实验室认可领域分类填报及相关说明
一、综述
为有效解决《实验室认可领域分类》（CNAS-AL06:2011）中重复交叉和缺失问题，在对《实验室认可领域分类》（CNAS-AL06:2011）应用进行充分调研和分析以及充分借鉴国外和境外认可机构实验室认可领域分类优势的基础上，CNAS对《实验室认可领域分类》（CNAS-AL06:2011）进行了改进和完善，形成了《实验室认可领域分类》（CNAS-AL06:20xx），以供实验室、评审员及CNAS秘书处工作人员使用。《实验室认可领域分类》（CNAS-AL06:20xx）主要特点如下：1、将检测实验室认可领域分类代码和校准实验室认可领域分类代码分开编制。
2、采用三级代码形式，其中每级代码用两位数字表示。
3、检测实验室认可领域分类代码中一级代码为行业，共分为：1（生物）、2（化学）、3（机械）、4（电气）、5（日用消费品）、6（植物检疫）、7（卫生检疫）、8（医疗器械）、9（兽医）、10（建设工程与建材）、11（无损检测）、12（电磁兼容）、13（特种设备及相关设备）、14（软件产品与信息安全产品）等14个一级代码；二级代码主要为检测产品；三级代码主要为检测参数/项目或检测方法。
4、校准实验室认可领域分类代码中一级代码为校准领域，共分为：1（几何量测量仪器）、2（热学测量仪器）、3（力学测量仪器）、4（声
学测量仪器）、5（电磁学测量仪器）、6（无线电测量仪器）、7（时间和频率测量仪器）、8（光学测量仪器）、9（化学测量仪器）、10（电离辐射测量仪器）、11（专用测量仪器（检测设备））等11个一级代码；二级代码主要为校准参量；三级代码主要为被校准的测量仪器/类别。
5、取消了《实验室认可领域分类》（CNAS-AL06:2011）中05（CCC认证产品），并对其中某些实验室认可领域分类代码进行了调整，在《实验室认可领域分类》（CNAS-AL06:20xx）中新增“日用消费品”和“软件产品和信息安全产品”两类一级代码。
6、为进一步确保实验室认可领域分类的完整性和齐全性，《实验室认可领域分类》（CNAS-AL06:20xx）中每级代码的最后都设置了“99 （其他）”代码，以便及时动态增加新的实验室认可领域分类代码。
为了便于各方使用《实验室认可领域分类》（CNAS-AL06:20xx），CNAS组织编制了《实验室认可领域分类填报及相关说明》，从适用对象、代码组成、代码特点、代码的填报、代码的诠释等五个方面对每个实验室认可领域分类分别进行了说明。
二、01（生物）填报及相关说明
1、适用对象
从事生物领域或相关领域产品检测的实验室，其检测项目/参数可以选用01（生物）代码进行填写。
2、代码组成
01（生物）代码由三级代码组成，其中，一级代码为学科（生物），二级代码为检测对象（产品），三级代码为检测方法、检测项目/参数或检测产品。
3、代码特点
（1）、旧版实验室认可领域分类代码中的0106（兽用制品的微生物检测）、0107（药物的微生物检测）、0101（人用药物及生物制品的检测）和0105（药物的无菌检测）并入新版实验室认可领域分类代码0104（药物和生物制品的微生物检测）和0114（其他材料的微生物检测）；旧版实验室认可领域分类代码中0116（对微生物的抗性）、0117（对昆虫的抵抗力）等并入新版实验室认可领域分类代码0110（对微生物的抗性）；旧版实验室认可领域分类代码中0108（杀虫剂的功效）并入新版实验室认可领域分类代码0107（杀虫剂和杀菌剂）。（2）、新版实验室认可领域分类代码中，简化和合并了生物产品及相关产品的代码划分，将旧版实验室认可领域分类代码中的0125（陆地生物）和0126（水生物）等纳入新版实验室认可领域分类代码的0103（水（包括污水）的生物环境）。
4、代码的填报
01（生物）代码的填报一般应填写至三级代码，特殊情况可填写至二级代码。现举例说明如下：
（1）、对于三级代码为检测方法时，实验室应填写对应的三级代码，例如：
（2）、对于三级代码为检测项目/参数时，如果以“全部项目/参数”或“部分项目/参数”形式申请认可，实验室应填写对应的二级代码；如果以“具体项目/参数”形式申请认可，实验室应填写对应的三级代码，例如：
5、代码的诠释
为确保实验室填报代码准确，对01（生物）代码进行诠释，见01（生物）代码表。
三、02（化学）填报及相关说明
1、适用对象
从事化学化工领域或相关领域产品检测的实验室，其检测项目/参数可以选用02（化学）代码进行填写。
2、代码组成
02（化学）代码由三级代码组成，其中，一级代码为学科（化学），二级代码为检测对象（产品），三级代码为检测方法、检测项目/参数或检测产品。
3、代码特点
（1）、旧版实验室认可领域分类代码中的水泥、混凝土等并入新版实验室认可领域分类代码10（建设工程与建材）；陶瓷和玻璃、橡胶、塑料、皮革、纺织品、纸张等并入新版实验室认可领域分类代码05（日用消费品）；摩托车并入新版实验室认可领域分类代码03（机械）；化学仪器的校准并入新版校准领域实验室认可领域分类代码；仪器设备根据设备检测特点并入相应新版实验室认可领域分类代码。（2）、新版实验室认可领域分类代码中，对石油产品及相关产品的代码进行了细化，将煤炭、石油蜡、烟草、饲料、农药、肥料、水、土壤、空气与废气等从旧版实验室认可领域分类代码的项目代码变为新版实验室认可领域分类代码的二级代码，并新增天然气、石油添加剂、钻井液、油田化学剂、染料、食品添加剂、消毒产品、环境的电离辐射和电磁辐射、电子电器产品有害物质、有机和无机化工产品及原料、化合物（结构分析）、同位素及放射性物质等二级代码。
4、代码的填报
02（化学）代码的填报一般应填写至三级代码，特殊情况可填写
至二级代码。现举例说明如下：
（1）、对于三级代码为检测方法时，如果申请同一标准中涉及多个方法，实验室应填写多个对应的三级代码，例如：
（2）、对于三级代码为检测项目/参数时，如果以“全部项目/参数”或“部分项目/参数”形式申请认可，实验室应填写对应的二级代码；如果以“具体项目/参数”形式申请认可，实验室应填写对应的三级代码，例如：
（3）、对于三级代码为检测产品时，如果以“全部产品或部分产品”形式申请认可，实验室应填写对应的二级代码；如果以“具体产品”形式申请认可，实验室应填写对应的三级代码，例如：
5、代码的诠释
为确保实验室填报代码准确，对02（化学）代码进行诠释，见02（化学）代码表。
四、03（机械）填报及相关说明
1、适用对象
从事金属材料、机床、通用机械零部件及设备、各行业机械设备、机动车、仪器仪表等机械领域或相关领域产品检测的实验室，其检测项目/参数可以选用03（机械）代码填写。
2、代码组成
03（机械）代码由三级代码组成，其中，一级代码为学科（机械），二级代码为检测产品类别，三级代码为检测产品或检测项目/参数。
3、代码特点
（1）、旧版实验室认可领域分类代码中的起重机械、压力容器产品并入新版实验室认可领域分类代码13（特种设备及相关设备）代码，木材、木制品、家具、纸张、玻璃及制品、塑料、橡胶、纺织品、皮革、玩具等并入新版实验室认可领域分类代码05（日用消费品）代码，清洁室和清洁工作站、建筑板材和胶合板、石膏制品等并入10
（建设工程与建材），生物安全舱并入新版实验室认可领域分类代码08（医疗器械）代码，粘合剂和密封剂等并入新版实验室认可领域分类代码02（化学）代码。删除了旧版实验室认可领域分类代码中人行地面等项目代码。
（2）、新版实验室认可领域分类代码中，对旧版实验室认可领域分类代码进行了归类汇总，将泵、压缩机、风扇等代码并入0310（通用机械与设备）；新增机床、农林机械、矿山机械、工程机械、轻工机械、石油化工机械等二级代码；属于机械领域通用检测的参数，如几何量检测、机械振动、机械噪声等，并入0307（通用零部件），该参数可与具体产品代码共同填报使用；0314（测量仪器（检测设备））仅限于检测领域，相关产品的计量校准参照校准领域代码。
4、代码的填报
03（机械）代码的填报一般应填写至三级代码，现举例说明如下：（1）、如果申请标准为方法标准，且无具体检测对象时，实验室应填写对应的检测方法的三级代码，例如：
山西大学研究生学位课程论文（2014 ---- 2015 学年第 2 学期） 学院（中心、所）：计算机与信息技术学院 专业名称：计算机应用技术 课程名称：自然语言处理技术 论文题目：文本分类综述 授课教师（职称）：王素格（教授） 研究生姓名：刘杰飞 年级：2014级 学号：201422403003 成绩： 评阅日期： 山西大学研究生学院 2015年 6 月2日
文本分类综述 摘要文本分类就是在给定的分类体系下,让计算机根据给定文本的内容，将其判别为事先确定的若干个文本类别中的某一类或某几类的过程。文本分类在冗余过滤、组织管理、智能检索、信息过滤、元数据提取、构建索引、歧义消解、文本过滤等方面有很重要的应用。本文主要介绍文本分类的研究背景,跟踪国内外文本分类技术研究动态。介绍目前文本分类过程中的一些关键技术，以及流形学习在文本分类中降维的一些应用。并且讨论目前文本分类研究面临的一些问题,及对未来发展方向的一些展望。 关键词文本分类；特征选择；分类器；中文信息处理 1.引言 上世纪九十年代以来，因特网以惊人的速度发展起来，到现在我们进入大数据时代互联网容纳了海量的各种类型的数据和信息，包括文本、声音、图像等。这里所指的文本可以是媒体新闻、科技、报告、电子邮件、技术专利、网页、书籍或其中的一部分。文本数据与声音和图像数据相比，占用网络资源少，更容易上传和下载，这使得网络资源中的大部分是以文本（超文本）形式出现的。如何有效地组织和管理这些信息,并快速、准确、全面地从中找到用户所需要的信息是当前信息科学和技术领域面临的一大挑战。基于机器学习的文本分类系统作为处理和组织大量文本数据的关键技术,能够在给定的分类模型下，根据文本的内容自动对文本分门别类，从而更好地帮助人们组织文本、挖掘文本信息，方便用户准确地定位所需的信息和分流信息。 利用文本分类技术可以把数量巨大但缺乏结构的文本数据组织成规范的文本数据,帮助人们提高信息检索的效率。通过对文本信息进行基于内容的分类,自动生成便于用户使用的文本分类系统,从而可以大大降低组织整理文档耗费的人力资源,帮助用户快速找到所需信息。因此文本分类技术得到日益广泛的关注，成为信息处理领域最重要的研究方向之一。 2.文本分类技术的发展历史及现状 2.1文本分类技术发展历史 国外自动分类研究始于1950年代末，早期文本分类主要是基于知识工程，通过手工定义一些规则来对文本进行分类，这种方法费时费力，还需要对某一领域有足够的了解，才能提炼出合适的规则。H.P.Luhn在这一领域进行了开创性的研究，他将词频统计的思想用于文本分类中。这一时期，主要是分类理论的研究，并将文本分类应用用于信息检索。在这一段时期，提出了很多经典文本分类的数学模型。比如1960年Maron在Journal of ASM上发表了有关自动分类的第一篇论文“On relevance Probabilitic indexing and informarion retriral”，这是Maron和Kuhns提出概的率标引(Probabilitic indexing )模型在信息检
实验室种类 特性划分 按实验室特性划分可分为干性实验室与湿性实验室、主实验室与辅助实验室、常规实验室与特殊实验室与危险性实验室。 一、干性实验室与湿性实验室 干性实验室是指精密仪器室、天平室、高温室等不使用或较少使用水的实验室。湿性实验室是指进行样品处理、容量分析、离心、沉淀、过滤等常规实验而需要配备给排水的实验室。 二、主实验室与辅助实验室 1、主实验室 主实验室是指进行分析、研究等核心实验的主要实验室，如精密仪器室等。 2、辅助实验室 辅助实验室是指为实现核心实验的辅助性实验室，如天平室、高温室、样品室等。 三、常规实验室与特殊实验室 1、常规实验室 常规实验室是指无压差及净化要求的普通化学实验室、生物试验室及物理实验室。2、特殊实验室 特殊实验室是指洁净实验室、防静电实验室、恒温恒湿实验室、移动实验室等满足特殊需要的实验室。特殊实验室还包括生物安全实验室、辐射性实验室、易燃易爆危险品实验室等对人或环境有潜在危险性的实验室。 学科划分 按学科划分可分为化学实验室、生物实验室、物理实验室。 一、化学实验室 化学实验室主要从事无机化学、有机化学、高分子化学等领域的研究、分析和教学工作。一般包括理化实验室、精密仪器室、天平室、标液室、药品室、储藏室、高温室、纯水室等。 这主要是进行样品处理、容量分析、离心、沉淀、过滤等常规实验和操作或仪器分析等。
二、生物实验室 生物实验室分为动物学实验室、植物学实验室和微生物实验室。 1、动物学实验室 动物学中常见的毒理实验是从生物学角度研究化学物质对生物机体的损害作用及其机制，其实验室是进行毒性鉴定、安全性评价和功能机制的检验和研究场所，包括普通动物实验室和洁净动物实验室，一般由前区、饲养区、动物实验室、辅助区组成。 2、植物学实验室 植物学实验室主要进行植物解剖、制片染色、细胞化学成分的测定，微生物检测、基因的分离纯化、体外扩增技术、蛋白质定量测定、电泳分析等实验。 3、微生物实验室 微生物实验室分为病原微生物实验室和卫生微生物实验室。 （1）病原微生物实验室： 病原微生物实验室主要以病毒及细菌的鉴定和分类为主，实验室设计1~4 类病毒（菌），危害比较大，这种危害包括了对人的危害、对环境的危害，同时包括了对实验对象的危害。所以，病原微生物实验室应在特殊的实验室生物安全实验室中完成。 （2）卫生微生物实验室： 卫生微生物实验室主要以产品检测和检验为主，危害较小或无危害，实验室对象主要以食物、化妆品、空气和水等，重点注意的是环境对样品或样品之间的污染，所以卫生微生物实验室主要在洁净实验室中完成。 三、物理试验室 物理试验室包括电学实验室、热学实验室、力学实验室、光学实验室、综合物理实验室等。 行业划分 按行业划分可分为疾病预防控制中心实验室、出入境检验检疫系统实验室、产品质量检验机构实验室、农产品检验机构实验室、药品检验机构实验室、医学检验机构实验室、分析测试中心实验室、科研孵化器实验室、公安系统实验室、水质检验实验室、环境检测实验室、核电系统实验室、教学系统实验室、工厂实验室等。 虽然行业实验室根据其行业特性有不同的名称，其实都离不开干性实验室或湿性实验室的范畴，属于化学实验室、生物实验室或物理实验室。 成都思博特实验室设计装修，为您服务。
基于机器学习算法的文本分类方法综述 摘要：文本分类是机器学习领域新的研究热点。基于机器学习算法的文本分类方法比传统的文本分类方法优势明显。本文综述了现有的基于机器学习的文本分类方法，讨论了各种方法的优缺点，并指出了文本分类方法未来可能的发展趋势。 1.引言 随着计算机技术、数据库技术，网络技术的飞速发展，Internet的广泛应用，信息交换越来越方便，各个领域都不断产生海量数据，使得互联网数据及资源呈现海量特征，尤其是海量的文本数据。如何利用海量数据挖掘出有用的信息和知识，方便人们的查阅和应用，已经成为一个日趋重要的问题。因此，基于文本内容的信息检索和数据挖掘逐渐成为备受关注的领域。文本分类(text categorization，TC)技术是信息检索和文本挖掘的重要基础技术，其作用是根据文本的某些特征，在预先给定的类别标记(label)集合下，根据文本内容判定它的类别。传统的文本分类模式是基于知识工程和专家系统的，在灵活性和分类效果上都有很大的缺陷。例如卡内基集团为路透社开发的Construe专家系统就是采用知识工程方法构造的一个著名的文本分类系统，但该系统的开发工作量达到了10个人年，当需要进行信息更新时，维护非常困难。因此，知识工程方法已不适用于日益复杂的海量数据文本分类系统需求[1]。20世纪90年代以来，机器学习的分类算法有了日新月异的发展，很多分类器模型逐步被应用到文本分类之中，比如支持向量机(SVM，Support Vector Machine)[2-4]、最近邻法(Nearest Neighbor)[5]、决策树(Decision tree)[6]、朴素贝叶斯(Naive Bayes)[7]等。逐渐成熟的基于机器学习的文本分类方法，更注重分类器的模型自动挖掘和生成及动态优化能力，在分类效果和灵活性上都比之前基于知识工程和专家系统的文本分类模式有所突破，取得了很好的分类效果。 本文主要综述基于机器学习算法的文本分类方法。首先对文本分类问题进行概述，阐述文本分类的一般流程以及文本表述、特征选择方面的方法，然后具体研究基于及其学习的文本分类的典型方法，最后指出该领域的研究发展趋势。 2．文本自动分类概述 文本自动分类可简单定义为：给定分类体系后，根据文本内容自动确定文本关联的类别。从数学角度来看，文本分类是一个映射过程，该映射可以是一一映射，也可以是一对多映射过程。文本分类的映射规则是，系统根据已知类别中若干样本的数据信息总结出分类的规律性，建立类别判别公式或判别规则。当遇到新文本时，根据总结出的类别判别规则确定文本所属的类别。也就是说自动文本分类通过监督学习自动构建出分类器，从而实现对新的给定文本的自动归类。文本自动分类一般包括文本表达、特征选取、分类器的选择与训练、分类等几个步骤，其中文本表达和特征选取是文本分类的基础技术，而分类器的选择与训练则是文本自动分类技术的重点，基于机器学习的文本分来就是通过将机器学习领域的分类算法用于文本分类中来[8]。图1是文本自动分类的一般流程。
表述说明 1目的和适用范围 为提高机动车检测领域实验室项目申请、现场评审的一致性和有效性，进一步规范该领域检测能力表述，促进CNAS认可结果更好地为相关方所理解和接受，CNAS秘书处对机动车检测领域认可能力范围表述给予说明。 本文件适用于机动车检测领域实验室认可项目申请、现场评审，以及实验室认可证书（附件）的能力范围表述。 本表述说明及其附录以汽车示例，摩托车、拖拉机和农用运输车等产品可参照使用。 2 能力范围表述要求 2.1检测对象 根据汽车及汽车零部件产品检测的特点，将检测活动归类描述为整车、专用车、部件（包括发动机部件、底盘部件、车身附件、汽车电器及灯具等）、汽车用材料与制品等四大类。具体检测对象应依据实验室的实际开展的检测活动的范围填写“载货汽车”、“专用汽车”等（如表1.1所示），对汽车零部件产品，可在归类描述的基础上细分为具体的产品名称，如底盘零部件细分为变速箱、离合器、桥、传动轴、车轮、转向系统等，车身、车身附件细分为座椅、安全带及固 定点、后视镜、喇叭、燃油箱、制动软管等。（如表1.2所示）
表1.1 检测对象和项目/参数描述示意 表1.2 单一检测范围的检测对象描述示意 2.2项目/参数 2.2.1 由于汽车及汽车零部件的检测项目多且各项目之间检测方法差异较大，因此通常情况下“项目/参数”栏目应填写具体的检测项目和参数，而不宜笼统的填写为“全部参数”“部分参数”； 2.2.2 如检测对象为单一的产品名称，检测标准与该产品完全对应，“项目/参数栏”可采用“全部参数”、“部分参数”的描述方式予以简化。当表述为“部分参数”时，“限制范围”应明确“只测”或“不测”的内容。如表1.3所示。
CNAS-AL09 医学实验室认可领域分类Scopes for the Accreditation of Medical Laboratories 中国合格评定国家认可委员会 二〇一五年六月
医学实验室认可领域分类 前言 为符合医学实验室能力表述习惯，并与我国卫生行业主管部门制定的医学实验室专业领域分类与代码保持一致，本文件采用中华人民共和国卫生行业标准《临床检验项目分类与代码》（草案）；本文件将随着该标准的变化而修订。 1.范围 本文件提供了临床检验项目的分类与代码。 本文件适用于各医学实验室，包括与临床检验有关的仪器设备、试剂等生产企业实验室等。 2．编码方法 2．1 本文件主要按五类细则进行编码，包括：分析物编码、识别编码、材料编码、测定法编码、结果识别编码。编码后每个检测项目由17位符号组成。若某一项目 无须使用某编码时，则用相应位数的“0”代替。 2．1．1分析物编码使用细则：分为八大类，用一位阿拉伯数字表示，每大类下中分类用大写英文字母表示，如A，B，C…Z，每中分类下的检查项目用三位阿拉伯数字 表示。 2．1．2识别编码使用细则：用四位阿拉伯数字表示。 2．1．3材料编码使用细则：用三位阿拉伯数字表示。 2．1．4测定法编码使用细则：用三位阿拉伯数字表示。 2．1．5结果识别编码使用细则：用二位阿拉伯数字表示。 2．1．6每组编码使用细则内均适当留有空码，以备增加或调整类目的需要。 2．1．7编码结果示意图： 1 2 3 4 5 结果识别编码 测定法编码 材料编码 识别编码 分析物编码 3．细则说明 3．1分析物编码使用细则 分析物编码，作为编码系统的主体，应依据下述分类标准进行排列，第Ⅰ数列表示某一大类检验项目的编码名称，第Ⅱ数列表示在大分类下某类检验项目的中分类编码，第Ⅲ数列表示对应于某分类编码的各个检查项目。
文本分类概述
第一章绪论 1.1研究背景 当今的时代，是一个信息技术飞速发展的时代。随着信息技术的飞速发展，科学知识也在短时间内发生了急剧的、爆炸性的增长。 据1998年的资料显示[1]，70年代以来，全世界每年出版图书50万种，每一分钟就有一种新书出版。80年代每年全世界发表的科学论文大约500万篇，平均每天发表包含新知识的论文为1.3万-1.4万篇；登记的发明创造专利每年超过30万件，平均每天有800-900件专利问世。近二十年来，每年形成的文献资料的页数，美国约1,750亿页。另据联合国教科文组织所隶属的“世界科学技术情报系统”曾做的统计显示，科学知识每年的增长率，60年代以来已从9.5％增长到10.6％，到80年代每年增长率达12.5％。据说，一位化学家每周阅读40小时，光是浏览世界上一年内发表的有关化学方面的论文和著作就要读48年。而2005年的资料显示[2]，进入20世纪后全世界图书品种平均20年增加一倍，册数增加两倍。期刊出版物，平均10年增加一倍。科技文献年均增长率估计为13％，其中某些学科的文献量每10年左右翻一番，尖端科技文献的增长则更快，约2-3年翻一番。 同时，伴随着Internet的迅猛发展，网站和网页数也在迅速增长，大约每年翻一番。据估计，目前全世界网页数已高达2000亿，而Google宣称其已索引250亿网页。在我国，中国互联网络信息中心从2001年起每年都对中文网页总数作统计调查，统计结果显示，中文网页总数已由2001年4月30日的 159,460,056个发展到2005年12月31日的24亿个，增长之快可见一斑[3,4]。
司法鉴定机构/实验室领域分类仪器设备配置要求（征求意见稿）一、法医类 （一）法医病理鉴定 表1.1 序号项目场所仪器配置单位配置类型备注 01 死亡原因鉴定 01机械性窒息尸 体检验 02新生儿尸体检 验 03中毒尸体检验 04机械性损伤尸 体检验 05猝死尸体检验 06道路交通事故 尸体检验 07电击死尸体检 验 08烧死尸体检验 09冻死尸体检验 10涉及医患纠纷 尸体检验 尸体解剖室 尸体解剖台台必备 应有可使用的尸体解剖室 解剖、测量器械台必备 照明及消毒系统套必备 进排水系统套必备 照相设备台必备 抽送风系统套选配 录像设备台必备 组织器官取材、储 存室 取材台（含取材器械）台必备 须配置组织器官储存室 进排水系统、照明及消毒系统套必配 组织器官固定存放桶套必备 器官标本存放装置个必备 抽送风系统套选配 录像设备台选配 病理切片制片室 切片设备台必备 死因鉴定过程中需进行组 织病理学检验的，应有可 使用的病理切片制片室 脱水设备台必备 包埋设备台必备 染色设备台必备 病理切片诊断室 生物显微镜（放大倍数：40×～400×）台必备 须配置病理切片诊断室 多人共览显微镜台选配 图像采集/拍摄系统台选配 图像处理系统台选配 病理切片全息图像扫描仪台选配
序号项目场所仪器配置单位配置类型备注 切片、蜡块存放室（柜）切片存放柜个必备须配置切片、蜡块存放室 （柜） 蜡块存放柜个必备 运尸工具运尸车（包括担架、尸体存放舱等）台选配 法医病理鉴定技术支持毒物分析实验室 具备挥发性毒物（含乙醇）、气体类毒 物（含CO）、毒品（阿片类、苯丙胺类、 大麻类）、有毒药物、有毒植物、动物、 杀虫剂、杀鼠药、除草剂、金属毒物和 无机毒物检测仪器设备 间必备 死因鉴定项目应有可使用 的满足本配置标准要求的 毒物分析实验室 影像学检查室X线机、螺旋CT 间选配 DNA同一认定实 验室 具备血痕、毛发、肌肉、精斑、甲醛固 定后组织、组织蜡块、组织切片的DNA 同一性比对设备 间选配 02 03 死亡方式判断 致伤物判断 尸体解剖室同死亡原因鉴定 必要时使用组织病理学实 验室或影像学实验室
人身防护 ?头部防护 安全帽 | 防护屏 | 无纺布帽 | 无尘头套 ?足部防护 防化靴 | 防静电鞋（靴） | 高/低温防护鞋 ?身体防护 防化服 | 医用防护服 | 防静电服 | 防辐射服 |防尘服 ?手部防护 防切割手套 | 耐高温手套 | 防寒手套 | 乳胶手套| 防酸碱手套 ?视听防护 防护眼罩 | 防噪耳塞 | 防护眼镜 ?呼吸防护 面具 | 口罩 | 呼吸器 | 呼吸防护配件 实验室通用设备 ?纯化设备 纯水机 | 蒸馏器 | 浓缩仪 | 纯化仪 | 其他 ?粉碎设备 粉碎机 | 研磨机 | 球磨机 | 其他 ?运输储存 运输箱 | 采样箱 | 液氮罐 | 储存盒 | 其他 ?分离萃取 离心机 | 萃取设备 | 过滤装置 | 其他 ?制样消解 消解仪 | 合成仪 | 制样机 | 处理机 ?消杀应急 应急箱 | 洗眼器 | 消毒器 | 清洗机 | 其他 ?加热干燥 烘箱 | 马弗炉 | 加热板 | 加热循环器 |干燥仪/干燥箱 ?制冷恒温 冷干机 | 超低温冰箱 | 水浴/恒温器 |冷却水循环机 | 冷水机/制冰机测量计量 ?压力仪表 压力计 | 真空表 | 减压器 | 差压变送器 ?计量仪表 计时器 | 计数器 | 激光干涉仪 ?测量仪器 流速仪 | 温度计 | 水位测定仪 | 三维扫描仪
?天平衡量 精密天平 | 分析天平 | 大量程天平 | 微量天平 环境测试 ?水质分析仪器 COD测定仪 | BOD测定仪 | TOC测定仪 |红外测油仪 | 总硫分析仪 | 总氯测定仪 |污泥检测仪 | 污水采样器 | 水质分析仪 |水分分析仪 | 总氮测定仪 | 氰化物测定仪 |流动分析仪 | 溶解氧分析仪 | 总磷测定仪 |紫外荧光测油仪 | 大肠杆菌测定仪 ?气体监测仪器 采样器 | 气溶胶 | 测氨仪 | 粉尘测定仪 |臭氧分析仪 | 烟气分析仪 | 气体采样器 |尘量分析仪 | 粉尘采样器 | 甲醛检测仪 |烟尘采样器 | 气体稀释仪 | 热解吸仪 | 测氧仪| 酸雨自动采样器 | 汽车尾气监测仪 |大气污染监测仪 ?辐射测量仪器 测氡仪 | 辐射仪 | 场强仪 | 放射温度计 ?其他测试仪器 分析仪器 ?色谱光谱 色谱仪 | 电泳仪 | 光谱仪 ?质谱波谱 质谱仪 | 质谱联用仪 ?显微镜 普通显微镜 | 功能显微镜 | 激光共聚焦显微镜 |扫描探针显微镜 | 显微镜附件 ?X射线仪器 X射线衍射仪 | X射线荧光光谱仪 |X射线荧光分析仪 | X射线能谱仪手持式 ?元素分析仪 测汞仪 | 定氮仪 | 氧氮分析仪 | 硫氮分析仪 |碳硫分析仪 | 定氢分析仪 ?水分测定仪 通用水分测定仪 | 多功能水分测定仪 |卡氏水分测定仪 | 电解水分测定仪 ?电化学仪器 电导仪 | 库仑仪 | PH计（酸度计） |伏安极谱仪 | 电位分析仪 | ORP分析仪 |石英晶体微天平 | 自动样品进样器 | 滴定仪 |离子计 | 电化学工作站 | 等离子共振仪 ?热分析仪器 热膨胀仪 | 热导仪 | 熔点仪 | 热机械分析仪 |同步热分析仪 | 差热分析仪 | 热重分析仪 |热分析联用仪 | 差示扫描量热仪 |氧化稳定性测定仪 物性测试 ?试验机/试验箱 试验机 | 平衡机 | 硬度计 | 引伸计 | 试验箱 |万能试验机
第一章绪论 1.1研究背景 当今的时代，是一个信息技术飞速发展的时代。随着信息技术的飞速发展，科学知识也在短时间内发生了急剧的、爆炸性的增长。 据1998年的资料显示[1]，70年代以来，全世界每年出版图书50万种，每一分钟就有一种新书出版。80年代每年全世界发表的科学论文大约500万篇，平均每天发表包含新知识的论文为1.3万-1.4万篇；登记的发明创造专利每年超过30万件，平均每天有800-900件专利问世。近二十年来，每年形成的文献资料的页数，美国约1,750亿页。另据联合国教科文组织所隶属的“世界科学技术情报系统”曾做的统计显示，科学知识每年的增长率，60年代以来已从9.5％增长到10.6％，到80年代每年增长率达12.5％。据说，一位化学家每周阅读40小时，光是浏览世界上一年内发表的有关化学方面的论文和著作就要读48年。而2005年的资料显示[2]，进入20世纪后全世界图书品种平均20年增加一倍，册数增加两倍。期刊出版物，平均10年增加一倍。科技文献年均增长率估计为13％，其中某些学科的文献量每10年左右翻一番，尖
端科技文献的增长则更快，约2-3年翻一番。 同时，伴随着Internet的迅猛发展，网站和网页数也在迅速增长，大约每年翻一番。据估计，目前全世界网页数已高达2000亿，而Google宣称其已索引250亿网页。在我国，中国互联网络信息中心从2001年起每年都对中文网页总数作统计调查，统计结果显示，中文网页总数已由2001年4月30日的159,460,056个发展到2005年12月31日的24亿个，增长之快可见一斑[3,4]。 从这些统计数字可以看出，我们被淹没在一个多么浩大的信息海洋里！然而信息的极大丰富并没有提高人们对知识的吸收能力，面对如此浩瀚的信息，人们越来越感觉无法快速找到需要的知识。这就是所谓的“信息是丰富的，知识是贫乏的”。 如何在这样一个巨大的信息海洋中更加有效的发现和使用信息以及如何利用这个信息宝库为人们提供更高质量和智能化的信息服务，一直是当前信息科学和技术领域面临的一大挑战。尽管用户对图像、音频和视频等信息资源的需求也在急剧增加，但文本仍然是最主要的非结构化和半结构化的信息资源。针对目前的出版物和网络信息大部分都以文本形式存在的状况，自动文本分类技术作为处理和组织大量文本数据
各实验室分类特点与设计 特性划分： 按实验室特性划分可分为干性实验室与湿性实验室、主实验室与辅助实验室、常规实验室与特殊实验室与危险性实验室。 一．干性实验室与湿性实验室 干性实验室是指精密仪器室、天平室、高温室等不使用或较少使用水的实验室。 湿性实验室是指进行样品处理、容量分析、离心、沉淀、过滤等常规实验而需要配备给排水的实验室。 二．主实验室与辅助实验室 1.主实验室 主实验室是指进行分析、研究等核心实验的主要实验室，如精密仪器室等。 2.辅助实验室 辅助实验室是指为实现核心实验的辅助性实验室，如天平室、高温室、样品室等。 三.常规实验室与特殊实验室 1.常规实验室 常规实验室是指无压差及净化要求的普通化学实验室、生物试验室及物理实验室。 2.特殊实验室 特殊实验室是指洁净实验室、防静电实验室、恒温恒湿实验室、移动实验室等满足特殊需要的实验室。特殊实验室还包括生物安全实验室、辐射性实验室、易燃易爆危险品实验室等对人或环境有潜在危险性的实验室。 学科划分： 按学科划分可分为化学实验室、生物实验室、物理实验室。 一.化学实验室 化学实验室主要从事无机化学、有机化学、高分子化学等领域的研究、分析和教学工作。一般包括理化实验室、精密仪器室、天平室、标液室、药品室、储藏室、高温室、纯水室等。这主要是进行样品处理、容量分析、离心、沉淀、过滤等常规实验和操作或仪器分析等。二.生物实验室 生物实验室分为动物学实验室、植物学实验室和微生物实验室。 1.动物学实验室 动物学中常见的毒理实验是从生物学角度研究化学物质对生物机体的损害作用及其机制，其实验室是进行毒性鉴定、安全性评价和功能机制的检验和研究场所，包括普通动物实验室和洁净动物实验室，一般由前区、饲养区、动物实验室、辅助区组成。
文本分类中的特征提取和分类算法综述 摘要：文本分类是信息检索和过滤过程中的一项关键技术，其任务是对未知类别的文档进行自动处理，判别它们所属于的预定义类别集合中的类别。本文主要对文本分类中所涉及的特征选择和分类算法进行了论述，并通过实验的方法进行了深入的研究。 采用kNN和Naive Bayes分类算法对已有的经典征选择方法的性能作了测试，并将分类结果进行对比，使用查全率、查准率、F1值等多项评估指标对实验结果进行综合性评价分析.最终，揭示特征选择方法的选择对分类速度及分类精度的影响。 关键字：文本分类特征选择分类算法 A Review For Feature Selection And Classification Algorithm In Text Categorization Abstract:Text categorization is a key technology in the process of information retrieval and filtering,whose task is to process automatically the unknown categories of documents and distinguish the labels they belong to in the set of predefined categories. This paper mainly discuss the feature selection and classification algorithm in text categorization, and make deep research via experiment. kNN and Native Bayes classification algorithm have been applied to test the performance of classical feature detection methods, and the classification results based on classical feature detection methods have been made a comparison. The results have been made a comprehensive evaluation analysis by assessment indicators, such as precision, recall, F1. In the end, the influence feature selection methods have made on classification speed and accuracy have been revealed. Keywords:Text categorization Feature selection Classification algorithm
生物安全实验室的分级、分类和技术指标SICOLAB 生物安全实验室的分级 一、生物安全实验室可由防护区和辅助工作区组成。 二、根据实验室所处理对象的生物危害程度和采取的防护措施，生物安全实验室分为四级。微生物生物安全实验室可采用BSL-1、BSL-2、BSL-3、BSL-4表示相应级别的实验室；动物生物安全实验室可采用ABSL-1、ABSL-2、ABSL-3、ABSL-4表示相应级别的实验室。生物安全实验室应按下图进行分级。 生物安全实验室的分级 生物安全实验室的分类 一、生物安全实验室根据所操作致病性生物因子的传播途径可分为a类和b 类。a类指操作非经空气传播生物因子的实验室；b类指操作经空气传播生物因子的实验室。b1类生物安全实验室指可有效利用安全隔离装置进行操作的实验室；b2类生物安全实验室指不能有效利用安全隔离装置进行操作的实验室。
二、四级生物安全实验室根据使用生物安全柜的类型和穿着防护服的不同，可分为生物安全柜型和正压服型两类，并可符合下图的规定。 四级生物安全实验室分类 生物安全实验室的技术指标： 一、二级生物安全实验室宜实施一级屏障和二级屏障，三级、四级生物安全实验室应实施一级屏障和二级屏障。 二、生物安全主实验室二级屏障的主要技术指标应符合表图一的规定。 三、三级和四级生物安全实验室其他房间的主要技术指标应符合表图二的规定。 四、当房间处于值班运行时，在各房间压差保持不变的前提下，值班换气次数可低于本规范表图一和图二中规定的数值。 五、对有特殊要求的生物安全实验室，空气洁净度级别可高于本规范表图一和图二的规定，换气次数也应随之提高。 如下： 图一.生物安全主试验室二级屏障的主要技术指标
实验室常见的水的种类 水是实验室内一个常常被忽视但至关重要的试剂。实验室用水有那些种类能达到什么级别。 1、蒸馏水(DistilledWater)： 实验室最常用的一种纯水，虽设备便宜，但极其耗能和费水且速度慢，应用会逐渐减少。蒸馏水能去除自来水内大部分的污染物，但挥发性的杂质无法去除，如二氧化碳、氨、二氧化硅以及一些有机物。新鲜的蒸馏水是无菌的，但储存后细菌易繁殖;此外，储存的容器也很讲究，若是非惰性的物质，离子和容器的塑形物质会析出造成二次污染。 2、去离子水(DeionizedWater)： 应用离子交换树脂去除水中的阴离子和阳离子，但水中仍然存在可溶性的有机物，可以污染离子交换柱从而降低其功效，去离子水存放后也容易引起细菌的繁殖。 3、反渗水(ReverseosmosisWater)： 其生成的原理是水分子在压力的作用下，通过反渗透膜成为纯水，水中的杂质被反渗透膜截留排出。反渗水克服了蒸馏水和去离子水的许多缺点，利用反渗透技术可以有效的去除水中的溶解盐、胶体，细菌、病毒、细菌内毒素和大部分有机物等杂质，但不同厂家生产的反渗透膜对反渗水的质量影响很大。 4、超纯水(Ultra-puregradewater)： 其标准是水电阻率为18.2MΩ-cm。但超纯水在TOC、细菌、内毒素等指标方面并不相同，要根据实验的要求来确定，如细胞培养则对细菌和内毒素有要求，而HPLC则要求TOC低。 注意事项
1、电阻率(electricalresistivity)： 衡量实验室用水导电性能的指标，单位为MΩ-cm，随着水内无机离子的减少电阻加大则数值逐渐变大，实验室超纯水的标准:电阻率为18.2MΩ-cm。 2、总有机碳(TotalOrganicCarbon，TOC)： 水中碳的的浓度，反映水中氧化的有机化合物的含量，单位为ppm或ppb。 3、内毒素(Endotoxin)：即热源。
第一章绪论 1.1 研究背景 当今的时代，是一个信息技术飞速发展的时代。随着信息技术的飞速发展，科学知识也在短时间内发生了急剧的、爆炸性的增长。 据1998 年的资料显示[1]，70年代以来，全世界每年出版图书50万种，每一分钟就有一种新书出版。80 年代每年全世界发表的科学论文大约500 万篇，平均每天发表包含新知识的论文为1.3万-1.4 万篇；登记的发明创造专利每年超过30万件，平均每天有800-900件专利问世。近二十年来，每年形成的文献资料的页数，美国约1,750 亿页。另据联合国教科文组织所隶属的“世界科学技术情报系统”曾做的统计显示，科学知识每年的增长率，60 年代以来已从9.5％增长到10.6％，到80年代每年增长率达12.5％。据说，一位化学家每周阅读40 小时，光是浏览世界上一年内发表的有关化学方面的论文和著作就要读48 年。而2005 年的资料显示[2]，进入20 世纪后全世界图书品种平均20年增加一倍，册数增加两倍。期刊出版物，平均10 年增加一倍。科技文献年均增长率估计为13％，其中某些学科的文献量每10 年左右翻一番，尖端科技文献的增长则更快，约2-3 年翻一番。 同时，伴随着Internet 的迅猛发展，网站和网页数也在迅速增长，大约每年翻一番。据估计，目前全世界网页数已高达2000 亿，而Google 宣称其已索引250 亿网页。在我国，中国互联网络信息中心从2001 年起每年都对中文网页总数作统计调查，统计结果显示，中文网页总数已由2001年4月30日的159,460,056 个发展到2005年12月31日的24亿个，增长之快可见一斑[3,4]。 从这些统计数字可以看出，我们被淹没在一个多么浩大的信息海洋里！然而信息的极大丰富并没有提高人们对知识的吸收能力，面对如此浩瀚的信息，人们越来越感觉无法快速找到需要的知识。这就是所谓的“信息是丰富的，知识是贫乏的”。 如何在这样一个巨大的信息海洋中更加有效的发现和使用信息以及如何利用这个信息宝库为人们提供更高质量和智能化的信息服务，一直是当前信息科学和技术领域面临的一大挑战。尽管用户对图像、音频和视频等信息资源的需求也
CNAS-AL09：201X《医学实验室认可领域分类》 （征求意见稿）修订说明 一、任务来源 医学实验室认可领域代码对于医学实验室认可能力的表述和评审员能力的识别、认可的信息化建设具有重要作用。随着ISO15189：2012的发布，“医学实验室”的范围也在不断拓展，当前使用的CNAS-AL09:2015《医学实验室认可领域分类》已不能完全满足新标准所中界定医学实验室范围的需求，具体来说，缺乏了分子生物学和遗传学专业、影像专业、医学生理学、医学物理学等专业，并且存在着项目过多，分类代码复杂（17位）等问题。基于以上需求，CNAS 于2015年启动了CNAS-AL09:2015的修订工作。经过多次讨论和研究，形成本征求意见稿。 二、修订工作组 本次修订工作组成员如下：
三、分类表格式 修订后的分类表的编写格式如下：
四、编写要求 1.项目编码 （1）编码位数 医学实验室认可项目的领域代码由6位组成。 项目编码中各字母和数字的含义如下： （2）专业类别 专业类别由A-Z代表，Z代表其它。 目前识别出的类别及编码见下，G-W为空，便于添加新识别出的专业类别。由不同科室交叉开展的项目或者检测手段单列出来作为一类，例如：分子诊断学（包括：病原体分子检测、分子病理、细胞遗传学等）、流式细胞学。 A检验医学
B输血医学 C病理学 D医学影像学 E医学生理学 F医学物理学 X 分子诊断学 Y 流式细胞学 Z其他 （3）专业领域 由字母A-Z代表，Z代表其它。举例：A 检验医学下面可细分为： AA临床血液学 AB临床体液学 AC 临床化学 AD临床免疫学 AE临床微生物学 （4）子领域 由字母A-Z代表，Z代表其它。参照《全国医疗服务价格项目规范（2012年版）》进行子领域分类。 （5）检验（检查）项目 由阿拉伯数字001-999代表，999代表其它。参照《医疗机构临床检验项目目录（2013年版）》。
生物试剂分类 欧阳家百（2021.03.07） 生物试剂（BR：Biological reagent） 涉及到化学试剂分类。 我国的试剂规格基本上按纯度（杂质含量的多少）划分，共有高纯、光谱纯、基准、分光纯、优级纯、分析和化学纯等7种。国家和主管部门颁布质量指标的主要优级纯、分级纯和化学纯3 种。 （1）优级纯（GR：Guaranteed reagent），又称一级品或保证试剂，99.8%，这种试剂纯度最高，杂质含量最低，适合于重要精密的分析工作和科学研究工作，使用绿色瓶签。 （2）分析纯（AR），又称二级试剂，纯度很高，99.7%，略次于优级纯，适合于重要分析及一般研究工作，使用红色瓶签。 （3）化学纯（CP），又称三级试剂，≥ 99.5%，纯度与分析纯相差较大，适用于工矿、学校一般分析工作。使用蓝色（深蓝色）标签。 （4）实验试剂（LR：Laboratory reagent），又称四级试剂。 除了上述四个级别外，目前市场上尚有： 基准试剂（PT：Primary Reagent）：专门作为基准物用，可直接配
制标准溶液。 光谱纯试剂（SP：Spectrum pure）：表示光谱纯净。但由于有机物在光谱上显示不出，所以有时主成分达不到99.9%以上，使用时必须注意，特别是作基准物时，必须进行标定。 纯度远高于优级纯的试剂叫做高纯试剂（≥ 99.99%）。 目前，国外试剂厂生产的化学试剂的规格趋向于按用途划分，常见的如下： 生化试剂（BC：Biochemical） 生物试剂（BR：Biological reagent） 生物染色剂（BS：Biological Stain） 络合滴定用（FCM：For Complexometry） 层析用（FCP：For chromatography purpose） 荧光分析（FIA） 微生物用（FMB） 显微镜用（FMP：For microscopic purpose） 合成用（FS：For synthesis） 气相色谱（GC：Gas chromatography） 高压液相色谱（HPLC：High Pressure Liquid chromatography） 指示剂（Ind：Indicator） 红外吸收（IR）
第34卷第3期2019年5月 内蒙古民族大学学报（自然科学版） Journal of Inner Mongolia University for Nationalities Vol.34No.3 May2019 基于卷积神经网络的文本分类研究综述 裴志利1，阿茹娜2，姜明洋2，卢奕南3 （1.内蒙古民族大学计算机科学与技术学院，内蒙古通辽028043；2.内蒙古民族大学数学学院，内蒙古通辽028000；3.吉林大学计算机科学与技术学院，吉林长春130012） ［摘要］随着互联网及其相关技术的高速发展，网络数据呈现出井喷式的增长，其中主要以文本的形式大量 存在，数据在这种增长趋势下，文本分类已经成为越来越重要的研究课题.如今，采用深度学习技术对文本进 行表示受到研究者的极大关注.如采用卷积神经网络对文档进行表示和分类等自然语言处理.本文主要对基 于卷积神经网络的文本分类方法进行了研究，介绍了几个具有代表性的卷积神经网络模型结构.最后提出了 对基于该方法文本分类的展望. ［关键词］卷积神经网络；文本分类；深度学习 ［中图分类号］TP393［文献标识码］A［文章编号］1671-0815（2019）03-0206-05 Survey of Text Classification Research Based on Convolutional Neural Networks PEI Zhi-li1，Aruna2，JIANG Ming-yang2，LU Yi-nan3 （1.College of Computer Science and Technology，Inner Mongolia University for Nationalities，Tongliao028043，China; 2.College of Mathematics，Inner Mongolia University for Nationalities，Tongliao028000，China; 3.College of Computer Science and Technology，Jilin University，Changchun130012，China） Abstract：With the rapid development of the Internet and related technologies，network data has shown a spurt growth trend，which mainly exists in the form of text.Under this growth trend，text classification has become an increasingly important research topic.The use of deep learning technology to express the text has received great attention.For example， natural language processing such as convolutional neural network is used to represent and classify documents.The text classification method based on convolutional neural network is investigated.Several representative convolutional neural network model structures are introduced.Finally，the prospect of text classification based on this method is proposed. Key wrrds：Convolutional neural network;Text classification;Deep learning 0引言 随着网络媒体的出现，用户生成的内容以飞快的速度填充数据资源，这些数据的自动处理引起了研究者的巨大关注.文本分类是自然语言处理领域的重要任务，包括情感分析、对话分析、文献综述、机器翻译等［1］.文本分类具有多种方法，传统的机器学习分类算法有支持向量机算法（Support Vector Machine，SVM）［2］、朴素贝叶斯算法（Naive Bayesian Classifier，NBC）［3］、决策树算法（Decision Tree，DT）［4］、K-最近邻算法（K-Nearest Neighbor，KNN）［5］等，采用传统算法文本分类时需要人工进行特征提取，耗费时间和精 基金项目：国家自然科学基金项目（61672301）；内蒙古自治区“草原英才”工程产业创新人才团队（2017）；内蒙古自治区科技创新引导奖励资金项目（2016）；内蒙古民族大学特色交叉学科群建设项目（MDXK004）；2019年度内蒙古自治区高等学校“青年科技英才支持计划”（NJYT-19-B18） 作者简介：裴志利，内蒙古民族大学计算机科学与技术学院教授，博士. DOI：10.14045/https://www.doczj.com/doc/a616236199.html,ki.15-1220.2019.03.005
中国合格评定国家认可委员会（CNAS）经过多年研究，2014年10月份经过检测机构试填、公示、修改等，终于近日正式发布了CNAS-AL06：2015版《实验室认可领域分类》表，于2015年1月1日实施，代替原2011版本。第三方检测频道（e_Testing）一直跟踪此次调整，并对新旧分类表、试填稿和正式发布稿进行了比较研读。 一、新旧标准转换期安排为一年 2016年1月1日前拟申请认可实验室应使用CNAS-AL06：2011版《实验室认可领域分类》表填报申请材料；2016年1月1日后拟申请认可实验室应使用CNAS-AL06：2015版《实验室认可领域分类》表填报申请材料。 二、分类更明细更完整 1、将检测实验室认可领域分类代码和校准实验室认可领域分类代码分开编制。 2、采用三级代码形式，一级代码为行业；二级代码主要为检测产品；三级代码主要为检测参数/项目或检测方法。 3、检测实验室认可领域分类一级代码行业17个减至14个，即1（生物）、2（化学）、3（机械）、4（电气）、5（日用消费品）、6（植物检疫）、7（卫生检疫）、8（医疗器械）、9（兽医）、10（建设工程与建材）、11（无损检测）、12（电磁兼容）、13（特种设备及相关设备）、14（软件产品与信息安全产品） 4、校准实验室认可领域分类代码中一级代码为校准领域，共分为：1（几何量测量仪器）、2（热学测量仪器）、3（力学测量仪器）、4（声学测量仪器）、5（电磁学测量仪器）、6（无线电测量仪器）、7（时间和频率测量仪器）、8（光学测量仪器）、9（化学测量仪器）、10（电离辐射测量仪器）、11（专用测量仪器（检测设备））等11个一级代码；二级代码主要为校准参量；三级代码主要为校准类别/仪器。