移加權矩陣的確定需要根據對像光譜的采樣間隔來確定,Weight的分量的個數為2 × BandOffset+1;並且有效特徵提取和特徵識別過程使用的偏移加權矩陣Weight可以不同,光譜采樣間隔較大時,可以選擇Weight的各個分量服從高斯分布。
(2)基於USGS光譜庫數據的實驗與結果分析
圖6.7(a)為USGS礦物光譜庫中六條綠泥石連續統去除後反射率曲線;波段偏移參數BandOffset=1,對應的容偏矩陣Weight=[1,1,1];即兩條光譜的特徵相差一個波段以下認為該特徵為有效特徵;綠泥石的有效特徵見圖6.7(b),用方框標記出了吸收谷的波長位置;圖6.7(c)給出了利用吸收波長加權匹配方法得到的綠泥石有效特徵;圖6.7(d)給出了綠泥石和陽起石反射率光譜。
圖6.7 有效特徵提取
匹配加權矩陣Weight=[1,1,1]表示容許兩端偏移,Weight=[0.1,1,0.1]表示不容許偏移;兩情況對應的相似度見表6.3和表6.4。對比表6.3和表6.4的相似度值可以看出,容許波段偏移後,綠泥石光譜間的相似度明顯變大。利用圖6.7(c)的有效特徵對圖6.7(d)所示的陽起石和綠泥石光譜進行Weight=[1,1,1]匹配,近似度見表6.5,用綠泥石的有效光譜能有效的識別出綠泥石光譜與陽起石光譜的差異。
表6.3 綠泥石光譜識別Weight=[1,1,1]
表6.4 綠泥石光譜識別Weight=[0.1,1,0.1]
表6.5 陽起石和綠泥石識別Weight=[1,1,1]
(3)基於AVIRIS數據的實驗與結果分析
利用內華達州Cuprite礦區的AVIRIS數據進行基於吸收波長加權提取方法實現礦物匹配識別研究。利用的礦物端元光譜如圖6.8所示,識別結果如圖6.9所示。
從地質圖6.2(a)與結果圖6.9比較可以看出,該方法對具有明顯光譜吸收特徵的明礬石和高嶺石礦物具有較高精度的識別效果,但是對於吸收特徵較寬、較淺的白雲母和布丁石的識別效果則較差。
圖6.8 演算法中用到的端元光譜
圖6.9 基於吸收波長加權特徵提取的礦物匹配識別結果
㈤ 常用的數據分析方法有哪些
常見的數據分析方法有哪些?
1.趨勢分析
當有大量數據時,我們希望更快,更方便地從數據中查找數據信息,這時我們需要使用圖形功能。所謂的圖形功能就是用EXCEl或其他繪圖工具來繪制圖形。
趨勢分析通常用於長期跟蹤核心指標,例如點擊率,GMV和活躍用戶數。通常,只製作一個簡單的數據趨勢圖,但並不是分析數據趨勢圖。它必須像上面一樣。數據具有那些趨勢變化,無論是周期性的,是否存在拐點以及分析背後的原因,還是內部的或外部的。趨勢分析的最佳輸出是比率,有環比,同比和固定基數比。例如,2017年4月的GDP比3月增加了多少,這是環比關系,該環比關系反映了近期趨勢的變化,但具有季節性影響。為了消除季節性因素的影響,引入了同比數據,例如:2017年4月的GDP與2016年4月相比增長了多少,這是同比數據。更好地理解固定基準比率,即固定某個基準點,例如,以2017年1月的數據為基準點,固定基準比率是2017年5月數據與該數據2017年1月之間的比較。
2.對比分析
水平對比度:水平對比度是與自己進行比較。最常見的數據指標是需要與目標值進行比較,以了解我們是否已完成目標;與上個月相比,要了解我們環比的增長情況。
縱向對比:簡單來說,就是與其他對比。我們必須與競爭對手進行比較以了解我們在市場上的份額和地位。
許多人可能會說比較分析聽起來很簡單。讓我舉一個例子。有一個電子商務公司的登錄頁面。昨天的PV是5000。您如何看待此類數據?您不會有任何感覺。如果此簽到頁面的平均PV為10,000,則意味著昨天有一個主要問題。如果簽到頁面的平均PV為2000,則昨天有一個跳躍。數據只能通過比較才有意義。
3.象限分析
根據不同的數據,每個比較對象分為4個象限。如果將IQ和EQ劃分,則可以將其劃分為兩個維度和四個象限,每個人都有自己的象限。一般來說,智商保證一個人的下限,情商提高一個人的上限。
說一個象限分析方法的例子,在實際工作中使用過:通常,p2p產品的注冊用戶由第三方渠道主導。如果您可以根據流量來源的質量和數量劃分四個象限,然後選擇一個固定的時間點,比較每個渠道的流量成本效果,則該質量可以用作保留的總金額的維度為標准。對於高質量和高數量的通道,繼續增加引入高質量和低數量的通道,低質量和低數量的通過,低質量和高數量的嘗試策略和要求,例如象限分析可以讓我們比較和分析時間以獲得非常直觀和快速的結果。
4.交叉分析
比較分析包括水平和垂直比較。如果要同時比較水平和垂直方向,則可以使用交叉分析方法。交叉分析方法是從多個維度交叉顯示數據,並從多個角度執行組合分析。
分析應用程序數據時,通常分為iOS和Android。
交叉分析的主要功能是從多個維度細分數據並找到最相關的維度,以探究數據更改的原因。
㈥ 學習者特徵分析包括哪些方面
1、起點能力水平分析
任何一個學習者在學習時都是把他原來所學的知識和技能帶入新的學習過程中的,因此,教學系統設計者必須了解學習者原有的知識和技能,我們稱之為起點能力水平或起點能力。
2、認知結構分析:奧蘇貝爾理論
所謂認知結構,就是指學生現有知識的數量、清晰度和組織結構,它是由學生眼下能回想起來的事實、概念、命題、理論等構成的。
3、學習態度分析
學習態度即學習者對所學內容的認知水平和態度,對教學傳遞系統的態度或喜好,這對選擇教學內容、確定教學方法等都有重要的影響。
4、學習動機分析
學習動機是指直接推動學生進行學習的一種內部動力,是激勵和指引學生進行學習的一種需要。學習動機和學習是相輔相成的關系。學習能產生動機,而動機又能推動學習。
學習者特徵分析的作用
學習者是學習活動的主體,學習者所具有的認知的、情感的、社會的特徵都將對學習的信息加工過程產生影響。設計的教學方案是否與學習者的特點相適應,是衡量一個教學設計是否成功的重要指標。
受生理的、心理的、社會文化等因素的影響,學習者個體之間既表現出一些共性的、穩定性的特徵,又表現出多樣化的差異。分析學習者特徵時,既需要考慮學習者之間的穩定的、相似的特徵,又要分析學習者之間的變化的、差異性的特徵。相似性特徵的研究可以為集體化教學提供理論指導,差異性研究能夠為個別化教學提供理論指導。
㈦ 什麼是不確定性推理有哪幾類不確定性推理方法
特徵檢測又稱誤用檢測,主要有以下五種方法:
(1)基於專家系統的誤用入侵檢測
專家系統是基於知識的檢測中運用最多的一種方法。該方法將有關入侵的知識轉化成if-then結構的規則,即將構成入侵所要求的條件轉化為if部分,將發現入侵後採取的相應措
施轉化成then部分。當其中某個或某部分條件滿足時,系統就判斷為入侵行為發生。其中的if-then結構構成了描述具體攻擊的規則庫。條件部分,即if後的規則化描述,可根據審計事件得到,然後根據規則和行為進行判斷,執行then後的動作。
在具體實現中,專家系統需要從各種入侵手段中抽象出全面的規則化知識,需處理大量數據,在大型系統上尤為明顯。因此,大多運用與專家系統類似的特徵分析法。特徵分析不是將攻擊方法的語義描述轉化為檢測規則,而是在審計記錄中能直接找到的信息形式。這樣大大提高了檢測效率。這種方法的缺陷也和所有基於知識的檢測方法一樣,即需要經常為新發現的系統漏洞更新知識庫,而且由於對不同操作系統平台的具體攻擊方法和審計方式可能不同,特徵分析檢測系統必須能適應這些不同。
(2)基於模型推理的誤用入侵檢測
模型推理是指結合攻擊腳本來推斷入侵行為是否出現。其中有關攻擊者行為的知識被描述為:攻擊目的,攻擊者為達到此目的可能的行為步驟,以及對系統的特殊使用等。基於模
型推理的誤用檢測方法工作過程如下:
①根據攻擊知識建立攻擊腳本庫,每一腳本都由一系列攻擊行為組成;
②用這些攻擊腳本的子集來匹配當前行為模式,發現系統正面臨的可能攻擊;
③將當前行為模式輸入預測器模塊,產生下一個需要驗證的攻擊腳本子集,並將它傳給決策器;
④決策器根據這些假設的攻擊行為在審討記錄中的可能出現方式,將它們轉換成與特定系統匹配的審計記錄格式,然後在審計記錄中尋找相應信息來判斷這些行為模式是否為攻擊行為。
假設的初始攻擊腳本子集應易於在審計記錄中識別,並且出現頻率很高。隨著一些腳本被確認的次數增多,另一些腳本被確認的次數減少,從而攻擊腳本不斷地得到更新。
模型推理方法對不確定性的推理有合理的數學理論基礎,同時決策器使得攻擊腳本可以與審計記錄的上下文無關。另外,這種檢測方法減少了需要處理的數據量。但其創建入侵檢
測模型的工作量比較大,並且決策器轉換攻擊腳本比較復雜。
(3)基於狀態轉換分析的誤用入侵檢測
狀態轉換分析是將狀態轉換圖應用於入侵行為分析,它最早由R.Kemmerer提出。狀態轉換法將入侵過程看作一個行為序列,這個行為序列導致系統從初始狀態轉到被入侵狀態。
分析時首先針對每一種入侵方法確定系統的初始狀態和被入侵狀態,以及導致狀態轉換的轉換條件,即導致系統進人被入侵狀態必須執行的操作(特徵事件);然後用狀態轉換圖來表示每一個狀態和特徵事件,這些事件被集成於模型中,所以檢測時不需要一個個地查找審計記錄。但是,狀態轉換是針對事件序列分析,所以不宜於分析十分復雜的事件,而且不能檢測與系統狀態無關的入侵。
(4)基於條件概率的誤用入侵檢測
基於條件概率的誤用入侵檢測方法將入侵方式對應於一個事件序列,然後通過觀測事件發生的情況來推測入侵的出現。這種方法的依據是外部事件序列,根據貝葉斯定理進行推理。
令ES表示某個事件序列,發生入侵的先驗概率為P(Intrusion),發生入侵時該事件序列ES出現的後驗概率為P(ES Intrusion),該事件序列出現的概率為e(ES),則有
由於通常情況下網路安全專家可以給出先驗概率P(intrusion),由入侵報告及審計數據可得P(ESㄧintrusion)和於是有
故可以通過事件序列的觀測,推算出P(IntrusionㄧES)。
基於條件概率的誤用入侵檢測方法是在概率理論基礎上的一個普遍方法。它是對貝葉斯方法的改進,其缺點是先驗概率難以給出,而且事件的獨立性難以滿足。
(5)基於鍵盤監控的誤用入侵檢測
該方法假設入侵對應特定的擊鍵序列模式,然後監測用戶擊鍵模式,並將這一模式與入侵模式匹配,即能檢測入侵。這種方法在沒有操作系統支持的情況下,缺少捕獲用戶擊鍵的
可靠方法,而且同一種攻擊存在無數擊鍵方式表示。另外,假如沒有擊鍵語義分析,用戶使用別名命令很容易欺騙這種檢測技術。例如,用戶注冊的SHELL提供了簡寫命令序列工具,可以產生所謂的別名,類似宏定義。因為這種技術僅僅分析擊鍵,所以不能夠檢測到惡意程序執行結果的自動攻擊。但該方法相對容易實現。
㈧ 以下哪些方法不適合用來對特徵分布進行分析
一、GIS空間分析的功能 前面已經介紹過GIS,大家已經知道空間分析就是對分析空間數據有關技術的統稱。
所以根據作用的數據性質不同,可以經空間分析分為:
1、空間形數據的拓撲運算;
2、非空間屬性數據運算;
3、空間和非空間數據的聯合運算。
空間分析賴以進行的基礎是仰仗於地理空間資料庫,其運用的手段包括各種幾何的邏輯運算、數理統計分析,代數運算等數學手段,最終的目的是解決人們所涉及到地理空間的實際問題,提取和傳輸地理空間信息,特別是隱含信息,以輔助決策。
GIS中可以實現空間分析的基本功能,包括空間查詢與量算,疊加分析、緩沖區分析、網路分析等,並描述了相關的演算法,以及其中的計算公式。
1、疊加分析
疊加分析至少要使用到同一區域,具有相同坐標系統的兩個層。
所謂疊加分析,就是將包含感興趣的空間要素對象的多個數據層進行疊加,產生一個新要素層。
該層綜合了原來多層實體要素所具有的屬性特徵。
疊加分析的目標是分析在空間位置上有一定關聯的空間對象的空間特徵和專題屬性之間的相互關系。
多層數據的疊加分析,不僅僅產生了新的空間對象的空間特徵和專題屬性之間的相互關系,能夠發現多層數據間的相互差異、聯系和變換等特徵。
㈨ 機器視覺特徵描述方法
常用的機器視覺提取特徵方法有哪些?一般常用的機器視覺圖像特徵有顏色特徵、紋理特徵、形狀特徵、空間關系特徵,沃德普機器視覺昨天給大家介紹過了顏色特徵的提取,今天給大家介紹的是紋理特徵、形狀特徵、空間關系特徵這三種特徵方法提取。
1.紋理特徵描述方法分類:
(1)統計方法
統計方法的典型代表是一種稱為灰度共生矩陣的紋理特徵分析方法,在研究共生矩陣中各種統計特徵基礎上,通過實驗,得出灰度共生矩陣的四個關鍵特徵:能量、慣量、熵和相關性。統計方法中另一種典型方法,則是從圖像的自相關函數(即圖像的能量譜函數)提取紋理特徵,即通過對圖像的能量譜函數的計算,提取紋理的粗細度及方向性等特徵參數。
(2)幾何法
所謂幾何法,是建立在紋理基元(基本的紋理元素)理論基礎上的一種紋理特徵分析方法。紋理基元理論認為,復雜的紋理可以由若干簡單的紋理基元以一定的有規律的形式重復排列構成。在幾何法中,比較有影響的演算法有兩種:Voronio 棋盤格特徵法和結構法。
(3)模型法
模型法以圖像的構造模型為基礎,採用模型的參數作為紋理特徵。典型的方法是隨機場模型法,如馬爾可夫(Markov)隨機場(MRF)模型法和 Gibbs 隨機場模型法。
(4)信號處理法
紋理特徵的提取與匹配主要有:灰度共生矩陣、Tamura 紋理特徵、自回歸紋理模型、小波變換等。
灰度共生矩陣特徵提取與匹配主要依賴於能量、慣量、熵和相關性四個參數。Tamura 紋理特徵基於人類對紋理的視覺感知心理學研究,提出6種屬性,即:粗糙度、對比度、方向度、線像度、規整度和粗略度。自回歸紋理模型(simultaneous auto-regressive, SAR)是馬爾可夫隨機場(MRF)模型的一種應用實例。