目的要求： 一、天然药物有效成分提取分离方法的原理—溶剂提取法与水蒸气蒸馏法的原理、操作及其特点。 二、天然药物有效成分分离与精制——中草药有效成分各种分离方法的原理。 三、掌握色谱技术中洗脱剂选择的原则。 第一节 提取方法与技术 第二节 分离与精制 第三节 结晶及重结晶法 第四节 色谱分离法 第五节 结构研究法（Methods of Structure identification）

提取活体检材 提取活体血样时,采集静脉或耳垂血。 将新鲜血液滴在消毒纱布或中速滤纸上 ,约2cm2以上,在通风干燥的地方晾干。 提取口腔脱落上皮细胞时,应先用清水 漱口,然后用特制的口腔提取拭子或消 毒棉签反复刮拭左右两侧颊粘膜,置通 风干燥的处晾干

采用了氯化钙氯化焙烧-水浸法提取白云母中铷的方法.通过氯化焙烧热重-差热分析曲线可知,用氯化钙混合白云母进行氯化反应的温度要比用氯化钠低100℃左右,且用CaCl2氯化比NaCl更有效率.接着考察了氯化焙烧温度对铷提取率的影响,结果表明,只有当氯化焙烧温度提高至800℃后,才可能取得明显的铷的氯化效果,铷的提取率即达96.71%,随氯化焙烧温度升高,铷的氯化速率不断增大,特别是800℃后,铷的氯化速率明显增大,这说明高温有利于铷的氯化焙烧.最终对白云母与氯化钙氯化焙烧过程进行了动力学研究.结果表明,三维界面反应方程能较好地描述该氯化焙烧反应体系,根据阿仑尼乌斯公式计算出来的活化能为42.22 kJ·mol-1,说明白云母和CaCl2的氯化过程的确受界面化学反应控制

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

一、多糖提取的原理 二、香菇多糖提取的方法

提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法,并应用于中厚板表面缺陷自动识别.首先对图像做三级小波变分解,将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪;然后对各分量的傅里叶幅值谱提取Hu不变矩作为原始特征向量,并利用LPP将该特征向量的维数从77维降到8维;最后利用AdaBoost分类器对样本进行分类识别.实验结果表明,本文提出的特征提取方法适用于中厚板表面缺陷分类,识别率达到91.60%

探讨了最小二乘支持向量机时间序列预测的方法,提出了用核主成分分析提取主元,然后用最小二乘支持向量机进行预测．通过实验表明,这种方法得到的效果优于没有特征提取的预测．同时与主成分分析提取特征相比,用核主成分分析效果更好．

通过对人耳受到部分遮挡时识别的研究,提出了一种基于局部特征的部分遮挡人耳识别方法,即首先利用Gabor小波对人耳图像进行特征提取,由于该特征维数较高,再使用核Fisher判别分析(KFDA)方法进行有效降维后用于人耳识别.在逐步分析人耳各个子区域的鉴别能力的基础上,提出了基于分块图像和概率模型的识别方法.在北京科技大学(USTB)人耳图像库上的实验结果表明:基于Gabor滤波后图像所提取的特征比基于原始图像直接提取的特征具有更高的识别率,基于分块图像的识别率高于基于整体图像的识别率

第一节 概 述 第二节 从植物组织提取基因组 DNA 第三节 从动物组织提取基因组 DNA 第四节 细菌基因组 DNA 的制备 第五节 基因组 DNA 的检测

基于语义角色分析，提出了一种三元组涉恐事件实体属性抽取方法，为网络空间涉恐活动的监测及预警提供技术支持。首先，基于西北政法大学“反恐怖主义信息网”文本语料数据进行数据采集和清洗等预处理工作，采用朴素贝叶斯文本分类算法识别涉恐事件文本，并采用关键词提取算法TF-IDF（Term frequency-inverse document frequency，词频-逆文档频率）构建涉恐专有词库，结合自然语言处理技术构建带词性的涉恐专有词库。然后通过语义角色分析、句法依存分析，提取了主语谓语宾语关系、定语后置动宾关系、人名//地名//机构和介宾关系主谓动补4类涉恐三元组结构。最后，利用正则表达式及带词性的涉恐专有名词分析，在4类三元组短文本中提取出恐怖事件发生时间、发生地点、伤亡情况、攻击方式、武器类型和恐怖组织6类实体属性。对采集的4221篇文章数据进行实验分析，6类实体属性抽取的测评结果F1值均超过80%，对网络空间的涉恐事件监测及预警，维护社会公共安全具有重要现实意义