追溯演算法

❶ 中草葯行業如何進行追溯

中草葯質量安全追溯平台 ：通過物聯網、RFID和條形碼技術，將中草葯從種植、收購、加工、檢驗、包裝、銷售等全過程的信息錄入、傳遞和匯總到中草葯質量安全追溯平台，通過該平台特定的邏輯加密演算法，生成產品的唯一質量安全追溯標簽，並將標簽加貼在產品包裝上，實現一個包裝標簽對應一個批次的產品，成為保證產品質量安全的「二代身份證」。

消費者通過網路查詢追溯標簽上的追溯碼，或通過移動終端掃描追溯標簽上的二維碼，就能清楚地了解產品的產地、加工企業、物流渠道、終端銷售企業、產品的葯性及營養價值等情況。

❷ 水污染預警追溯源是通過什麼與污染源伊一對應實現素媛分析的

摘要 在環保領域，「源解析」是一項耳熟能詳的技術。「北京PM2.5源解析報告引發質疑 中科院：4%只是直接排放」、「北京發布PM2.5源解析結果 本地污染佔七成」、「中國9大城市完成大氣源解析 北廣深首要污染源機動車」，一項項研究成果在各大媒體和朋友圈傳播，管理者和公眾都理所當然的認為：了解一個城市或地區的霧霾來源並不是難事。那麼，水污染領域呢?我國水污染狀況同樣不容樂觀，是否有技術手段可以實現污染排放源的溯源，以支持水環境質量的管理呢?

❸ 區塊鏈技術對於產品追溯有意義嗎

當然有。區塊鏈的一大特點就是去中心化、信息可溯源且不可篡改。而現在商品溯源一直是巨頭們爭奪的區塊鏈技術落地的熱門領域，早在2017年，天貓國際就啟動了全球溯源計劃，利用區塊鏈技術追蹤進口商品的信息。
運用區塊鏈技術的溯源，通過對物流管理、商品防偽、商品溯源、製造管理、行業協同等領域的深度結合，增加了商品的可追溯性、安全性。密碼財經，專注區塊鏈信息。

❹ 追溯病毒的起源

人類這物種，真的標志著生命進化的頂峰嗎？或者病毒才是？因為在歷史長河中，當人類進化得越來越復雜時，病毒已經精簡了，成功地拋掉了很多基因，只留下了少數的必需基因。

今天，病毒是如此的小和簡單，有些甚至不能自我復制，因此，病毒攜帶的基本遺傳物質，需要「溜進」宿主細胞，並誘騙宿主細胞才能復制。例如，只有14種蛋白質編碼基因的流感病毒就是如此。

病毒是如此的基本，許多生物學家認為它們甚至不能被歸類為一種生命形式。

新病毒喚醒舊問題

但隨著科學研究的發展，我們開始轉變了對病毒的看法。2003年，法國科學家觀察到了一種神秘的微生物，它體型比一般病毒大許多，看起來像一種細菌，但與細菌有著不同的基因。它寄生在水中的單細胞生物阿米巴變形蟲中，藉助將自身的遺傳信息融入其他動物的身體而繁殖，這種微生物也可以鑽進人體，導致人的肺部產生疾病。

但當時，科學界發現的病毒大小大約都在10至100納米之間，即便是較大的病毒，比如天花病毒，也只有300納米。而這種新發現的病毒達到400納米，科學家們意識到這是一種巨大的病毒，他們稱這種像細菌的生物為「酷似細菌的病毒」或者「巨病毒」。

但「巨病毒」不只是具有大塊頭，它還攜帶了1000個基因，對病毒一族來說，這是一個巨大的基因組，只比一些細菌少了幾百個基因。之後，科學家又發現了另外幾個巨型病毒，比如2013年發現的潘多拉病毒，有大約1100個基因，再一次刷新了巨型病毒的記錄。

這些病毒擁有如此之多的基因數量，暗示著它們存在復雜的遺傳性，也由此再次喚醒人們對病毒的研究興趣，以及重提那些由來已久的問題：病毒是什麼時候開始進化的？對更復雜的細胞生命來說，病毒是它們進化過程中的一塊「跳板」嗎？病毒和細菌，誰先出現？

這些問題非常棘手。因為對於考古學家來說，研究古生物最好的資料就是各類化石，但病毒是比較特殊的類群，它們只由包裹在柔軟的蛋白質外殼里的幾股DNA或RNA構成，因此它們不會變成化石，沒有化石記錄的研究，幾乎已經不可能追溯它們的血統。

為了解決病毒進化的問題，研究人員開發了一種新方法，即重建微生物的「家族樹」，來追溯細菌和病毒的起源。

回歸微生物的「血統」

那麼，我們如何重建進化過程中的「家族樹」或「進化樹」呢？

科學家們通常是通過比較物種間的基因：兩種生物擁有的共同基因越多，說明它們的關系越密切。但是這種技術能讓你回溯的時間只有100萬年左右。因為在這以前，生物的DNA已經發生很大突變，再往前追溯的話，我們不太可能看到不同物種之間的相似性。

所以，研究人員想回到地球生命剛剛開始的時候——大約35億年前。對於這個時候的生命，就不能用比較物種之間的基因這種方法了，研究人員用了另外一種方法：比較生物體蛋白質的形狀，或者說看看蛋白質是如何「折疊」的。

蛋白質是高精度的分子裝置，如果改變了它們的形狀，就會破壞它們的功能。雖然生命可以接受遺傳密碼連續且溫和地轉變，但不能忍受蛋白質形狀的改動，哪怕改動是微小的。因此，生物的某種蛋白質形狀自誕生起可能就沒什麼改變。這意味著，追溯蛋白質的形狀，或許能把我們帶到我們想要去的遠古時期。

不久前，計算機科學家們開發出一種演算法來比較蛋白質的形狀，其中包括3460種病毒和1620個細胞。他們發現，細胞與病毒中，有442個蛋白質形狀是相同的，而病毒有66種蛋白質形狀是獨有的。

研究人員把蛋白質的形狀放到「一棵樹」中，每有一種新的蛋白質形狀出現，就代表著一個新的「分支」。研究小組使用化石證據來說明特定分支的萌芽。例如，藍藻（藍綠色）中有一種特定的蛋白質形狀，這是第一次出現這種蛋白質形狀，而後來它所有的後代都帶有這種形狀。通過比較藍藻首次出現在化石記錄（21億年前）和其後代出現的時間，就可以確定這個特殊的折疊形狀大約出現在20億年前。

根據微生物的家族樹，病毒是古老的，但它們並不是第一個形成的生命。而家族樹還表明了，病毒和細菌有一個共同的祖先——一個能完全運作、自我復制的細胞。從這個原始細胞開始，細菌也像人類一樣，朝著越來越復雜的方向進化；而病毒則反其道而行之，開始逐漸擺脫它們不需要的基因，直到再也無法自我復制。

研究人員估計，在約15億年前，病毒就有了66種特定的蛋白質形狀，這是病毒的進化之旅中關鍵的一步：突變發生在病毒的蛋白質外殼，使得病毒可以入侵到宿主細胞中。

也有「好」病毒

現在，大多數人提到病毒，可能會不寒而慄，大腦立馬聯想到各種禽流感病毒、艾滋病病毒（人類免疫缺陷病毒），或是前些時候出現的埃博拉病毒，認為病毒就是致命的「害蟲」。但科學家告訴我們，盡管很多病毒很致命，但是有些病毒也有好的一面。

沒有病毒這類居民，地球上的生命會很不一樣，甚至可以這么說，如果沒有它們，我們也不會在這里。

例如，研究人員推測，1億多年前，原始的哺乳動物被一種病毒感染後，會捕獲一個基因，促進了胎盤的發展。因為這個基因能使得胎盤細胞與子宮相融合，讓胎兒從母親子宮汲取養分。

在現代測序技術的發展下，人類基因組已經得到破譯，令人驚奇的發現是，在人類的基因組中竟然有高達10萬條片段來自病毒，這些病毒基因片段占據了人類基因組的8%。

此外，還有另外一個人們比較關注的問題：病毒是否有資格作為生命？研究者認為，如果病毒起源於一種活細胞，那麼當我們用病毒感染這種活細胞時，如果它們能融合到一起，最終成為一個「完整的生命系統」的話，病毒是可以作為一種生命的。但問題是我們至今未發現這種活細胞。

澳大利亞悉尼嘉萬研究所的分子生物學家認為，人們常常「指責」病毒不能自由生活（依賴於宿主，引發很多疾病）。但若要仔細說來，這種現象就像是一個哲學問題，就好比說，你是否認為人類是獨立的生命體？如果你覺得人類是獨立的生命體，那麼，假設地球上的植物消失了，沒有光合作用產生的氧氣，或許人類就不能存活了。同樣，沒有動植物作為人類的食物，人類也無法存活。所以，無論是哪種生物，病毒也好，人類也罷，它們不單單是個體，也是一個相互作用和聯系的系統。

（本文源自大科技*科學之謎2016年第2期文章）

❺ tarjan演算法的演算法介紹

如果兩個頂點可以相互通達，則稱兩個頂點強連通(strongly connected)。如果有向圖G的每兩個頂點都強連通，稱G是一個強連通圖。非強連通圖有向圖的極大強連通子圖，稱為強連通分量(strongly connected components)。
下圖中，子圖{1,2,3,4}為一個強連通分量，因為頂點1,2,3,4兩兩可達。{5},{6}也分別是兩個強連通分量。
Tarjan演算法是用來求有向圖的強連通分量的。求有向圖的強連通分量的Tarjan演算法是以其發明者Robert Tarjan命名的。Robert Tarjan還發明了求雙連通分量的Tarjan演算法。
Tarjan演算法是基於對圖深度優先搜索的演算法，每個強連通分量為搜索樹中的一棵子樹。搜索時，把當前搜索樹中未處理的節點加入一個堆棧，回溯時可以判斷棧頂到棧中的節點是否為一個強連通分量。
定義DFN(u)為節點u搜索的次序編號(時間戳)，Low(u)為u或u的子樹能夠追溯到的最早的棧中節點的次序號。
當DFN(u)=Low(u)時，以u為根的搜索子樹上所有節點是一個強連通分量。
接下來是對演算法流程的演示。
從節點1開始DFS，把遍歷到的節點加入棧中。搜索到節點u=6時，DFN[6]=LOW[6]，找到了一個強連通分量。退棧到u=v為止，{6}為一個強連通分量。

返回節點5，發現DFN[5]=LOW[5]，退棧後{5}為一個強連通分量。

返回節點3，繼續搜索到節點4，把4加入堆棧。發現節點4向節點1有後向邊，節點1還在棧中，所以LOW[4]=1。節點6已經出棧，(4,6)是橫叉邊，返回3，(3,4)為樹枝邊，所以LOW[3]=LOW[4]=1。

繼續回到節點1，最後訪問節點2。訪問邊(2,4)，4還在棧中，所以LOW[2]=DFN[4]=5。返回1後，發現DFN[1]=LOW[1]，把棧中節點全部取出，組成一個連通分量{1,3,4,2}。

至此，演算法結束。經過該演算法，求出了圖中全部的三個強連通分量{1,3,4,2},{5},{6}。
可以發現，運行Tarjan演算法的過程中，每個頂點都被訪問了一次，且只進出了一次堆棧，每條邊也只被訪問了一次，所以該演算法的時間復雜度為O(N+M)。

❻ 1+1=2在計算機中是怎麼實現的額，從演算法一直追溯到硬體，整個運算過程是如何實現的

我學電腦這么久也說出來，不過你可以去下面網站看看，挺詳細的
http://blog.csdn.net/jnqqls/article/details/7621473

❼ 如何讓產品可追溯

通過二維碼的方式對單個產品賦予『身份證』追溯碼，實現「一物一碼」，對產品的生產、倉儲、分銷、物流運輸、市場巡檢及消費者等環節進行數據採集跟蹤，實現產品生產環節、銷售環節、流通環節、服務環節的全生命周期信息管理。通.贏一物一碼可對追溯流程的高度自定義，適應各行各業以及品類繁多的產品追溯需求。

❽ 什麼是二維碼溯源系統如何實現產品質量追溯

二維碼溯源系統是一個記錄管理產品生產周期、市場流通、檢查標準的平台，通過這個平台可以實現產品生命周期的全記錄。
如何實現產品質量追溯，通過使用二維碼溯源系統對所有產品生成唯一獨立的二維碼，在線編輯二維碼內容，之後把二維碼印刷或張貼在產品包裝上，當消費者購買您的帶有追溯碼得產品時，通過掃描二維碼就可以實現產品質量得追溯。

❾ 常見的數據檢索演算法有哪些資料庫都採用什麼樣的檢索方式如何提高檢索的效率

信息檢索方法包括：普通法、追溯法和分段法。1、普通法是利用書目、文摘、索引等檢索工具進行文獻資料查找的方法。運用這種方法的關鍵在於熟悉各種檢索工具的性質、特點和查找過程，從不同角度查找。普通法又可分為順檢法和倒檢法。2、追溯法是利用已有文獻所附的參考文獻不斷追蹤查找的方法，在沒有檢索工具或檢索工具不全時，此法可獲得針對性很強的資料，查准率較高，查全率較差。3、分段法是追溯法和普通法的綜合，它將兩種方法分期、分段交替使用，直至查到所需資料為止。(9)追溯演算法擴展閱讀檢索原因信息檢索是獲取知識的捷徑美國普林斯頓大學物理系一個年輕大學生名叫約瀚·菲利普，在圖書館里借閱有關公開資料，僅用四個月時間，就畫出一張製造原子彈的設計圖。他設計的原子彈，體積小(棒球大小)、重量輕(7.5公斤)、威力大(相當廣島原子彈3/4的威力)，造價低(當時僅需兩千美元)，致使一些國家（法國、巴基斯坦等）紛紛致函美國大使館，爭相購買他的設計拷貝。二十世紀七十年代，美國核專家泰勒收到一份題為《製造核彈的方法》的報告，他被報告精湛的技術設計所吸引，驚嘆地說：「至今我看到的報告中，它是最詳細、最全面的一份。」

❿ 調用3.5人臉特徵碼返回為空是什麼意思

調不到信息，識別錯誤。只需要再重新識別一次。

Google推出FaceNet，使用三元組損失函數(Triplet Loss)代替常用的Softmax交叉熵損失函數，在一個超球空間上進行優化使類內距離更緊湊，類間距離更遠；

最後得到了一個緊湊的128維人臉特徵，其網路使用GoogLeNet的Inception模型，模型參數量較小，精度更高，在LFW上取得了99.63%的准確率，這種損失函數的思想也可以追溯到早期的LDA演算法。

(10)追溯演算法擴展閱讀

早期的人臉檢測演算法使用了模板匹配技術，即用一個人臉模板圖像與被檢測圖像中的各個位置進行匹配，確定這個位置處是否有人臉。然後可以使用一些機器學習演算法用於解決該問題，包括神經網路，支持向量機等。以上都是針對圖像中某個區域進行人臉-非人臉二分類的判別。

這種方法的代表性成果是Rowley等人提出來的演算法：用一個20*20的人臉模板圖像和被檢測圖像的各個位置進行匹配，每次在被檢測圖像上截取出一個20*20的滑動窗口，將模板和窗口進行比較，就可以檢測窗口中是否包含人臉（模型參數的響應值高就說明包含人臉）。這種方法只能解決近似正面的人臉檢測問題，在其他角度的人臉檢測效果並不好。