序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過程，我們?yōu)槟扑]十篇光譜學(xué)分析范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

篇（1）

中圖分類號：TS207.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-914X（2016）11-0258-01

近紅外光具體指波長在780-2526nm范圍內(nèi)的電磁波，近紅外光譜分析技術(shù)則是光譜測量技術(shù)同化學(xué)計(jì)量學(xué)的有機(jī)結(jié)合。近紅外光分析技術(shù)應(yīng)用范圍不斷拓展，在食品行業(yè)中應(yīng)用于調(diào)味品、酒制品、肉類等成分鑒別以及真?zhèn)舞b別，近年來其在牛奶制品化學(xué)分析中也得到了較為廣泛的應(yīng)用。分析近紅外光譜技術(shù)在牛奶及其制品分析檢測中的應(yīng)用，實(shí)施對牛奶及其制品的質(zhì)量安全控制，有著重要的現(xiàn)實(shí)意義。

一、近紅外光譜分析技術(shù)原理

近紅外光譜分析技術(shù)是近幾十年來發(fā)展最為迅速的高新分析技術(shù)之一。我國從上世紀(jì)80年代開始應(yīng)用近紅外光譜分析技術(shù)，并逐漸拓展到食品、農(nóng)業(yè)、石化等多個(gè)領(lǐng)域，近紅外光譜是分子振動(dòng)光譜倍頻與合頻吸收光譜，主要為X-H鍵吸收。由于不同基團(tuán)（例如苯環(huán)，甲基等）所生成的光譜在吸收峰的強(qiáng)度以及位置上有差異性，結(jié)合朗伯-比耳吸收定律，光譜特征將鎖著樣品成分含量的變化而變化。近紅外光譜分析技術(shù)具體有以下幾個(gè)優(yōu)點(diǎn)：傳輸性能良好，近紅外光在光導(dǎo)纖維中傳輸性能較好，能夠?qū)崿F(xiàn)對生產(chǎn)工藝流程的在線檢測；檢測手段無損。近紅外光譜分析技術(shù)檢測不對樣品產(chǎn)生損傷，特別是在活體檢測上有著非常大的優(yōu)勢；分析速度快捷。近紅外光譜分析技術(shù)不用對樣品進(jìn)行預(yù)處理，對于樣品的測量通常在1分鐘之內(nèi)可以完成，其分析速度較快，效率較高；綠色環(huán)保。近紅外光譜分析技術(shù)在檢測中不對環(huán)境產(chǎn)生污染，因而其也被稱作綠色檢測技術(shù)。

二、近紅外光譜分析技術(shù)在牛奶化學(xué)分析中的應(yīng)用

牛奶是由多種物質(zhì)所組成的混合物，其具體包括真溶液、膠體懸乳液、高分子溶液以及乳濁液等。而牛奶成分中蛋白質(zhì)分子、脂肪等對于近紅外光有著吸收作用，因而近紅外光譜分析技術(shù)在牛奶化學(xué)分析測定中能夠得到良好應(yīng)用。近紅外光譜分析技術(shù)在牛奶制品上的應(yīng)用主要體現(xiàn)在在線檢測與離線檢測兩個(gè)方面。在線檢測是指借助光纖探頭直接在生產(chǎn)線中對樣品進(jìn)行檢測；離線檢測指用紅外反射儀對樣品杯或者試管中的樣品實(shí)施全反射檢測。其具體應(yīng)用包括定性分析牛奶及其制品的產(chǎn)地來源與品種，以及定量分析牛奶及其制品的微生物與理化指標(biāo)等。

1.在線檢測

牛奶生產(chǎn)過程中，因出廠產(chǎn)品一致化的要求，通常需要保證原料成分含量的一致性，而現(xiàn)實(shí)生產(chǎn)當(dāng)中不能使生產(chǎn)停止來滿足在線檢測。近紅外光譜分析技術(shù)的應(yīng)用則實(shí)現(xiàn)了對生產(chǎn)過程的實(shí)時(shí)監(jiān)控。在線檢測中，利用近紅外光譜分析技術(shù)對牛奶成分中的蛋白、乳糖、脂肪、蔗糖以及水分進(jìn)行測量，能夠取得良好的效果，可廣泛應(yīng)用與鮮奶成品生產(chǎn)以及奶粉生產(chǎn)過程中的質(zhì)量監(jiān)控。并且如今近紅外光譜技術(shù)應(yīng)用也已經(jīng)拓展到了牛奶中病菌數(shù)以及牛奶體細(xì)胞數(shù)測定方面。吳靜珠等提出了建立包括不同種類奶粉樣品集中的脂肪、乳糖、蛋白等的紅外模型，并采取全譜分析結(jié)合模型優(yōu)化的方法，簡化了近紅外技術(shù)在奶粉定量分析的步驟。劉蓉（2005）通過最小半球體積法以及半數(shù)重采樣法來對牛奶成分近紅外光譜實(shí)施奇異點(diǎn)剔除實(shí)驗(yàn)，這兩種算法的有效結(jié)合有著快速簡單的特征，能夠適應(yīng)牛奶成分等的在線檢測，可大大提升分析模型的精度與穩(wěn)定性。朱俊平（2003）通過多元線性回歸法構(gòu)建用近紅外光譜分析技術(shù)檢測兒童高鈣奶粉蛋白、乳糖、脂肪的測定模型。其近紅外法測定結(jié)果與標(biāo)準(zhǔn)法測定結(jié)果相一致。但總體來看，目前近紅外光譜分析技術(shù)在牛奶及其制品在線檢測中的應(yīng)用尚停留在實(shí)驗(yàn)室的階段，要真正實(shí)現(xiàn)牛奶及其制品生產(chǎn)的在線檢測還需要做更多的工作。

2.離線檢測

營養(yǎng)成分檢測。牛奶制品營養(yǎng)成分檢測主要是指利用近紅外光譜分析技術(shù)對牛奶中的蛋白質(zhì)、乳糖、脂肪等營養(yǎng)成分進(jìn)行快速定量的分析。聯(lián)邦德國的R.T.Carl早在1991年就利用近紅外光譜分析技術(shù)以及偏最小二乘法分析牛奶中的脂肪含量，結(jié)果也表明利用近紅外光譜分析技術(shù)分析牛奶中脂肪含量是非?？尚械?。

摻假物質(zhì)鑒別。牛奶制品中有許多摻假物質(zhì)，例如植物蛋白、植脂末、乳清粉乃至三聚氰胺等。奶制品摻假成分檢測主要依賴傳統(tǒng)方法，而近紅外光譜分析技術(shù)的應(yīng)用也能夠起到有效作用。韓東海（2006）具體應(yīng)用近紅外光譜分析技術(shù)來鑒別純牛奶中的還原奶，結(jié)合判別分析方法構(gòu)建起還原奶鑒別模型，并利用偏最小二乘法構(gòu)建起原料奶的ph值以及酸度預(yù)測模型，具體誤差

致病菌分析。李守軍（2007）對利用近紅外光譜技術(shù)檢測牛奶中致病菌方法進(jìn)行了分析。具體采用最小二乘法、余弦相似度聚類等方法建立利用近紅外光譜檢測原料乳大腸桿菌、總菌落數(shù)的模型，結(jié)果表明能夠在50分鐘內(nèi)完成，可有效預(yù)測原料乳大腸桿菌以及總菌數(shù)。

三、近紅外光譜分析技術(shù)應(yīng)用展望

我國的奶制品質(zhì)量水準(zhǔn)在食品市場中一直備受關(guān)注，牛奶產(chǎn)品的質(zhì)量也一直是弱項(xiàng)，例如我國奶粉產(chǎn)品質(zhì)量與西方國家有著巨大差距。究其原因，在于生產(chǎn)監(jiān)控以及原材料質(zhì)量控制上的差距。近紅外光譜分析技術(shù)有著準(zhǔn)確、快速、便捷等特性，得到了越來越廣泛的應(yīng)用。而這項(xiàng)技術(shù)在牛奶及其制品中的應(yīng)用，則能夠更有效地實(shí)施對牛奶制品的質(zhì)量監(jiān)控。其對于提升生產(chǎn)質(zhì)量控制，降低生產(chǎn)成本等發(fā)揮著重要的作用。但同時(shí)，目前近紅外光譜技術(shù)在牛奶分析檢測中的應(yīng)用仍存在著諸多問題有待解決：牛奶為多分散體系，由于測量條件以及測量方法等諸多因素影響，測定結(jié)果的準(zhǔn)確率有待提升，因而需要開發(fā)專用的數(shù)學(xué)模型以及相關(guān)配件來提升檢測精確度；近紅外光譜分析技術(shù)定性與定量分析的關(guān)鍵因素在構(gòu)建準(zhǔn)確的校正模型，因而需要進(jìn)行多種建模方法的對比來獲取最優(yōu)化的模型；此外，近紅外光譜分析技術(shù)雖然分析成本較低，但其儀器本身較為昂貴，對于我國一些牛奶加工企業(yè)、牛奶養(yǎng)殖場所以及牛奶收購站而言，缺乏經(jīng)濟(jì)實(shí)力與生產(chǎn)規(guī)模。因而需要開發(fā)出更簡便，價(jià)格更低的近紅外儀器，拓展其在牛奶檢測中的應(yīng)用范圍。

結(jié)束語

總而言之，近紅外光譜分析技術(shù)有著簡便、快速、綠色等特征，隨著我國乳制品工業(yè)的快速發(fā)展以及社會對于乳制品質(zhì)量的關(guān)注，近紅外光譜分析技術(shù)有著廣闊的應(yīng)用前景。目前我國乳品市場質(zhì)量安全方面仍然存在著諸多問題，新形勢下，我們應(yīng)當(dāng)進(jìn)一步加快對近紅外光譜分析技術(shù)在牛奶化學(xué)分析應(yīng)用的研究，促進(jìn)其在乳品生產(chǎn)檢測中的高效應(yīng)用，從而提升我國乳制品的質(zhì)量安全水平。

參考文獻(xiàn)

篇（2）

一、引言

就人造環(huán)境的概念提出來看，我們可以大致引出兩種源頭。

其一，我們今天所常見的幾種因?yàn)槿祟惢顒?dòng)而導(dǎo)致的自然環(huán)境問題十分重大且對人類的生活有著重要的影響，例如挖空煤礦導(dǎo)致的山體崩塌以及地震，再比如，大量的砍伐樹木，不僅造成沙漠化嚴(yán)重，還導(dǎo)致大量的水土流失。這些問題都隨時(shí)影響到人類的生活甚至生命，在這種前提之下，人造環(huán)境被提上了命題。在重大的災(zāi)難來臨之時(shí)，人們所創(chuàng)造的避難所均設(shè)在地下，例如核輻射，而在這種條件之下通過分析光譜與類生物機(jī)械進(jìn)行結(jié)合制造的人造環(huán)境，在視覺上做到與真實(shí)自然環(huán)境別無二致便為重點(diǎn)。

其二，人類對于太空的探索不斷的進(jìn)步。人們對于太空星球的探索以及資源的爭奪都是愈演愈烈，所提出來的論點(diǎn)之中有兩個(gè)極為重要，一是太空移民，一是太空資源開采。適宜人類居住的星球最重要的是哪些呢？大氣，水，除此之外的一部分環(huán)境問題我們均可以用人造環(huán)境結(jié)合類生物機(jī)械來進(jìn)行處理，利用分析光譜制造應(yīng)急人造環(huán)境，對于剛剛登陸開發(fā)移居星球的前幾批工作者來說是不可缺少的重點(diǎn)，在剛開始的惡劣環(huán)境之中可以用人造環(huán)境來改善進(jìn)行星球開發(fā)的工作人員的生活環(huán)境。

二、可行性分析

1、光譜匹配系數(shù)

根據(jù)光電陰極的光譜響應(yīng)特性曲線，我們可以計(jì)算出光譜響應(yīng)率Sλ，將Sλ對其最大化Smax歸一化，可得相對光譜響應(yīng)率為

S（λ）=Sλ/Smax――（1）

此時(shí)，光電陰極面接受的夜天光經(jīng)過景物反射后的輻射，即

ωλ= ρλPλ――（2）

其中（2）式中的ωλ為景物反射輻射光譜分布；ρλ為景物的光譜反射系數(shù)，他隨波長λ而變化；Pλ為夜天光輻射光譜分布，將景物的反射輻射光譜分布ωλ對其最大值ωmax歸一化，得到其相光譜分布為

ω（λ）=ωλ/ωmax――（3）

由此，我們可以從關(guān)系式定義光電陰極于景物反射輻射的光譜匹配系數(shù)為

α（S，ω（λ））=∫S（λ）ω（λ）dλ/∫ω（λ））dλ――（4）

那么我們分析式（4）可以知道，光譜匹配系數(shù)其實(shí)反映的是各種光譜響應(yīng)的光電陰極對不同的輻射源的光譜利用率的高低，也就是說，這個(gè)利用率越高，越能夠得到與實(shí)際物體所產(chǎn)生的光譜一樣的光譜。分析可知當(dāng)α越大時(shí)，匹配越好，從而微光夜視系統(tǒng)的觀測效果也就越好，反之越差時(shí)匹配越差觀測效果也就越差，根據(jù)式子我們可以知道α的值域在（0，1），越靠近1，越與實(shí)物反射產(chǎn)生的光譜相近，即越能體現(xiàn)出輻射源與實(shí)物之間的差別之小。達(dá)到以假亂真的效果。

2、光譜匹配基本模型算法

使用計(jì)算機(jī)軟件通過算法制作光譜比較模型，通過所測物體的光譜度和已知的物體世紀(jì)光譜互相對比，來判別被測物體的種類，那么同樣，我們可以通過對比從模擬人眼的光學(xué)儀器中的兩條光譜曲線來使得目標(biāo)物體在視覺上與實(shí)際地物一模一樣。

2.1四值編碼算法

首先對已知地物類別的光譜輻射至取平均值，得到閾值A(chǔ)，然后將光譜輻射值已A為邊界分為[Xmin，A][A，Xmax]兩個(gè)區(qū)間，在重復(fù)上步再劃分得到總共四個(gè)區(qū)間。用同樣的方法對待目標(biāo)光譜曲線進(jìn)行四值編碼。使用異或方法，進(jìn)行目標(biāo)光譜和已知光譜匹配（即有區(qū)別為1，沒區(qū)別為0），最后比較相等的個(gè)數(shù)，將目標(biāo)分到波段數(shù)目相似最多的類別。

2.2光譜角度匹配

光譜角度定義為兩地物光譜矢量之間的廣義夾角余弦為相似函數(shù)，將像元N個(gè)波段的光譜響應(yīng)作為N維空間中的矢量，通過計(jì)算他與最終光譜單元之間的廣義夾角來表示它的匹配程度，夾角越小匹配程度越高，二者越相似。

日本kansai電力公司研制成功了一種新型太陽能輻射模擬系統(tǒng)，它不僅能模擬太陽光，還能模擬太陽熱。這套系統(tǒng)用計(jì)算機(jī)控制等和加熱器，一邊產(chǎn)生接近自然的太陽輻射。它還配有人工的自然環(huán)境分系統(tǒng)，可模擬不同的氣象條件。系統(tǒng)由氙燈，鹵素?zé)艉图訜崞鹘M成，模擬陽光的波長范圍從可見光（0.38到0.78微米）到紅外線（0.78到20微米），而且光譜分布和自然陽光基本一樣。

三、人造環(huán)境光學(xué)

就目前形似來看，高光譜圖像在空間以及電磁譜維度中所利用較為廣泛，尤其在遙控領(lǐng)域。

基于成像光譜儀在眾多窄波段獲取數(shù)據(jù)的特點(diǎn)，可以用已知地物類型的反射光譜，通過光譜頻率曲線或特征匹配比較以達(dá)到識別地物類型的目的。長期的高光譜實(shí)驗(yàn)也收集了大量的實(shí)驗(yàn)室標(biāo)準(zhǔn)數(shù)據(jù)，建立了許多地物標(biāo)準(zhǔn)光譜數(shù)據(jù)庫；那么從另一方面來說，人們可以用已知的數(shù)據(jù)偽造出與真實(shí)光譜無二的光譜已達(dá)到以假亂真的目的。

四、結(jié)束語

光譜識別技術(shù)是以物質(zhì)構(gòu)成的光譜唯一性為基礎(chǔ)， 將目標(biāo)的識別以光譜信息為第一特征，利用光譜的分析來得到現(xiàn)實(shí)生活中的自然物體在不同環(huán)境時(shí)所發(fā)射的光譜，對比獲得正確的光譜，利用光電器件發(fā)射出對應(yīng)的光譜。光譜識別技術(shù)的發(fā)展，包括計(jì)算機(jī)算法的發(fā)展，使得利用光譜制作更加逼真的人造環(huán)境得到可能。

參考文獻(xiàn)：

篇（3）

中圖分類號：TP391.41 文獻(xiàn)標(biāo)志碼：A

0引言

遙感圖像分類在現(xiàn)實(shí)生活中有著非常廣泛的應(yīng)用，如地質(zhì)勘探與地球資源調(diào)查、城市遙感與規(guī)劃管理、環(huán)境與災(zāi)害監(jiān)測、現(xiàn)代精細(xì)農(nóng)業(yè)、測繪以及考古等遙感圖像精準(zhǔn)分類是諸多應(yīng)用的基礎(chǔ)問題，同時(shí)也是熱點(diǎn)問題近十幾年，衛(wèi)星傳感器技術(shù)得到了不斷發(fā)展，遙感圖像的光譜和空間分辨率不斷提高，目前較為流行的高光譜成像系統(tǒng)包括AVIRIS、HYDICE、ARCHER、HYMAP和HYPERION通過這些成像系統(tǒng)獲取的遙感圖像所蘊(yùn)含的信息得到了極大豐富，這為高光譜圖像分類和聚類分析提供了新的契機(jī)，目前國內(nèi)外學(xué)者提出了很多相關(guān)算法和方法，幾乎所有經(jīng)典的機(jī)器學(xué)習(xí)方法都被應(yīng)用到圖像分類和聚類分析中分類方面諸如基于最大似然和貝葉斯估計(jì)的方法[1]、基于核和決策樹的方法[2]、基于圖的方法[3]，而在基于核的方法[4]中，支持向量機(jī)（Support Vector Machine，SVM）在分類中的表現(xiàn)較為突出；聚類方面的大多數(shù)方法都是通過像元之間的相似性，利用統(tǒng)計(jì)學(xué)方法對圖像進(jìn)行聚合[5]但是，單一使用分類或者聚類方法無法充分利用圖像中所包含的光譜和空間信息，所以在文獻(xiàn)[6]中使用監(jiān)督分類方法初始化聚類分割區(qū)域的標(biāo)簽，再通過流域變換獲取最優(yōu)的分割圖像，最終在分割區(qū)域內(nèi)對分類圖像的結(jié)果標(biāo)簽進(jìn)行投票，分割區(qū)域?qū)?biāo)記為投票最高的類別，其分類的最終結(jié)果優(yōu)于單一的分類或聚類方法文獻(xiàn)[7]用投票的方式對聚類結(jié)果和分類結(jié)果進(jìn)行整合，最終使用分類所得的標(biāo)簽投票決定分割區(qū)域的類別，然后再對結(jié)果進(jìn)行降噪處理，其最終精確度也比傳統(tǒng)方法高但是，這兩種方法都需要使用大量的訓(xùn)練樣本來構(gòu)造分類器，分類成本都比較高為了減少分類器對訓(xùn)練樣本數(shù)量的需求，提高訓(xùn)練樣本質(zhì)量成為首要問題近幾年，主動(dòng)學(xué)習(xí)方法在尋找包含信息量較大、質(zhì)量較高的訓(xùn)練樣本時(shí)表現(xiàn)突出[8]

本文提出一種基于主動(dòng)學(xué)習(xí)的高光譜圖像分類（Hyperspectral Image Classification based on Active Learning， HICAL）方法，關(guān)注如何在減少訓(xùn)練集數(shù)量的同時(shí)提高分類精確度，結(jié)合了分類和聚類方法，充分利用高光譜圖像的光譜和原始空間特征，找到信息量較大的分割區(qū)域，進(jìn)而獲取信息價(jià)值較高的訓(xùn)練樣本，最終有效提高分類器的分類效果

1基于主動(dòng)學(xué)習(xí)的高光譜圖像分類方法

1.1問題描述

為了盡可能地降低高光譜圖像分類精確度和所需的訓(xùn)練樣本數(shù)量的比例，一方面需要充分利用高光譜圖像所蘊(yùn)含的信息，另一方面需要提高訓(xùn)練樣本的質(zhì)量

HICAL方法是以分類和聚類結(jié)果結(jié)合后所構(gòu)建的框架為基礎(chǔ)，使用本文提出的關(guān)注度計(jì)算方法對結(jié)合后的區(qū)域進(jìn)行統(tǒng)計(jì)，以找到信息量較高的區(qū)域新的訓(xùn)練樣本將在關(guān)注度較大的區(qū)域中產(chǎn)生，以此來提高訓(xùn)練集的質(zhì)量

1.2HICAL方法

1.2.1聚類分析

本文使用期望最大化（ExpectationMaximization，EM）算法對高光譜圖像進(jìn)行聚類分析在統(tǒng)計(jì)計(jì)算中，EM是在概率模型中尋找參數(shù)最大似然估計(jì)的算法，其中概率模型依賴于無法觀測的隱藏變量在使用EM算法過程中，可以假設(shè)所有的樣本都是符合高斯分布

EM算法對圖像進(jìn)行聚類過程中，為了使算法盡快收斂，將高光譜圖像的光譜波段進(jìn)行分組求均值，以此來減少參與計(jì)算的光譜波段數(shù)量聚類所得到的分割圖像通過四聯(lián)通的方式進(jìn)行區(qū)域劃分，并且給這些區(qū)域唯一標(biāo)號得到的帶有標(biāo)號的區(qū)域分割圖將作為模板，在后續(xù)迭代過程中與分類結(jié)果進(jìn)行整合

1.2.2監(jiān)督分類

獲取聚類結(jié)果之后，需要對圖像進(jìn)行監(jiān)督分類本文在分類過程中使用支持向量機(jī)（SVM）方法SVM是目前監(jiān)督分類使用較多的分類算法，是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，具有較好的泛化能力和學(xué)習(xí)能力

二分的支持向量機(jī)最終目標(biāo)是找到一個(gè)（d-1） 維的決策面，將測試樣本分成兩類在使用SVM進(jìn)行圖像分類時(shí)，總是將像元的特征通過一個(gè)核函數(shù)映射到一個(gè)較高維度的空間，這樣使樣本的區(qū)分度更大，通常使用高斯核函數(shù)（Radial Basis Function，RBF）

在二分問題中，通常將決策函數(shù)表示如下：

其中：SV表示得到的支持向量集合，對應(yīng)的αi不等于0

使用SVM對多類問題進(jìn)行分類時(shí)，通常采取兩種策略一種是一對一（OneAgainstOne，OAO）的方式，另一種是一對多的方式（OneAgainstAll，OAA），本文采用OAO的方式

HICAL方法在第一次監(jiān)督分類過程中，需要少許的訓(xùn)練樣本，通過SVM構(gòu)造分類器，且監(jiān)督分類的步驟在整個(gè)分類過程中是迭代進(jìn)行的，每當(dāng)新的訓(xùn)練樣本被增加到訓(xùn)練集時(shí)，都會重新構(gòu)造分類器，對圖像進(jìn)行新一輪分類

1.2.3整合聚類和分類結(jié)果

在獲取聚類和監(jiān)督分類結(jié)果后，借鑒文獻(xiàn)[7]中方法對兩個(gè)結(jié)果進(jìn)行整合，以聚類連通區(qū)域?yàn)槟Ｐ蛯ΡO(jiān)督分類結(jié)果進(jìn)行區(qū)域劃分，并給出標(biāo)號最終在整合結(jié)果中的每一個(gè)區(qū)域內(nèi)，都包含一個(gè)或一個(gè)以上的像元，這些像元分類標(biāo)記的類別可能比較集中，也可能比較分散，這些分類標(biāo)記主要取決于監(jiān)督分類器的預(yù)測

1.2.4獲取新樣本來源區(qū)域

獲取整合結(jié)果之后，需要在結(jié)果所包含的區(qū)域中找到包含信息量較大的區(qū)域?qū)嶒?yàn)中總是更為關(guān)注那些含有較多像元，且分類標(biāo)簽比較分散的區(qū)域這樣的區(qū)域如果分類準(zhǔn)確度較高，將會很大程度地提高總體分類精確度因此，對區(qū)域的關(guān)注度給出如下公式定義：

其中：b為區(qū)域i包含像元個(gè)數(shù)ni的權(quán)重基數(shù)，用戶可根據(jù)情況自己選擇；t為迭代抽樣的次數(shù)，其意義是，隨著迭代的進(jìn)行，在較大區(qū)域已經(jīng)得到關(guān)注和抽樣之后，對于這些區(qū)域的關(guān)注度將會不斷下降，這樣在防止大區(qū)域過分取樣的同時(shí)，可以很好地兼顧到小樣本區(qū)域，所以，可以很好地解決以往算法對小樣本區(qū)域分類精確度不高的難題

獲取不同區(qū)域的關(guān)注度值之后，為了更集中、更有效地提高請求詢問的訓(xùn)練樣本的質(zhì)量，將通過設(shè)定閾值來選取需要取樣的區(qū)域最終在t次迭代中將選取滿足如下條件的區(qū)域作為新訓(xùn)練樣本的來源區(qū)域：

1.2.5新樣本選擇

獲取樣本來源區(qū)域后，可以定義迭代中所需新樣本的數(shù)量Ut對來源區(qū)域j∈Γt的取樣數(shù)量可以表示為μj，且滿足μj≥0在來源區(qū)域取樣的方式有兩種：S0和S1，其中S0是按照隨機(jī)方式在來源區(qū)域中選擇，而S1是根據(jù)來源區(qū)域中找到上一次監(jiān)督分類器標(biāo)記的最多標(biāo)簽類和次多標(biāo)簽類的子區(qū)域，按照兩個(gè)子區(qū)域的樣本比例進(jìn)行抽取

1.2.6主動(dòng)學(xué)習(xí)過程

本文的HICAL方法迭代過程通過主動(dòng)學(xué)習(xí)方式來實(shí)現(xiàn)整個(gè)過程分為兩個(gè)階段：1）初始化分類器階段，即初始監(jiān)督分類階段，在此階段首先需要提供少量的訓(xùn)練集，訓(xùn)練初始分類器；2）循環(huán)取樣階段，也是主動(dòng)學(xué)習(xí)的主要階段，這個(gè)階段在未標(biāo)記樣本中使用關(guān)注度進(jìn)行查詢，獲取信息量較大的整合區(qū)域，從而進(jìn)一步找到需要標(biāo)注的樣本，標(biāo)注之后追加到原有的訓(xùn)練集中，重新對分類器進(jìn)行訓(xùn)練，這個(gè)過程不斷循環(huán)，直到達(dá)到停止條件這個(gè)停止條件可以有多種，比如新訓(xùn)練樣本數(shù)量達(dá)到上限，或者是已經(jīng)達(dá)到迭代取樣的次數(shù)等

迭代結(jié)束后，將最后一次迭代所產(chǎn)生的分類結(jié)果和初始的聚類結(jié)果，按照聚類區(qū)域?yàn)槟０澹瑢λ蟹诸惍a(chǎn)生的標(biāo)簽進(jìn)行投票，區(qū)域內(nèi)所有的像元將歸屬到得票最高的標(biāo)簽類最后進(jìn)行降噪處理

2實(shí)驗(yàn)及分析

2.1實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)環(huán)境：中央處理器Intel Core Duo P7350 2.00GHz，內(nèi)存2GB，32位Windows 7操作系統(tǒng)；軟件平臺為Matlab R2012a

2.2實(shí)驗(yàn)數(shù)據(jù)集

高光譜圖像分類實(shí)驗(yàn)使用的是印第安納州農(nóng)林區(qū)域圖像數(shù)據(jù)集（Indian Pines）

印第安納州農(nóng)林區(qū)域圖像拍攝于1992年，使用紅外成像光譜儀（AVIRIS）獲取，其內(nèi)容是印第安納州西北區(qū)域的某一農(nóng)業(yè)森林區(qū)的地表信息整幅圖像包含145×145像元，空間分辨率為20m，有220個(gè)波段，其中20個(gè)水吸收波段將在實(shí)驗(yàn)前被除去圖像反映了16種不同的地物信息圖1（a）顯示這個(gè)高光譜數(shù)據(jù)的假彩色圖像；圖1（b）顯示了其真實(shí)的地物信息，不同的顏色代表不同的類別本次實(shí)驗(yàn)針對的感興趣區(qū)域總共有10366個(gè)樣本，過去相關(guān)文獻(xiàn)中多數(shù)是在每一類別中隨機(jī)抽取10%的樣本作為訓(xùn)練樣本，這樣的抽樣方式對樣本比較少的類別來說是非常不利的為了和傳統(tǒng)的分類方式對比，在實(shí)驗(yàn)中也將采取這樣的抽樣方式，但抽樣的百分比會降低

2.3實(shí)驗(yàn)過程和結(jié)果分析

2.3.1HICAL方法與傳統(tǒng)隨機(jī)取樣方法比較

本實(shí)驗(yàn)將本文的HICAL方法與傳統(tǒng)隨機(jī)取樣方法進(jìn)行對比表1中顯示了各個(gè)算法的整體分類精確度（Overall Accuracy，OA）、平均分類精確度（Average Accuracy，AA）、Kappa系數(shù)以及每種地物的分類精確度SVM和SVM+EM算法[7]是在每一個(gè)類別中隨機(jī)抽取10%的樣本（1029個(gè)）作為訓(xùn)練集，其中SVM+EM也是結(jié)合光譜和空間特征的分類方法作為對比，本文算法將在每類隨機(jī)抽取4%的訓(xùn)練樣本（407個(gè)）上進(jìn)行

通過式（2）計(jì)算出每一個(gè)分割區(qū)域的關(guān)注度值，這樣就可以選出一些關(guān)注度較高的區(qū)域作為新訓(xùn)練樣本來源區(qū)域?qū)嶒?yàn)中取γt=0.15，每一次迭代對樣本的抽取數(shù)量做出限定，為了和傳統(tǒng)的方法比較，實(shí)驗(yàn)中只進(jìn)行4次迭代，每次迭代取樣本數(shù)Ut=50分別使用S0和S1方法對新樣本來源區(qū)域進(jìn)行取樣（如表1所示）

迭代起始階段，大樣本區(qū)域的關(guān)注度值會比較高，這樣在開始的迭代過程中可以有部分提高分類器的分類準(zhǔn)確度，迭代后期，關(guān)注的重心轉(zhuǎn)向區(qū)域較小的分割區(qū)從表1中可以看到，在迭代4次后，訓(xùn)練樣本總數(shù)為607，遠(yuǎn)小于隨機(jī)抽取10%的1029，但Alfalfa、Grass/pasturemowed和Oats三個(gè)小樣本區(qū)域的分類精確度已經(jīng)得到了非常顯著的提高這說明HICAL方法可以有效地解決這種小樣本區(qū)域的分類難題，最終獲取的分類結(jié)果無論是整體分類精確度還是平均分類精確度都得到了明顯提高（如表1）

2.3.2HICAL方法和相關(guān)主動(dòng)學(xué)習(xí)方法比較

本實(shí)驗(yàn)將HICAL方法和目前較新的且表現(xiàn)優(yōu)秀的主動(dòng)學(xué)習(xí)方法進(jìn)行比較[9]實(shí)驗(yàn)中，初始化分類器時(shí)需要80個(gè)訓(xùn)練樣本（每一類別5個(gè)），每一次迭代都將獲取50個(gè)新樣本標(biāo)注為訓(xùn)練集，同時(shí)設(shè)定每一次迭代的閾值都為γt=015在初始取樣方法和所獲得的訓(xùn)練樣本總數(shù)都相等的情況下，LORSALALMLL、MPMLBPAL兩種算法使用四種不同的方式迭代獲取訓(xùn)練樣本：RS（Random Selection）、MI（Mutual Information）、BT（Breaking Ties）、MBT（Modified Breaking Ties）表2中給出了這些不同方法獲取的分類結(jié)果可以看出，本文提出的方法在總體分類精度上更為出色

3結(jié)語

本文提出了一種基于主動(dòng)學(xué)習(xí)的高光譜圖像分類方法HICAL，能夠充分利用圖像的光譜特征和原始空間特征，同時(shí)使用一種新的高效的區(qū)域關(guān)注度計(jì)算方法對結(jié)合區(qū)進(jìn)行統(tǒng)計(jì)，根據(jù)統(tǒng)計(jì)后的數(shù)值能夠非常精確地找到信息量價(jià)值較高的區(qū)域，進(jìn)而獲取質(zhì)量較高的未標(biāo)記樣本以此提高整體訓(xùn)練集的質(zhì)量，在訓(xùn)練樣本較少的情況下能夠有效提高整體分類精確度和平均分類精確度，從而降低分類精確度和訓(xùn)練樣本數(shù)量的比值

本文方法在分類過程中較之傳統(tǒng)的分類方法更能解決樣本失衡的問題，能夠有效地解決小樣本區(qū)域的分類難題；同時(shí)文中所提出的分類方法擴(kuò)展性較強(qiáng)，在分類和聚類算法的選擇上比較寬松，可以使用諸如K均值、自組織迭代技術(shù)等算法進(jìn)行替代在HICAL方法迭代過程中，關(guān)注度閾值的選取和樣本數(shù)量的設(shè)置，以及對區(qū)域樣本的選擇方法將是我們進(jìn)一步研究的內(nèi)容；同時(shí)我們也將關(guān)注其他分類和聚類算法，以期減少算法的時(shí)間復(fù)雜度

參考文獻(xiàn)：

[1]LANDGREBE D A. Signal theory methods in multispectral remote sensing [M] . New York： Wiley， 2003.

[2]MOUSTAKIDIS S， MALLINIS G， KOUTSIAS N， et al. SVMbased fuzzy decision trees for classification of high spatial resolution remote sensing images [J]. IEEE Transactions on Geoscience and Remote Sensing， 2012，50（1）：149-169.

[3]BAI J， XIANG S M， PAN C H. A graphbased classification method for hyperspectral images [J]. IEEE Transactions on Geoscience and Remote Sensing， 2013，51（2）：803-817.

[4]LI CH， KUO BC， LIN CT， et al. A spatial contextual support vector machine for remotely sensed image classification [J]. IEEE Transactions on Geoscience and Remote Sensing， 2012，50（3）：784-799.

[5]MAULIK U， SAHA I. Modified differential evolution based fuzzy clustering for pixel classification in remote sensing imagery [J]. Pattern Recognition， 2009，42（9）：2135-2149.

[6]TARABALKA Y， CHANUSSOT J， BENEDIKTSSON J A. Segmentation and classification of hyperspectral images using watershed transformation [J]. Pattern Recognition， 2010，43（7）：2367-2379.

篇（4）

收集不同種植區(qū)域、不同品種、不同部位的單料煙樣品共110個(gè)。將樣品放入烘箱內(nèi)，40℃排氣烘烤2h，然后磨碎過40目篩，控制含水率在6%～10%之間。

1．2試驗(yàn)儀器及軟件

儀器:Antaris傅里葉變換近紅外光譜儀(美國ThermoNicolet公司);Agilent7890－5975氣相色譜質(zhì)譜儀(美國Agi-lent公司);AG204型電子天平(感量0．1mg，瑞士梅特勒－托利多公司);GFL3020震蕩器(德國GFL公司);電熱恒溫水浴鍋(德國GFL公司);VELPDK20消化器(意大利VELP公司);連續(xù)流動(dòng)分析儀(美國Astoria－Pacific公司);旋轉(zhuǎn)粉碎機(jī)(北京高科公司);恒溫箱(日本ESPEC);SDE蒸餾器(鄭州玻璃儀器廠);可控溫度電熱套及恒溫水浴鍋。軟件:TQAnalyst8數(shù)據(jù)分析軟件(美國ThermoNicolet公司);SPSS13．0統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案(美國IBM公司)。

1．3近紅外光譜掃描

取適量煙末裝入石英杯中，用500g的壓樣器壓平杯中樣品后，放到光譜儀器臺上掃描。儀器的工作參數(shù):光譜范圍3800～10000cm－1，間隔4cm－1，分辨率8cm－1，掃描次數(shù)69次。

1．4常規(guī)化學(xué)成分的測定

參照煙草行業(yè)標(biāo)準(zhǔn)規(guī)定的方法應(yīng)用連續(xù)流動(dòng)分析儀測定樣品的總糖、還原糖、煙堿、總氮、氯、鉀含量，并計(jì)算出相應(yīng)的糖堿比和鉀氯比［11］。

1．5揮發(fā)性香味成分分析

采用同時(shí)蒸餾萃取的方式提取樣品中的揮發(fā)性香味成分，具體操作如下:樣品稱質(zhì)量25g，加水300mL、二氯甲烷60mL，同時(shí)蒸餾萃取2．5h，濃縮后加內(nèi)標(biāo)乙酸苯乙酯(12．553g/L)10μL后待測。采用安捷倫7890－5975NGC－MS分析，色譜柱HP－5(30m×250μm×0．25μm)，進(jìn)樣口溫度250℃，流速1mL/min，分流比10∶1。起始溫度60℃，以5℃/min升溫到80℃，保持5min;以2℃/min升溫到150℃，保持10min;以2℃/min升溫到200℃，保持20min;以2℃/min升溫到280℃，保持10min，總運(yùn)行時(shí)間149min。共檢測到揮發(fā)性香味成分33種。

1．6逐步判別分析

逐步判別分析是一種多元統(tǒng)計(jì)方法。整個(gè)變量篩選過程實(shí)質(zhì)就是作假設(shè)檢驗(yàn)，通過檢驗(yàn)引入顯著性變量，剔除不顯著變量。反映在輸出結(jié)果上，通常可以用F值的大小作為變量引入模型的標(biāo)準(zhǔn)，即一個(gè)變量是否能進(jìn)入模型主要取決于協(xié)方差分析的F檢驗(yàn)的顯著水平。逐步判別過程本身并不建立判別函數(shù)，篩選出重要變量后，采用Bayes判別方法建立判別函數(shù)和判別準(zhǔn)則，對新樣品進(jìn)行判別歸類。

2結(jié)果與分析

2．1近紅外譜圖的處理

2．1．1譜圖的預(yù)處理

煙草樣品的近紅外譜圖會受到樣品顏色及儀器穩(wěn)定性的影響而出現(xiàn)噪音及基線漂移，所以必須對樣品的近紅外譜圖進(jìn)行前處理［6］。利用TQAnalyst8分析軟件包中的優(yōu)化功能，采用如下方法可獲得理想的結(jié)果:多元散射校正消除樣品不均勻帶來的差異;采用段長為9、間隔為5的NorrisDerivative濾波平滑光譜，消除高頻噪音，保留有用的低頻信息;采用二介微分處理，消除基線漂移的影響，獲得比原光譜更高分辨率和更清晰的光譜輪廓變化。

2．1．2譜圖的主成分分析

選擇4000～8000cm－1波數(shù)為分析區(qū)域，由主成分分析獲得樣品的10個(gè)主成分，前5個(gè)主成分的貢獻(xiàn)率達(dá)到96．97%，即5個(gè)主成分就能夠代表96.97%的近紅外譜圖信息，所以以5個(gè)主成分得分為分析對象，采用逐步判別分析進(jìn)行模式識別。

2．2煙葉種植區(qū)域模式識別結(jié)果的比較

收集的樣品由福建、云南、安徽、江西、貴州4個(gè)地區(qū)的煙葉樣品組成，依據(jù)《中國煙草種植區(qū)劃》［13］110個(gè)樣品屬于5個(gè)產(chǎn)區(qū)，從每個(gè)產(chǎn)區(qū)隨機(jī)抽取5個(gè)作為外部驗(yàn)證樣品，其余作為建模樣品。通過逐步判別分析，篩選出對于種植區(qū)域判別有主要影響作用的6種化學(xué)成分，即糠醛、吲哚、香葉基丙酮、柏木醇、新植二烯和氯，并獲得其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉種植區(qū)域的Bayes判別函數(shù)。將篩選出的變量代入Bayes判別函數(shù)計(jì)算得到判別值，比較各判別值大小，其中最大值所對應(yīng)的分組便是判別分組。表2表明，化學(xué)成分建模85個(gè)樣品種植區(qū)域交叉驗(yàn)證模式識別的準(zhǔn)確率為91．76%，外部驗(yàn)證25個(gè)樣品種植區(qū)域模式識別的準(zhǔn)確率為80．00%;近紅外光譜建模85個(gè)樣品種植區(qū)域交叉驗(yàn)證模式識別的準(zhǔn)確率為89．41%，外部驗(yàn)證25個(gè)樣品種植區(qū)域模式識別的準(zhǔn)確率為80．00%。種植區(qū)域化學(xué)成分模式識別的準(zhǔn)確率略高于近紅外譜圖模式識別的結(jié)果。滇南桂西山地丘陵烤煙區(qū)及滇西高原山地烤煙煙區(qū)都屬于云南地區(qū)，地理位置較近，且種植水平及習(xí)慣接近，因此2個(gè)地區(qū)的樣品發(fā)生部分誤判，閩西贛南粵東丘陵煙區(qū)、皖南贛北丘陵烤煙區(qū)、黔中高原山地烤煙區(qū)樣品識別正確率較高(表2)。

2．3煙葉品種模式識別結(jié)果的比較

收集的110個(gè)煙葉樣品共有云煙87、翠碧1號、K326、紅花大金元等4個(gè)品種，從每個(gè)品種中隨機(jī)抽取5個(gè)作為外部驗(yàn)證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對于品種模式識別有主要影響的4種化學(xué)成分，即4－環(huán)戊烯－1，3－二酮、茶香酮、香葉基丙酮、氯，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉品種的Bayes判別函數(shù)。目前我國主栽烤煙品種均直接或間接來自于相同的親本，甚至有些品種間親緣關(guān)系極近，致使品種鑒別時(shí)容易發(fā)生錯(cuò)判。表4結(jié)果表明，化學(xué)成分建模90個(gè)樣品品種交叉驗(yàn)證模式識別的準(zhǔn)確率為77．78%，外部驗(yàn)證20個(gè)樣品品種模式識別的準(zhǔn)確率為70．00%;近紅外光譜建模90個(gè)樣品品種交叉驗(yàn)證模式識別的準(zhǔn)確率為82．22%，外部驗(yàn)證20個(gè)樣品品種模式識別的準(zhǔn)確率為75．00%。煙草品種的近紅外譜圖模式識別結(jié)果優(yōu)于化學(xué)成分模式識別的結(jié)果。

2．4煙葉部位模式識別結(jié)果的比較

收集的110個(gè)煙葉樣品中上部煙36個(gè)、中部煙38個(gè)、下部煙36個(gè)，從不同部位的煙葉樣品中隨機(jī)抽取8個(gè)樣品外部驗(yàn)證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對于煙葉部位模式識別有主要影響的化學(xué)成分為三環(huán)萜、柏木醇、總煙堿，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉部位的Bayes判別函數(shù)。表6結(jié)果表明，化學(xué)成分建模86個(gè)煙葉樣品部位交叉驗(yàn)證模式識別的準(zhǔn)確率為86．05%，外部驗(yàn)證24個(gè)煙葉樣品的準(zhǔn)確率為75．00%，近紅外光譜建模86個(gè)煙葉樣品部位交叉驗(yàn)證模式識別的準(zhǔn)確率為94．19%，外部驗(yàn)證24個(gè)煙葉樣品的準(zhǔn)確率為91．67%。煙葉部位的近紅外譜圖模式識別結(jié)果優(yōu)于化學(xué)成分模式識別的結(jié)果。

2．5模式識別結(jié)果比較

以化學(xué)成分、近紅外光譜建模樣品及外部驗(yàn)證樣品模式識別正確識別的個(gè)數(shù)為變量進(jìn)行相關(guān)性分析及配對t檢驗(yàn)。相關(guān)性分析結(jié)果表明，2種方式獲得的結(jié)果都存在顯著的相關(guān)性(P＜0．05);配對t檢驗(yàn)結(jié)果表明所獲得的結(jié)果差異不顯著(P＞0．05)(表7)。

篇（5）

[中圖分類號] G642

[文獻(xiàn)標(biāo)識碼] A

[文章編號] 2095-3712（2014）22-0058-03[ZW（N]

[作者簡介]張煥君（1982―），女，河南許昌人，碩士，鄭州輕工業(yè)學(xué)院教師；程學(xué)瑞（1982―），男，河南安陽人，博士，鄭州輕工業(yè)學(xué)院副教授，研究方向：材料物理。

拉曼光譜的強(qiáng)度、頻移、線寬、特征峰數(shù)目以及退偏度與分子的振動(dòng)能態(tài)、轉(zhuǎn)動(dòng)能態(tài)、對稱性等特性有緊密的聯(lián)系，即與分子的結(jié)構(gòu)緊密相關(guān)。而且拉曼光譜具有制樣簡單，分析快速、無損，所檢測的樣品僅需微量即可滿足測量要求等諸多優(yōu)點(diǎn)，因而成為研究分子結(jié)構(gòu)的強(qiáng)有力工具，廣泛地應(yīng)用于分子的鑒別、分子結(jié)構(gòu)的研究、分析化學(xué)、石油化工催化和環(huán)境科學(xué)等各個(gè)領(lǐng)域[1-2]。然而，相對于氣相、液相色譜法的較高精度而言，較大的分析誤差率限制了拉曼光譜定量分析的應(yīng)用。在實(shí)際應(yīng)用中，拉曼光譜分析技術(shù)多用于樣品的定性分析，尤其是在實(shí)驗(yàn)教學(xué)當(dāng)中，更多的是強(qiáng)調(diào)其定性分析的作用，而忽略其定量分析的功能[3-4]。尤其是對具有強(qiáng)熒光背景物質(zhì)，如乙醇及其混合溶液的定量分析，更是拉曼光譜定量分析中的難點(diǎn)問題。

為幫助學(xué)生克服這樣單一的認(rèn)識，我們在教學(xué)實(shí)驗(yàn)環(huán)節(jié)增加了相關(guān)實(shí)驗(yàn)內(nèi)容，采用拉曼光譜對乙醇溶液的濃度進(jìn)行定量分析。在教學(xué)過程中，我們向?qū)W生介紹了拉曼光譜定量分析的理論依據(jù)、分析過程，并著重分析了誤差來源，以加深學(xué)生對拉曼光譜的認(rèn)識，尤其是讓學(xué)生對其定量分析功能有了進(jìn)一步的了解。

一、理論依據(jù)

拉曼光譜定量分析的理論依據(jù)為：

I=KΦC∫b[]0e（[WTBZ]ln[WTBX]10）（k+k）zh（z）dz

在上式中，I為光學(xué)系統(tǒng)所收集到的樣品表面拉曼信號強(qiáng)度；K為分子的拉曼散射截面積；Φ為樣品表面的激光入射功率；k、k′分別是入射光和散射光的吸收系數(shù)；Z為入射光和散射光通過的距離；h（z）為光學(xué)系統(tǒng)的傳輸函數(shù)；b為樣品池的厚度。由上式可以看出，在一定條件下，拉曼信號強(qiáng)度與產(chǎn)生拉曼散射的待測物濃度成正比，即I∝C。

二、實(shí)驗(yàn)過程

實(shí)驗(yàn)樣品材料為國藥集團(tuán)化學(xué)試劑有限公司生產(chǎn)的濃度不低于99.7%的分析純乙醇、四氯化碳和去離子水。把不同體積的去離子水加入乙醇樣品中，配制成不同濃度的乙醇-水二元體系溶液；用激光功率為50mW（100%）的拉曼光譜儀采集純乙醇溶液、水、四氯化碳溶液的拉曼光譜圖；用拉曼光譜儀采集不同濃度的乙醇溶液的拉曼光譜圖，對每種濃度的樣品重復(fù)掃描3次，試驗(yàn)結(jié)果取三次掃描的平均值。

三、結(jié)果討論

把配制好的不同濃度的乙醇溶液加入未受污染的樣品池，把不同濃度的樣品分別放在拉曼光譜儀上測出其拉曼光譜。熒光背底扣除后不同濃度的乙醇-水溶液的拉曼光譜圖如圖1所示。

圖1熒光背底扣除后不同濃度的乙醇-水溶液的拉曼光譜圖

表1中的數(shù)據(jù)進(jìn)一步顯示出，隨著乙醇濃度的增加，特征峰強(qiáng)度的比值在不斷增加。純水的3200cm-1峰的強(qiáng)度I2與不同濃度乙醇的884cm-1峰的強(qiáng)度I1之比R1和面積比R2與乙醇濃度的關(guān)系見表1。擬合圖如圖2所示，R1和R2與乙醇濃度有較好的線性關(guān)系，其線性相關(guān)系數(shù)分別為0.98554和0.97558。

四、誤差分析

激光功率、樣品池、聚焦位置等因素會對定量分析結(jié)構(gòu)有重要影響。

（一）激光功率的影響

不改變聚焦樣品的位置，激光功率分別選取100%、50%、10%、5%、1%和0.5%（100%為50mW），對50%的乙醇-四氯化碳溶液進(jìn)行測試，結(jié)果如表2所示。

由表2可以看出，隨著激光功率的改變，兩個(gè)特征峰（峰459cm-1和884cm-1）的強(qiáng)度比值基本上在2.3左右，面積比值基本上在3.0左右。然而可以看出，當(dāng)激光功率很小時(shí)（1%或0.5%），由于激發(fā)光源本身很弱，導(dǎo)致散射的拉曼信號強(qiáng)度本身也非常弱，而且信噪比很大，所以相對誤差比較大。而且當(dāng)激光功率很強(qiáng)（100%功率）時(shí)，兩個(gè)特征峰的強(qiáng)度比值和面積比值都稍微偏離2.3和3.0，其原因可能是，激光功率很強(qiáng)時(shí)，其信號強(qiáng)度和熒光信號也比較強(qiáng)，而熒光對拉曼散射的干擾非常大，導(dǎo)致在扣除熒光背底過程中出現(xiàn)較大的偏差。

（二）樣品池的影響

如圖4是毛細(xì)管樣品池的拉曼光譜圖，實(shí)驗(yàn)過程中用毛細(xì)管吸取待測溶液。毛細(xì)管作為樣品容器，在激光激發(fā)下也存在拉曼光譜和熒光背底，在基線處理和背底扣除過程中難以完全消除其影響，進(jìn)而產(chǎn)生誤差。

圖4毛細(xì)管樣品池的拉曼光譜圖

（三）聚焦位置的影響

在同一樣品不同點(diǎn)進(jìn)行多次測量，分析結(jié)果發(fā)現(xiàn)，混合溶液的特征峰強(qiáng)度的比值存在較大的偏差，主要原因可能是本次試驗(yàn)使用的是顯微共聚焦激光拉曼光譜儀，3次測量的聚焦位置不同，以及數(shù)據(jù)處理過程當(dāng)中熒光背底的扣除都會引起較大的誤差。對同一濃度的溶液測量3次，所得強(qiáng)度之比的不確定度為0.117，相對強(qiáng)度之比與乙醇濃度擬合直線的不確定度為0.024，相對面積比與乙醇濃度擬合直線的不確定度為0.858。

綜上所述，激光功率、樣品池、聚焦位置等因素會對拉曼光譜定量分析結(jié)構(gòu)產(chǎn)生一定的影響。另外，乙醇的揮發(fā)、激光功率的穩(wěn)定性、實(shí)驗(yàn)儀器的固有誤差等因素也會對測試結(jié)果帶來影響。然而，拉曼光譜定量分析的結(jié)果仍然有較大的可信度，可以作為一種有效的定量分析方法。

參考文獻(xiàn)：

[1]譚紅琳，李智東，張鵬翔，等.乙醇、甲醇、食用酒及工業(yè)酒精的拉曼光譜測定[J].云南工業(yè)大學(xué)學(xué)報(bào)，1999（2）.

篇（6）

1.研究對象及研究方法

綿陽市各中學(xué)共7所，其中縣城中學(xué)3所，市級中學(xué)2所，鄉(xiāng)鎮(zhèn)中學(xué)2所。查閱各種文獻(xiàn)資料，借助網(wǎng)絡(luò)搜集自編課間操推廣的相關(guān)資料，整理分析。通過專家對編寫的問卷進(jìn)行信度效度檢驗(yàn)后，對綿陽市7所中學(xué)進(jìn)行自編課間操推廣狀況進(jìn)行問卷調(diào)查，共發(fā)放問卷400份，收回300份，回收率為75%，有效問卷280份，有效率為70%。對問卷調(diào)查的結(jié)果進(jìn)行數(shù)據(jù)的綜合分析處理。通過訪問體育老師、教練以及各學(xué)校校長，了解推廣自編課間操存在的原因以及推廣措施。

2.結(jié)果與分析

2.1綿陽市自編課間操的特點(diǎn)

2.1.1自編課間操的適應(yīng)性

自編課間操主要以健美操、啦啦操和太極拳為主，在近幾年隨著各式各樣的健美操，啦啦操比賽、健美操節(jié)目在中小學(xué)中的舉行，受到了中小學(xué)生的強(qiáng)烈歡迎，有些學(xué)校將其作為學(xué)校的特色項(xiàng)目。

2.1.2自編課間操的趣味性

自編課間操是在音樂的伴奏下跟著音樂的節(jié)奏而跳動(dòng)的新型課間操，它區(qū)別于傳統(tǒng)廣播體操的口令，這樣的課間操能激發(fā)學(xué)生的興趣，在不知不覺中也培養(yǎng)了學(xué)生的音樂的節(jié)奏感和學(xué)生做事集中精神的穩(wěn)定性，同時(shí)動(dòng)作的豐富多樣性彌補(bǔ)了傳統(tǒng)廣播體操的單一性，大大的鍛煉了學(xué)生的協(xié)調(diào)性，靈敏性。

2.2綿陽市中學(xué)自編課間操的普及現(xiàn)狀

通過上表我們可以看出在綿陽市7所中學(xué)里，對健美操進(jìn)行了教學(xué)推廣的中學(xué)有2所，占了總數(shù)里的29%，對啦啦進(jìn)行教學(xué)推廣的中學(xué)有0所，占總數(shù)的0%，對太極拳進(jìn)行教學(xué)推廣的中學(xué)有0所，占總數(shù)的0%，對傳統(tǒng)廣播體操進(jìn)行教學(xué)推廣的中學(xué)有5所，占總數(shù)的71%。由此可見綿陽市還沒有對啦啦操和太極拳在校園里進(jìn)行普及，傳統(tǒng)廣播體操的普及率稍高于健美操。在調(diào)查中我們發(fā)現(xiàn)這7所中學(xué)中專業(yè)的健美操老師只有一名，啦啦操和太極拳的專業(yè)老師沒有，還有就是學(xué)校的領(lǐng)導(dǎo)和教育有關(guān)部門不重視課間操，教師師資配備不合理，因此自編課間操的推廣受到阻礙，更談不上普及，所以只能采用傳統(tǒng)的廣播體操。

2.3綿陽市中學(xué)自編課間操的開展現(xiàn)狀

在調(diào)查中看到，綿陽市中學(xué)普遍缺乏體育教師，農(nóng)村中學(xué)的情況更為嚴(yán)重。在7所中學(xué)中發(fā)現(xiàn)只有一所中學(xué)有一位專業(yè)的健美操教師，其他中學(xué)的體育教師基本上是以田徑和籃球老師為主，在有些農(nóng)村中學(xué)的體育課是由其他科任老師代替的。針對農(nóng)村地區(qū)和那些邊遠(yuǎn)地區(qū)缺乏體育教師的現(xiàn)狀，多層次、多渠道、有針對性地實(shí)行定向培養(yǎng)，解決分配不合理的問題，從實(shí)質(zhì)上解決中學(xué)體育師資的問題。在很多普通中學(xué)里場地是一個(gè)比較嚴(yán)重的問題，很多學(xué)校場地都不符合規(guī)范，大多數(shù)的體育場地只有兩個(gè)籃球場地大小，廣播體操做起來連人都沒法散開，所以只能分幾批做，或是不做，其他體育活動(dòng)也只能在這個(gè)狹小的場地上進(jìn)行了。在一些農(nóng)村和邊遠(yuǎn)地區(qū)連音響設(shè)備都沒有，更別說做廣播體操了。

2.4自編課間操在綿陽市普通中學(xué)推廣的建議

2.4.1學(xué)校要積極采取措施

要全面貫徹德智體全面發(fā)展的方針，結(jié)合中學(xué)的教育方針，減輕學(xué)生的學(xué)業(yè)負(fù)擔(dān)，重視體育教育，將課間操作為評估學(xué)校的教育工作的一個(gè)重要內(nèi)容，將班主任的工作成績和體育掛鉤，關(guān)新學(xué)生的身體健康，培養(yǎng)四有人才，提高全民素質(zhì)，推動(dòng)全民健身熱潮。

2.4.2學(xué)校配套設(shè)備的投入

要推廣自編課間操最重要的就是場地和音響設(shè)備，現(xiàn)在很多場地都被侵占，尤其在城市里的學(xué)校尤為嚴(yán)重，而在農(nóng)村一般場地的容納量都無法將學(xué)校所有的學(xué)生包含在其中，建議有計(jì)劃的對侵占學(xué)校場地的單位或個(gè)人進(jìn)行查處，對農(nóng)村場地不夠的情況進(jìn)行擴(kuò)建，為學(xué)生提供一個(gè)良好的鍛煉環(huán)境。

2.4.3在學(xué)校開展自編課間操社團(tuán)

為提高自編課間操的質(zhì)量，在學(xué)校組建社團(tuán)，培養(yǎng)一批自編課間操的骨干，可以充分利用課余時(shí)間進(jìn)行自編課間操的學(xué)習(xí)，不僅豐富了課余生活還學(xué)習(xí)了知識，有利于自編課間操的推廣，提高學(xué)校的體育水平。還可以開展一些以班級為單位自編課間操的比賽，比賽成績好的可以代表班級在學(xué)校進(jìn)行匯報(bào)演出，這樣不斷的提高自編課間操的水平，同時(shí)也為班級的自編課間操的學(xué)習(xí)推廣起到了指導(dǎo)作用。

3.結(jié)論與建議

3.1結(jié)論

自編課間操反應(yīng)了中學(xué)生的積極要求，可以提高課間操的質(zhì)量，以便達(dá)到鍛煉的效果，同時(shí)可以有效的克服學(xué)生的消極心理，可以豐富課堂的體育教學(xué)內(nèi)容，使學(xué)生認(rèn)識到體育的重要性，因此自編課間操的推廣迫在眉睫。自編課間操是各種體育運(yùn)動(dòng)和體育舞蹈融合而成的，其普及性很強(qiáng)，隨著社會的發(fā)展，學(xué)校領(lǐng)導(dǎo)逐漸認(rèn)識到自編課間操對學(xué)生具有很大的鍛煉價(jià)值，因此在學(xué)校里將自編課間操代替?zhèn)鹘y(tǒng)廣播體操的普及和發(fā)展是很有必要的。3.1.3從調(diào)查結(jié)果來看，學(xué)生在自編課間操和傳統(tǒng)廣播體操中，更加喜歡自編課間操，這就很好的說明了自編課間操的鍛煉價(jià)值，在對比中發(fā)現(xiàn)，自編課間操的多樣性和時(shí)效性等都比傳統(tǒng)廣播體操更有價(jià)值些，要不然也不會有那么多學(xué)生選擇用自編課間操代替廣播體操，也說明自編課間操具有很高的推廣價(jià)值。

3.2建議

在各個(gè)學(xué)校適當(dāng)?shù)脑黾幼跃幷n間操學(xué)習(xí)的內(nèi)容，隨著在各中學(xué)的廣泛推廣，自編課間操代替?zhèn)鹘y(tǒng)廣播體操是一個(gè)很明智的舉動(dòng)，在推廣形式和內(nèi)容是哪個(gè)還在不斷的充實(shí)和完善，為全民健身起到推進(jìn)作用。運(yùn)用自編課間操的多樣性，對廣播體操進(jìn)行改進(jìn)，將其注入新的元素，拋開陳舊古板的模式，讓自編課間操在推廣中帶著這種時(shí)代感走向全民健身的行業(yè)。（作者單位：綿陽師范學(xué)院體育與健康教育學(xué)院）

篇（7）

【中圖分類號】G 【文獻(xiàn)標(biāo)識碼】A

【文章編號】0450-9889（2017）03C-0008-03

一、問題的提出

早在1956年，國務(wù)院就頒布了關(guān)于推廣普通話（以下簡稱推普）的文件。然而，位處祖國邊疆的廣西少數(shù)民族地區(qū)，由于種種原因，在很長一段時(shí)間內(nèi)推普工作進(jìn)展緩慢。直到20世紀(jì)末，普通話在廣西少得褡宓厙的普及率仍然不高。1998年的“廣西語言文字使用情況調(diào)查研究”結(jié)果顯示，42.6%的受訪者還基本不會說普通話。

進(jìn)入新世紀(jì)后，廣西的推普工作取得了長足的發(fā)展。2013年，廣西語委組織了“廣西中小學(xué)教師使用普通話教學(xué)現(xiàn)狀”調(diào)查，結(jié)果顯示，全區(qū)中小學(xué)校已全部使用普通話進(jìn)行授課，普通話已成為師生課堂內(nèi)外交流的首選語言。但是，廣西中小學(xué)教師的普通話水平大部分處于二乙水平（56.39%），二甲及以上水平的只占21.25%，而三甲以下水平的有22.36%。這從一個(gè)側(cè)面反映了現(xiàn)階段廣西普通話總體水平不高的事實(shí)，特別是廣西少數(shù)民族，在掌握普通話方面存在更多的難題。如何使廣西少數(shù)民族掌握的普通話從說得出到說得好，是今后廣西推普工作的重點(diǎn)。

關(guān)于廣西少數(shù)民族學(xué)習(xí)普通話的問題，已有不少學(xué)者做過研究。韋茂繁和韋樹關(guān)詳細(xì)地分析了壯族人民學(xué)習(xí)普通話的語音難點(diǎn)所在；覃鳳余也指出，廣西少數(shù)民族的普通話語音上存在“夾壯”“夾粵”“夾平”問題，詞匯、語法上存在偏離現(xiàn)象；覃如冰則用實(shí)驗(yàn)的方法對比了壯族人民的普通話與標(biāo)準(zhǔn)普通話在聲學(xué)參數(shù)上的差異。

然而，僅從語言之間的差異來研究這個(gè)問題是不夠的。語言是一種交際工具，語言的使用是一種社會現(xiàn)象。社會成員對語言的選擇既是個(gè)性心理的反映，也是社會心理的體現(xiàn)。研究廣西少數(shù)民族學(xué)習(xí)普通話的問題，不僅要研究語言本身的問題，也要從社會學(xué)、心理學(xué)的角度研究語言使用者的問題。

二、少數(shù)民族學(xué)習(xí)普通話的社會心理表現(xiàn)

近年來，隨著新媒體的出現(xiàn)以及義務(wù)教育的普及，普通話在廣西少數(shù)民族地區(qū)的使用日益廣泛，城鎮(zhèn)以上的居民大多數(shù)能聽、能說普通話。少數(shù)民族人民學(xué)習(xí)普通話有主動(dòng)的向往，也有被動(dòng)的接受；是個(gè)人的選擇，也是時(shí)展的結(jié)果。據(jù)調(diào)查，當(dāng)前廣西少數(shù)民族學(xué)習(xí)普通話的社會心理主要有以下一些表現(xiàn)。

（一）認(rèn)同與追求

認(rèn)同與追求是當(dāng)前廣西少數(shù)民族對普通話最基本的社會心理表現(xiàn)。這種認(rèn)同與追求體現(xiàn)在使用的廣泛性和學(xué)習(xí)的積極性上。如今，廣西少數(shù)民族地區(qū)縣級及以上的辦公場所，主流的語言都已經(jīng)由民族語或漢語方言轉(zhuǎn)為普通話（鄉(xiāng)鎮(zhèn)地區(qū)普通話與民族語、漢語方言多語共存）。在大部分的民族自治縣或少數(shù)民族聚居區(qū)，普通話漸漸為人們所接受，并悄然發(fā)展成為大眾交流的工具。人們對普通話的學(xué)習(xí)積極性空前高漲，孩子們從幼兒園起就開始學(xué)習(xí)普通話，部分家長甚至送孩子去培訓(xùn)機(jī)構(gòu)專門學(xué)習(xí)普通話。

廣西少數(shù)民族對普通話的認(rèn)同與追求心理從根本上說是時(shí)展的必然結(jié)果，主要是由以下幾方面因素促成的。

1.學(xué)校教育。據(jù)廣西語委的資料記載，廣西自1998年起要求全區(qū)各級教學(xué)機(jī)構(gòu)都要使用普通話進(jìn)行教學(xué)。此后，普通話不僅被作為語文科目的內(nèi)容，更被當(dāng)作學(xué)習(xí)其他科目必備的工具，得到師生乃至整個(gè)社會前所未有的重視。1990年后出生的一代也因此有機(jī)會從小學(xué)開始就接受系統(tǒng)的普通話教育。如今，這些受過系統(tǒng)教育的學(xué)生陸續(xù)走向社會，成為社會上說普通話的中堅(jiān)力量。

2.職業(yè)要求。首先，部分職業(yè)如教師、播音、主持等對普通話水平有專門的要求，個(gè)人要拿到相關(guān)的從業(yè)資格證，必須先拿到相應(yīng)的普通話水平測試等級證書。這也促使從事這些職業(yè)或有志于從事這些職業(yè)的人員說好普通話。其次，政府提倡在學(xué)校、機(jī)關(guān)、企事業(yè)單位等公開、正式的場合使用國家通用的語言，這也促使人們重視普通話的學(xué)習(xí)和使用。再次，廣西語言眾多，絕大多數(shù)互相不能通話。隨著社會的發(fā)展，少數(shù)民族要到外地去求學(xué)、謀生，或不熟悉某地民族語言的人要到該地區(qū)去工作，都要學(xué)習(xí)普通話，借助普通話進(jìn)行交流。這也直接促進(jìn)了普通話在該地區(qū)的傳播和發(fā)展。

3.媒體宣傳。隨著經(jīng)濟(jì)的發(fā)展、生活水平的提高，人們有機(jī)會接觸到各種媒體，如網(wǎng)絡(luò)、電視、電影、手機(jī)等，而這些大眾媒體的主流語言是普通話，人們要想理解這些媒體的信息，就必須掌握普通話。這也使得一部分人雖然沒有職業(yè)要求，也沒接受過相關(guān)的教育，也會認(rèn)同和自覺學(xué)習(xí)普通話。

4.從眾心理。從眾心理是指個(gè)體在群體中因受到群體的壓力，而在知覺、判斷、信仰以及行為上，表現(xiàn)出與群體中的大多數(shù)人一致的一種行為傾向。上述三方面的因素，使得社會的主流群體把普通話作為重要的交流工具，這種現(xiàn)象無疑會對當(dāng)?shù)厣鐣a(chǎn)生廣泛而深遠(yuǎn)的影響。一些基層民眾受到影響后，遂產(chǎn)生學(xué)習(xí)模仿心理，這樣也會促使他們認(rèn)同和追求普通話，自覺學(xué)習(xí)普通話。

當(dāng)前正是這種對普通話的認(rèn)同與追求，極大地促進(jìn)普通話在廣西少數(shù)民族地區(qū)的發(fā)展與傳播。然而，伴隨著少數(shù)民族對普通話的認(rèn)同和追求，還有他們在學(xué)習(xí)和使用普通話中的隨流和畏難心理。

（二）隨流

當(dāng)前，使用普通話在廣西少數(shù)民族地區(qū)已經(jīng)成為一種潮流，說的人越來越多，就形成了越來越強(qiáng)的普通話語境。但這種普通話并不是標(biāo)準(zhǔn)的普通話，而是帶有明顯的地方語言特色的“地方普通話”。這種“地方普通話”只有本地人熟悉，外地人聽來往往“不知所云”，十分不利于更廣泛的交流。但個(gè)體處在這樣的語境中，很容易受到影響而表現(xiàn)出隨流心理。隨流也是一種從眾。隨流心理不僅出現(xiàn)在學(xué)習(xí)普通話的過程中，也出現(xiàn)在使用普通話的過程中，通常表現(xiàn)為個(gè)體對周圍他人的發(fā)音特點(diǎn)和使用習(xí)慣的認(rèn)可和接受上，并使自己的普通話使用表現(xiàn)出與周圍他人相似的特點(diǎn)。

第二，確保少數(shù)民族教師能得到足夠的有效培訓(xùn)。首先，培訓(xùn)要常態(tài)化。不僅要讓教師在考證前得到培訓(xùn)，考證后也能得到培訓(xùn)，以保持一定的水平。其次，指導(dǎo)要專業(yè)化。培訓(xùn)人員應(yīng)具備相應(yīng)的語言學(xué)知識。再次，活動(dòng)要經(jīng)?；Ｏ嚓P(guān)活動(dòng)的支撐也是必要的。如可以經(jīng)常開展誦讀、演講等可以提升普通話水平的活動(dòng)。

（三）加強(qiáng)對相關(guān)領(lǐng)域的研究

少數(shù)民族學(xué)習(xí)普通話是一種學(xué)習(xí)第二語言的實(shí)踐活動(dòng)，這種實(shí)踐活動(dòng)若能有正_的理論指導(dǎo)則能事半功倍。因此，加強(qiáng)對相關(guān)領(lǐng)域的研究是十分必要的。

第一，要加強(qiáng)對少數(shù)民族語言與普通話的對比研究。不同的民族語背景的少數(shù)民族學(xué)習(xí)普通話的難點(diǎn)不同。只有找出他們母語與普通話之間的差異，才能找到他們學(xué)習(xí)普通話的難點(diǎn)所在，進(jìn)而找到合適的方法幫助他們。

第二，要加強(qiáng)對地方普通話的研究。影響少數(shù)民族普通話水平進(jìn)一步提高的原因，除了母語的影響，更有來自地方普通話的影響。這種“地普”實(shí)際上是一種“中介語”，嚴(yán)重地阻礙了普通話水平的進(jìn)一步提高。這種影響一定程度上甚至比來自母語的影響更大，因而應(yīng)給予足夠的重視。

第三，要加強(qiáng)對少數(shù)民族學(xué)習(xí)普通話的特點(diǎn)和規(guī)律的研究。少數(shù)民族學(xué)習(xí)普通話雖然屬于第二語言的學(xué)習(xí)，但不完全等同于對外國語言的學(xué)習(xí)，不能照搬外國那套第二語言學(xué)習(xí)的理論和方法。且不同母語的人學(xué)習(xí)普通話會有不同的學(xué)習(xí)心理特點(diǎn)，呈現(xiàn)出不同的學(xué)習(xí)曲線。語言教育家要研究這些不同的學(xué)習(xí)特點(diǎn)和規(guī)律，形成一定的理論，以指導(dǎo)實(shí)踐。

總而言之，認(rèn)同與追求、隨流和畏難是當(dāng)前廣西少數(shù)民族學(xué)習(xí)普通話過程中普遍存在的心理狀態(tài)。少數(shù)民族對普通話的認(rèn)同與追求心理非常有利于普通話在廣西民族地區(qū)的傳播與發(fā)展，應(yīng)加以保護(hù)和利用。而隨流和畏難心理則會影響少數(shù)民族普通話水平的進(jìn)一步提高，有關(guān)部門要注意引導(dǎo)，并制定相關(guān)的措施，以幫助他們消除或緩解這些不良心態(tài)。

【參考文獻(xiàn)】

[1]陸紅.廣西推普問題調(diào)查與研究[G]//陳海倫，李連進(jìn).廣西語言文字使用問題調(diào)查與研究.南寧：廣西教育出版社，2005

[2]韋茂繁，韋樹關(guān).壯族人學(xué)習(xí)普通話語音難點(diǎn)突破[M].南寧：廣西民族出版社，2004

[3]覃鳳余.廣西人的普通話面貌[G]//陳海倫，李連進(jìn).廣西語言文字使用問題調(diào)查與研究.南寧：廣西教育出版社，2005

[4]覃如冰.壯族人學(xué)習(xí)普通話語音教學(xué)對策研究[D].南寧：廣西大學(xué)，2008

[5]沙蓮香.社會心理學(xué)[M].北京：中國人民大學(xué)出版社，2011

[6]許余龍.對比語言學(xué)[M].上海：上海外語教育出版社，2010

[7]廣西壯族自治區(qū)地方志編纂委員會.廣西通志?少數(shù)民族語言志[M].南寧：廣西人民出版社，2000

篇（8）

血清苯丙氨酸（Phe）和血清酪氨酸（Tye）均參與蛋白質(zhì)的合成，也是哺乳動(dòng)物必需的氨基酸和生酮生糖氨基酸，科學(xué)測定兩種物質(zhì)在苯丙酮尿癥（PKU）的診斷、治療和預(yù)后方面具有非常重要的參考價(jià)值[1]。本研究采用高效液相色譜-熒光檢測法測定確診PKU和健康新生兒Phe濃度、Tye濃度及Phe/Tye比值，現(xiàn)報(bào)道如下。

1 資料與方法

1.1 一般資料 本研究所有資料來源于鄭州市婦幼保健院2010年1月-2012年7月期間檢驗(yàn)科，空腹靜脈采血時(shí)間均在上午7∶30-10∶00，按照實(shí)驗(yàn)室操作規(guī)范待血清自然析出后行離心分離，然后在-30 ℃冰箱中保存待測。將21例經(jīng)實(shí)驗(yàn)室確診的PKU新生兒作為觀察組，其中男12例，女9例；出生3～28 d，平均（16.4±4.5）d。選擇同期22例健康新生兒作為對照組，其中男12例，女10例；出生3～28 d，平均（16.5±4.5）d。組間性別和出生時(shí)間比較差異無統(tǒng)計(jì)學(xué)意義（P>0.05），具有可比性。

1.2 測定設(shè)備、試劑和方法 所有新生兒均采用高效液相色譜-熒光檢測法測定Phe和Tye濃度，并計(jì)算Phe/Tye比值。高效液相色譜儀及其附件由安捷倫公司提供；實(shí)驗(yàn)用水為超純水，經(jīng)美國Millipore公司Milli-Q純水器處理；苯丙氨酸和酪氨酸標(biāo)準(zhǔn)品由美國Sigma公司提供；其他試劑為常規(guī)實(shí)驗(yàn)室優(yōu)級純或分析純。測定方法參考蔣姣伏等[2]研究，按照實(shí)驗(yàn)室規(guī)范進(jìn)行操作，色譜柱為Hypersil C8注，流動(dòng)相為100：900體積比的乙腈-水，流速1 ml/min，熒光波長303 nm，激發(fā)波長210 nm。苯丙氨酸批內(nèi)CV為4.08%，批間CV為7.11%，線性范圍12.21～1220.03 μmol/L，最低檢測限3.00 μmol/L，平均回收率102.52%；酪氨酸批內(nèi)CV為2.98%，批間CV為5.24%，線性范圍5.52～550.11 μmol/L，平均回收率102.19%，最低檢測限0.82 μmol/L。

1.3 計(jì)算方法 血清苯丙氨酸（酪氨酸）=苯丙氨酸（酪氨酸）峰面積×標(biāo)準(zhǔn)液中苯丙氨酸（酪氨酸）濃度÷標(biāo)準(zhǔn)液中苯丙氨酸（酪氨酸）峰面積。

1.4 統(tǒng)計(jì)學(xué)處理 所有數(shù)據(jù)采用SPSS 19.0統(tǒng)計(jì)軟件包進(jìn)行分析，計(jì)量資料以（x±s）表示，采取t檢驗(yàn)，P

2 結(jié)果

3 討論

作為人體不能自身合成的必須氨基酸和芳香族氨基酸之一，苯丙氨酸具有非常顯著的生理活性，在機(jī)體內(nèi)可被輔酶四氫生物蝶呤不可逆地轉(zhuǎn)化為酪氨酸，再經(jīng)酪氨酸途徑代謝為腎上腺素和黑色素，最終經(jīng)轉(zhuǎn)氨基生成少量苯丙氨酸。當(dāng)機(jī)體內(nèi)輔酶四氫生物蝶呤合成缺陷或編碼聚羥基脂肪酸酯途徑的基因發(fā)生改變時(shí)，酪氨酸羥化生成系統(tǒng)被破壞，降低或消失了聚羥基脂肪酸酯活性，腎上腺素和黑色素未能正常代謝而大量蓄積，從而增多了苯丙酮酸的生成，如果經(jīng)實(shí)驗(yàn)室檢測發(fā)現(xiàn)血和尿中出血高濃度苯丙酮酸，則嚴(yán)重影響嬰兒的智力發(fā)育，表現(xiàn)為PKU?，F(xiàn)代研究證實(shí)，大量苯丙氨酸能夠抑制神經(jīng)元突觸的形成和其他氨基酸進(jìn)入大腦，從而影響大腦的發(fā)育，同時(shí)苯丙氨酸循旁路途徑代謝為苯丙酮酸隨尿液排出，表現(xiàn)為苯丙酮酸尿癥[3]。因此，科學(xué)測定正常幼兒血清苯丙氨酸、酪氨酸水平及比值對診斷和鑒別PKU尤為重要。

目前實(shí)驗(yàn)室檢測的方法較多，主要有細(xì)菌抑制法、高效液相色譜法或熒光法等，其中細(xì)菌抑制法由于操作簡便和成本低等因素適用于大規(guī)模檢測Phe濃度，但半定量的檢測耗時(shí)較長，檢測結(jié)果容易受血清標(biāo)本中抗生素影響較大；單純熒光法測定血清Phe濃度定量優(yōu)勢明顯，在自動(dòng)化處理系統(tǒng)下靈敏度和精確度等方面優(yōu)于細(xì)菌抑制法，但檢測時(shí)間在4 h左右，同時(shí)熒光試紙空白校正非特異熒光能夠提高精確度，當(dāng)不同廠家試劑盒和儀器檢測值差距較大，參考價(jià)值有效；高效液相色譜法對儀器和檢驗(yàn)人員要求較高，不僅可以同時(shí)定量檢測Phe濃度和Tye濃度，而且具有快速、高效和靈敏度高等特點(diǎn)，是早期診斷和預(yù)防PKU的有效方法之一。高效液相色譜-熒光檢測法能夠同時(shí)檢測Phe濃度和Tye濃度，在短時(shí)間內(nèi)經(jīng)色譜柱分離后用熒光檢測器在選定激發(fā)和發(fā)射波長完成檢測，臨床檢測和診斷更加簡便、快捷和準(zhǔn)確。本研究觀察組Phe濃度、Phe/Tye比值明顯低于對照組（P

參考文獻(xiàn)

[1] 李影林.中華醫(yī)學(xué)檢驗(yàn)全書（上卷）[M].北京：人民衛(wèi)生出版社，1996：672.

[2] 蔣姣伏，唐愛國，洪敏.正常幼兒血清苯丙氨酸、酪氨酸水平及比值測定[J].中國現(xiàn)代醫(yī)學(xué)雜志，2004，14（12）：95-96.

篇（9）

實(shí)踐教學(xué)管理是高校為了培養(yǎng)學(xué)生實(shí)踐能力所采用的新的管理模式，是根據(jù)高校的教學(xué)目的來開展的有規(guī)律的、有計(jì)劃的實(shí)踐教學(xué)活動(dòng)。[1]而實(shí)踐網(wǎng)站是高校實(shí)踐教學(xué)管理信息化的重要組成部分，能有效提高實(shí)踐教學(xué)管理的效率。該網(wǎng)站不僅是一個(gè)實(shí)踐教學(xué)信息和通知的窗口，它更是一個(gè)分享平臺，讓校外人員清楚了解學(xué)校開展實(shí)踐教學(xué)的情況，為其他學(xué)校提供可借鑒的經(jīng)驗(yàn)，同樣接受別人的合理提議和意見;讓師生能快速、方便的找到學(xué)校實(shí)踐教學(xué)發(fā)展的方向和各種活動(dòng)資料;讓管理者能清楚自己的工作是否給廣大師生帶來便利。在前幾年網(wǎng)站建設(shè)熱潮中，多數(shù)高校都建設(shè)有完整的實(shí)踐教學(xué)網(wǎng)站。

但隨著高校數(shù)字化校園的發(fā)展，近年來各高校紛紛引入包括實(shí)踐教學(xué)管理系統(tǒng)等各種教學(xué)信息管理系統(tǒng)，這些信息管理系統(tǒng)大大提高了教學(xué)管理的效率，已經(jīng)成為高校信息化發(fā)展的核心。而實(shí)踐網(wǎng)站的建設(shè)開始不那么受重視了。

2 廣東省普通高校實(shí)踐網(wǎng)站建設(shè)現(xiàn)狀調(diào)研

為了解廣東省本科學(xué)校實(shí)踐網(wǎng)站的建設(shè)情況，我們選取了廣東省26所二A類本科高校進(jìn)行了調(diào)研。因?yàn)檫@類高校屬于應(yīng)用型高校，主要培養(yǎng)高級技術(shù)技能型人才，更注重學(xué)生實(shí)踐能力的培養(yǎng)。調(diào)查的方法：瀏覽各高校的網(wǎng)站。我們通過查看各校網(wǎng)站及教務(wù)處網(wǎng)頁，看其是否有完整的實(shí)踐網(wǎng)站、還是只有部分實(shí)踐教學(xué)模塊、或者完全沒有實(shí)踐教學(xué)內(nèi)容并進(jìn)行統(tǒng)計(jì)，調(diào)查情況如下圖：

■

通過調(diào)查可看出，所調(diào)查的高校中，只有仲愷農(nóng)業(yè)工程學(xué)院、嘉應(yīng)學(xué)院、廣東藥學(xué)院等3所高校設(shè)有專門的實(shí)踐網(wǎng)站，占調(diào)研高校的11.57%。有8所高校學(xué)校網(wǎng)站的教務(wù)處網(wǎng)頁下有部分關(guān)于實(shí)踐教學(xué)的模塊，占30.77%，并且這些模塊中，有些模塊內(nèi)容是空白的。另外15所高校沒有實(shí)踐教學(xué)的相關(guān)內(nèi)容，所占比例為57.69%。

從調(diào)查結(jié)果發(fā)現(xiàn)，多數(shù)高校沒有專門的實(shí)踐教學(xué)網(wǎng)站，有些高校網(wǎng)站甚至沒有任何關(guān)于實(shí)踐教學(xué)的介紹。為什么會出現(xiàn)這種情況，是高校不再重視實(shí)踐教學(xué)嗎？還是實(shí)踐網(wǎng)站確實(shí)訪問量低，對實(shí)踐教學(xué)管理幫助不大，高校只是不重視網(wǎng)站建設(shè)而非不重視實(shí)踐教學(xué)。

3 分析

為此我們對建設(shè)有完整實(shí)踐教學(xué)網(wǎng)站的仲愷農(nóng)學(xué)院師生進(jìn)行關(guān)于實(shí)踐教學(xué)網(wǎng)站了解情況的調(diào)查，其中學(xué)生采取網(wǎng)絡(luò)問卷的方式調(diào)查，共回收有效問卷947份;教師采用紙質(zhì)問卷的方式調(diào)查，共回收有效問卷30份。具體調(diào)查結(jié)果如下：

3.1 參與調(diào)查的絕大部分是校內(nèi)的本科學(xué)生。接近7成的學(xué)生稱沒有了解過本校的實(shí)踐網(wǎng)站。而有8成的教師稱沒有了解過本校的實(shí)踐網(wǎng)站。超過7成的老師從來不知道學(xué)校有實(shí)踐網(wǎng)站。

3.2 關(guān)于什么情況會訪問網(wǎng)站，有超過6成的學(xué)生認(rèn)為他們工作、學(xué)習(xí)需要的時(shí)候，才會查閱網(wǎng)站。有3成的教師認(rèn)為他們工作、學(xué)習(xí)需要的時(shí)候，才會查閱網(wǎng)站。而對于是否清楚實(shí)踐網(wǎng)站的意義，超過一半的學(xué)生認(rèn)為自己基本不了解網(wǎng)站建設(shè)的目的性和意義;有4成多的老師完選擇全不清楚。

通過調(diào)查我們發(fā)現(xiàn)，即使像仲愷農(nóng)業(yè)工程學(xué)院這樣建設(shè)有專門實(shí)踐教學(xué)網(wǎng)站的學(xué)習(xí)，學(xué)校師生也極少需要訪問到該網(wǎng)站。這一方面與技術(shù)進(jìn)步和師生的閱讀習(xí)慣改變有關(guān);近些年各高校教學(xué)管理系統(tǒng)、OA系統(tǒng)甚至數(shù)字化校區(qū)系統(tǒng)，qq群、好友圈、微博等通訊手段也在校園內(nèi)廣泛應(yīng)用，廣大師生已經(jīng)不再依賴網(wǎng)站來了解學(xué)校的教學(xué)情況。最近《第一財(cái)經(jīng)周刊》有報(bào)道，隨著消費(fèi)者閱讀習(xí)慣的改變，國內(nèi)四大門戶網(wǎng)站流量和市值已經(jīng)大不如前，各公司已經(jīng)把投入大多都轉(zhuǎn)向了社交、視頻、垂直網(wǎng)站上面。[2]可見，閱讀習(xí)慣的改變不僅僅發(fā)生在校園內(nèi)，而是整個(gè)社會的發(fā)展。

另一方面高校網(wǎng)站信息量太多、重復(fù)率高也是造成實(shí)踐網(wǎng)站訪問量少的原因。經(jīng)過前些年網(wǎng)站建設(shè)熱潮中，許多高校各個(gè)部門、各院（系）甚至許多管理崗位都建設(shè)了網(wǎng)站。這樣的信息量太大了，別說4年就畢業(yè)的學(xué)生，連工作幾十年的老師也不可能清楚學(xué)校網(wǎng)站的所有內(nèi)容。因此遇到較重要的通知，校園網(wǎng)主頁和部門主要都會同時(shí)，這又造成的信息的重復(fù)，學(xué)生既然在主頁就能找到信息了，就沒必要進(jìn)入部門主頁了，更何況掛在部門主頁下面的實(shí)踐網(wǎng)站。

4 建議

4.1 定位明確。實(shí)踐教學(xué)網(wǎng)站應(yīng)該起著輔助管理的作用，這就需要根據(jù)各高校的情況來定位網(wǎng)站的功能。如果學(xué)校已經(jīng)引入了實(shí)踐教學(xué)管理系統(tǒng)、大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目管理系統(tǒng)、實(shí)踐競賽管理系統(tǒng)、學(xué)生管理系統(tǒng)等信息化系統(tǒng)，那么大可不必設(shè)置專門的實(shí)踐教學(xué)網(wǎng)站。而類似仲愷農(nóng)業(yè)工程學(xué)院這樣雖然引入了實(shí)踐教學(xué)管理系統(tǒng)，但畢業(yè)論文、大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目、實(shí)踐基地建設(shè)和實(shí)踐技能競賽等仍用傳統(tǒng)方式管理的學(xué)校，則可以設(shè)有相關(guān)的實(shí)踐教學(xué)網(wǎng)站來作為實(shí)踐教學(xué)管理信息的平臺。

篇（10）

[中圖分類號] R971；R927 [文獻(xiàn)標(biāo)識碼] B [文章編號] 2095-0616（2013）21-61-03

癲癇（epilepsy）是多種原因?qū)е碌哪X部神經(jīng)元高度同步化異常放電的臨床綜合癥[1]。癲癇的治療仍以藥物為主，臨床常用的有苯妥英鈉（PT）、苯巴比妥（PB）、卡馬西平（CBZ）等。但由于這些藥物常有不同程度的不良反應(yīng)，且較容易發(fā)生中毒癥狀。因此需監(jiān)測抗癲癇藥物的血清濃度，進(jìn)而保證使用安全。目前，高效液相色譜法（HPLC）與熒光偏振免疫法（FPIA）是最常用的監(jiān)測血藥濃度方法[2]。為了探究HPLC與FPIA在測定常用抗癲癇藥物血清濃度的相關(guān)性，本資料對其進(jìn)行實(shí)驗(yàn)研究并報(bào)道如下。

1 資料與方法

1.1 一般資料

研究對象為2012年6月～2012年12月在我院神經(jīng)內(nèi)科治療的103例癲癇患者，按照使用抗癲癇藥物的不同，分為PT組31例，CBZ組43例，PB組29例。3組間患者的性別、年齡等一般情況比較差異無統(tǒng)計(jì)學(xué)意義。癲癇的診斷與分類按照1989年國際抗癲癇聯(lián)盟分類標(biāo)準(zhǔn)進(jìn)行[3]。所有患者均在服藥前抽取靜脈血2～3mL，將分離后的血清分成2份，分別用HPLC法與FPIA法測定其藥物的穩(wěn)態(tài)谷濃度。

1.2 儀器與試劑

使用儀器主要包括Intergral-100 HPLC系統(tǒng)（美國Perkin-Elmer公司），TDxFLx熒光偏振免疫分析儀（美國雅培公司），LG10-3A高速冷凍離心機(jī)（北京醫(yī)用離心機(jī)廠），xw-80A旋渦混合器（上海醫(yī)科大學(xué)儀器廠），AG285電子分析天平（瑞士梅勒公司）等。

檢驗(yàn)所用的PT、PB、CBZ均由中國藥品生物制品檢定所提供，內(nèi)標(biāo)物采用自制安眠酮。乙醚和甲醇分別為分析純乙醚和色譜純甲醇；FPIA法均使用雅培公司所生產(chǎn)的配套試劑盒、標(biāo)準(zhǔn)曲線盒、質(zhì)控盒。

1.3 HPLC

1.3.1 色譜條件 色譜柱：Hypersil ODS柱（250mm× 4.6mm，5μm），流動(dòng)相采用甲醇-水（6040），柱溫30℃，檢測波長254nm，流速為1.0mL/min，進(jìn)樣量20μL。

標(biāo)準(zhǔn)儲備液制備：采用電子分析天平稱取CBZ、PT、PB及安眠酮，用色譜純甲醇作為溶劑制備成濃度為100μg/mL的內(nèi)標(biāo)液及標(biāo)準(zhǔn)貯備液，放入4℃冰箱內(nèi)貯存。

1.3.2 血清樣品處理 取0.1mL血清樣品至10mL離心管內(nèi)，加15μL內(nèi)標(biāo)液漩渦混合2min；加入乙醚2mL后再旋渦混合5min。然后在1500r/min轉(zhuǎn)速下離心5min，將上清液1.5mL置于45℃水浴中，并于N2流下?lián)]干，所得的殘?jiān)尤肓鲃?dòng)相150μL后旋渦混合5min，再在4000r/min轉(zhuǎn)速下離心5min，取20μL上清液進(jìn)樣分析。相同色譜條件下，待測物的分析不受空白血清提取物的干擾，得到PB、PT、CBZ及內(nèi)標(biāo)液的保留時(shí)間依次為4.2、5.4、6.3、7.8min。

1.3.3 制備標(biāo)準(zhǔn)曲線 用電子分析天平量取適當(dāng)CBZ、PT、PB的標(biāo)準(zhǔn)制備液（濃度100μg/ml），放入N2流及45℃水浴中揮干，再精密加入空白血清0.1mL、內(nèi)標(biāo)液15μL，進(jìn)行2min漩渦混合，按照1.3.2中的方式測定。線性回歸分析時(shí)，橫坐標(biāo)X為藥物濃度，縱坐標(biāo)Y為藥物與內(nèi)標(biāo)峰面積之比，得到回歸方程為YCBZ=0.0009+0.1054X（r=0.9993），線性范圍1.4～23.0μg/mL；YPT=0.0112+0.0189X（r=0.9992），線性范圍5.5～39.0μg/mL；YPB=0.0048+0.0169X（r=0.9995），線性范圍5.5～61.0μg/mL。

1.3.4 回收率及精密度試驗(yàn) 分別制備低、中、高3種濃度的CBZ、PT、PB含藥血清，精密量取內(nèi)標(biāo)液15μL后旋渦混合2min。按照上述方法進(jìn)行測定，將測得的藥物峰面積與內(nèi)標(biāo)峰面積之比（Y）代入回歸方程，計(jì)算出測得量（X），并計(jì)算回收率（測得量與加入量之比）。每種濃度在1d內(nèi)測定6次，得到日內(nèi)相對標(biāo)準(zhǔn)差；連續(xù)測定6d來計(jì)算日間相對標(biāo)準(zhǔn)差，結(jié)果詳見表1。

1.3.5 測定穩(wěn)定性與靈敏度 在室溫25℃以下的條件中，測定低中高不同濃度的含藥血清，結(jié)果顯示藥物濃度在6h內(nèi)保持穩(wěn)定；含藥血清經(jīng)冷凍-融化3次之后，測定結(jié)果顯示含藥血清的藥物濃度也保持穩(wěn)定；于-30℃溫度下將不同濃度的含藥血清放置1個(gè)月，測定結(jié)果也顯示血清能保持穩(wěn)定。按照31的信噪比進(jìn)行計(jì)算，CBZ、PB、PT的最低檢測濃度依次為0.2、1.0、1.0μg/mL。

1.4 FPIA法

用熒光偏振免疫分析儀來測定血清濃度，主要步驟為：量取患者血清150μL，注入專用的樣品杯后按照使用手冊進(jìn)行操作，用配套的標(biāo)準(zhǔn)曲線盒、質(zhì)控盒制備標(biāo)準(zhǔn)曲線并作隨機(jī)質(zhì)控，分析儀進(jìn)行自行取樣、分析測定。見表2。

1.5 統(tǒng)計(jì)學(xué)方法

HPLC法與FPIA法結(jié)果比較，運(yùn)用SPSS13.0進(jìn)行數(shù)據(jù)處理，采用配對t檢驗(yàn)，P

2 結(jié)果

2.1 相關(guān)性分析

用線性回歸進(jìn)行比較，橫坐標(biāo)X為HPLC法的測定結(jié)果，縱坐標(biāo)Y為FPIA法的測定結(jié)果，得到回歸方程為YCBZ=0.183+0.954X（r=0.944）；YPT=-1.421+1.141X（r=0.963）；YPB=-0.128+0.956X（r=0.949）。

2.2 配對t檢驗(yàn)

將CBZ、PT、PB的兩種測定方法結(jié)果進(jìn)行配對t檢驗(yàn)，結(jié)果顯示這兩種方法所測得的值均差異無統(tǒng)計(jì)學(xué)意義（P>0.05）。見表3。

3 討論

當(dāng)前，HPLC及FPIA都已在國內(nèi)醫(yī)院或臨床藥學(xué)實(shí)驗(yàn)室廣泛應(yīng)用。在本資料中，HPLC法和FPIA法測定CBZ、PT、PB血清濃度結(jié)果的呈線性相關(guān)；對兩者監(jiān)測的數(shù)據(jù)進(jìn)行配對t檢驗(yàn)后發(fā)現(xiàn)，這兩種方法監(jiān)測的準(zhǔn)確性方面沒有明顯差異。但是作為當(dāng)前監(jiān)測血藥濃度的最常用方法，兩者仍存在著一定的優(yōu)劣。

HPLC法的專一性較FPIA法好，具有準(zhǔn)確、靈敏、重現(xiàn)性好、專屬性強(qiáng)的優(yōu)點(diǎn)。由于高效的分離能力，HPLC法能同時(shí)測定多種藥物及其代謝產(chǎn)物的濃度，故而在很多實(shí)驗(yàn)室中多采用HPLC法來對照比較其他監(jiān)測方法的合理及準(zhǔn)確程度[4-5]。雖然HPLC法不必依賴于商品化的試劑盒，但所用樣品需進(jìn)行預(yù)處理[6]，周期較長且技術(shù)難度較大，對操作者要求較高。

FPIA法具有監(jiān)測周期短、自動(dòng)化程度高、操作簡便等優(yōu)點(diǎn)，因此適用于急診檢查與單一藥物的批量分析測定。但由于不能同時(shí)測定多種藥物，測定品種受試劑種類限制，且試劑價(jià)格昂貴，故而專屬性較差，不能滿足新藥研究與開發(fā)[7]。此外，有些受監(jiān)測藥物的活性代謝產(chǎn)物常常影響原藥濃度的測定。如FPIA法測定全血環(huán)孢霉素A的濃度測量值明顯偏高，主要原因就是代謝產(chǎn)物對原藥的監(jiān)測有干擾，使得監(jiān)測結(jié)果出現(xiàn)偏差[8]。

總的來說，高效液相色譜法與熒光偏振免疫法兩種方法測定抗癲癇藥血清濃度具有相關(guān)性。采用HPLC法和FPIA法進(jìn)行CBZ、PT、PB的血清濃度測定各有利弊，須結(jié)合檢測藥物種類數(shù)目、受檢人數(shù)等合理選擇監(jiān)測方式。

[參考文獻(xiàn)]

[1] 賈建平.神經(jīng)病學(xué)[M].第6版.北京：人民衛(wèi)生出版社，2010：292-312.

[2] 周素琴，張鴻燕，趙慧.血藥濃度監(jiān)測技術(shù)的進(jìn)展及存在的問題[J].中國醫(yī)院藥學(xué)雜志，2009，29（7）：568-571.

[3] Commission on Classification and Terminology of the International League Againts Epilepsy.Proposal for revised classification of epilepsies and epileptic syndromes[J].Epilepsia，1989，30（4）：389-399.

[4] 王曉秋，溫懷凱，朱光輝.HPLC法和FPIA法監(jiān)測丙戊酸血藥濃度的比較研究[J].中國衛(wèi)生檢驗(yàn)雜志，2012，22（7）：1593-1595.

[5] 袁波，袁媛.HPLC在食品安全監(jiān)測中的研究進(jìn)展[J].中國醫(yī)藥指南，2012，10（31）：77-79.

[6] 楊更亮，劉海燕.高效液相色譜整體柱在藥物分離分析中的應(yīng)用進(jìn)展[J].中國科學(xué)，2010，40（6）：631-640.