文献综述评语

文献综述评语

篇一：文献综述、开题报告、综述评语模板-20XX最新版

maca生物碱的制备与检测

xxx

生命科学与工程学院

摘要

：介绍了十字花科独行菜属药食两用植物玛咖(maca)的基本特征、组成成分、药理作用及应用前景等；关键词：

(cruciferae,Brassicaceae)独行菜属(Lepidium)的一年原产于秘鲁海拔3500米以上的安第斯山区，可在无肥料、缺

[1]。它不仅是营1玛咖的基本情况介绍1.1玛咖的植物学简介

玛咖

(Lepidiummeyenii,maca)，是十字花科(cruciferae,Brassicaceae)独行菜属(Lepidium

)的一年或两年草本植物。成熟的玛咖根为膨大的类似芜箐甘蓝的根，直径2~8cm不等，是玛咖的主要食用部分。

2

2.1概述

2.1.1生物碱的定义

生物碱(alkalaloids)是存在于生物界的一类含氮天然有机化合物，多数具有复2.1.2生物碱的理化性质

[1,10,11-13]，我们了解到绝大多数生物碱由c,H,o,n等元等元素。多数生物碱呈结晶性固体，少数是液体。

生物碱及其盐类的溶解度与其分子中n原子的存在形式、极性基团的存在及数目和溶剂等密切相关。绝大多数仲胺和叔胺生物碱具有亲脂性，溶于拥挤溶剂如甲醇、乙醇、丙酮、乙醚、苯和卤代烷类等，不溶于碱水中。

3生物碱的分析检测

3.1高效液相色谱仪

4本研究的基本思路和研究意义

本研究的基本思路是，通过一系列的分离和纯化手段，得到玛咖生物碱各组分的单体，然后通过化学合成手段大量合成各单体生物碱，从而为进一步研究玛咖生物碱的生理和药理特性，弄清其结构与特性之间的关系，打下基础。以便更好地开发与玛咖相关的医疗和保健药品及食品，使其更好地服务于人类，从某一方面达到保障人类健康的目的。

Xx学校本科生毕业论文（设计）文献综述评语

院（系）：xx院系

说明：成绩评定分优秀、良好、中等、及格、不及格

Xx学校本科生毕业论文（设计）开题报告书

院（系）：生命科学与工程学院

篇二：文献综述评价

文献综述分析

1.总体介绍：名称：数据挖掘综述作者：王光宏，蒋平发表年份：20XX/02分类号：iP311.13被引次数：314（截止到20XX/5/2121:30）下载次数：9916（截止到20XX/5/2121:30）作者机构：同济大学信息与控制系；上海200092刊名：同济大学学报（自然科学版），JournalofTongjiUniversity,编辑部邮箱，20XX年02期[给本刊投稿]摘要：从人工智能、统计分析和数据库技术3个方面对数据挖掘技术进行了总结；从模式识别的角度讨论了数据挖掘技术的主要任务，包括分类、聚类、回归、关联、序列和偏差6种模式的识别。详细介绍了数据挖掘技术的常用方法，包括模糊理论、粗糙集理论、云理论、证据理论、人工神经网络、遗传算法以及归纳学习。列举了当前数据挖掘技术的实际应用场合，并指出其今后的发展趋势以及急需关注的问题。关键词：数据挖掘；数据库中知识发现；人工智能；模式；基金：国家自然科学基金自助项目（60175028）

2.关于期刊：刊名：同济大学学报（自然科学版）主办：同济大学周期：月刊出版地：上海市语种：中文0253-374X：31-1267/n符合影响因子：1.036综合影响因子：0.530创刊时间：1956该刊被以下数据库收录：

ca化学文摘(美)(20XX)；Sa科学文摘(英)(20XX)；P*(aJ)文摘杂志(俄)(20XX)；Ei工程索引(美)(20XX)；cScd中国科学引文数据库来源期刊(美)(20XX-20XX年度)(含扩展版)核心期刊：中文核心期刊(20XX)；中文核心期刊(20XX)；中文核心期刊(20XX)；中文核心期刊(2000)；中文核心期刊(1996)；中文核心期刊(1992)

1

期刊荣誉：百年重点期刊；中科双百期刊；第二届全国优秀科技期刊

3.内容分析：

背景：计算机技术的发展使人们进入了信息爆炸时代，数据挖掘（datamining，dm）应运而生。

内容：

1）数据挖掘的概念

2）主要研究内容：根据模式特征，可将模式大致细分如下：分类模式(classification)、聚类模式(clustering)、回归模式(Regression)、关联模式(association)、序列模式（sequential)、偏差模式(deviation)。

3）数据挖掘的常用方法：

模糊(Fuzzy)方法、粗糙集（RoughSets)理论、云(cloud)理论、证据理论(EvidenceTheory)、人工神经网络(artificialneuralnetwork，ann)、遗传算法(geneticalgorithms,Ga)、归纳学习(inductionLearning)。

4）数据挖掘的实际应用

数据挖掘所能解决的典型商业问题有：客户关系管理(customerrelationmanagement，cRm)、数据库营销(databasemarketing)、客户群体划分(customerSegmentation&classification)、交叉销售(cross-selling)等市场分析行为，以及客户流失性分析(churnanalysis)、客户信用记分(creditscoring)及欺诈发现等等。

5）数据挖掘的发展趋势

美国已经开始研发一套名为“信息全面感知”(totalinformationawareness，Tia)的反恐怖主义信息监控系统，主要运用数据挖掘技术，搜集全球各地计算机使用者传递的信息，综合情报单位搜集能力，筛检可疑的线索与实证，及时发

出预警信息。

www为数据挖掘提供了丰富的数据资源，同时也是一个艰巨的挑战。webmining是一项复杂的技术，由于web数据挖掘比单个数据仓库的挖掘要复杂得多，因而面向web的数据挖掘成了一个难以解决的问题。而XmL(extensiblemarkuplanguage)的出现为解决web数据挖掘的难题带来了机会。

本文来源：https://www.2haoxitong.net/k/doc/656f3c4ba48da0116c175f0e7cd184254b351b80.html