通过在常规测试环境和无氧测试环境中对不同条件下制备的葡萄糖电化学生物传感器的电流响应对K3Fe(CN)6的引入对生物传感器性能的作用进行分析,葡萄糖电化学生物传感器的构筑过程中引入铁氰化钾。一方面K3Fe(CN)6与O2共同作为葡萄糖催化反应过程中的电子受体,提高生物传感器的电流响应,另一方面,当测试溶液中的溶氧浓度不足或受到外界干扰时,K3Fe(CN)6将代替溶氧作为葡萄糖氧化酶催化葡萄糖反应过程中的电子受体,保证对葡萄糖检测的稳定性。由于K3Fe(CN)6的引入改变了GOx在Au纳米线阵列中存在的微环境,从而使制备参数对传感器性能的影响发生了较大的改变,在参数重新优化的基础之上,相对于无电子介体的葡萄糖生物传感器而言,基于电子介体的葡萄糖电化学生物传感的性能获得极大改善,所制备传感器的灵敏度高达548.1μA·cm-2·mM-1,线性范围为2.5-5400μmol/L,其理论检测极限为0.04umol/L。与此同时,传感器具有良好的酶动力学响应,其Michaelis-Menten常数Kmapp为5.6mM。最后将基于Au纳米线阵列的葡萄糖生物传感器与流动注射分析(FIA)技术相结合,一方面基于Au纳米线阵列的葡萄糖生物传感器自身具有良好的综合性能  张家港市泰宇机械有限公司蔬菜大棚缩管机扩管机网站http://www.suoguanji.wang,另一方面,FIA技术是一种非平衡态全部特征空间-电动液压滚圆机电动数控滚圆机价格低全自动滚圆机多少钱、快速测量的技术；将二者的优势结合之后,实现了对不同浓度葡萄糖的批量测试,大大提高了对葡萄糖浓度检测的效率。基于Au纳米线阵列的生物传感器对葡萄糖实际样品分析具有较高的回收率和较低的相对标准偏差,说明所制备的葡萄糖电化学生物传感器对葡萄糖的检测具有较高的可靠性相对于静态特征空间下的在线知识发现算法,动态特征空间下的在线知识发现算法的研究并没有引起足够的关注。数据特征空间的动态性是指在学习算法开始之前,问题的特征空间不是或不能事先给定,而是随时间动态变化。因而,数据特征空间的动态性对传统的静态特征空间下的在线知识发现算法提出诸多新问题和新挑战。为探索动态特征空间下的在线知识发现问题,本文提出了流特征(Streaming Features)的概念来建模特征空间的高维度和动态性而无需在学习算法开始前给定问题的全部特征空间。流特征定义为样本(示例)空间不变的条件下,问题的特征空间中的特征随时间逐个流入,且每个新流入的特征被立即在线处理。以流特征概念为核心,本文开展了流特征下的在线知识发现算法研究,主要取得了如下创新性成果：(1)针对流特征下的在线特征选择问题,本文提出了两种新颖的在线特征选择算法OSFS(Online Streaming Feature Selection)和Fast-OSFS。实验表明,OSFS和Fast-OSFS不仅能很好的处理训练数据特征维数信息预先未知条件下的特征选择问题,而且比已有的在线特征选择算法用较小的特征子集获得更高的分类精度。(2)针对流特征下的局部因果关系发现问题,本文提出了流特征下的局部因果关系发现算法(CDFSF, Causal Discovery From Streaming Features)。为提高CDFSF的效率,在忠实性因果贝叶斯网络条件下,利用父结点(原因)和子结点(结果)之间的对称性,提出了S-CDFSF (Symmetrical CDFSF)算法。与已有的局部因果发现算法(算法开始前需要训练数据的整个特征空间)的实验比较结果表明,我们提出的算法可以有效处理流特征下的局部因果发现问题。(3)针对流特征下的新兴模式(Emerging Patterns,以下简称EP模式)的挖掘问题全部特征空间-电动液压滚圆机电动数控滚圆机价格低全自动滚圆机多少钱  张家港市泰宇机械有限公司蔬菜大棚缩管机扩管机网站http://www.suoguanji.wang