基于ABCD矩阵的楔形柱面光纤微透镜的耦合技术分析

运用激光模式耦合理论分析了半导体激光器与楔形柱面光纤微透镜的连接损耗,设计并制作了楔形柱面光纤微透镜用来实现两者的模斑匹配。运用ABCD矩阵方法,对该组件的耦合效率进行了仿真计算和分析,得到了高耦合效率下楔形柱面光纤微透镜的结构参数。该方法可有效地用于楔形柱面光纤微透镜的优化设计。     

LiAl5O8高压相变研究

 运用金刚石压砧同步辐射X射线衍射,对尖晶石结构的LiAl₅O₈进行了高压原位研究。实验发现：在高压下,一组LiAl₅O₈的新相衍射峰出现,随着压力的增加,其新相衍射峰逐渐增强,当压力增加到45.0 GPa时,LiAl₅O₈的低压相衍射峰全部消失,而形成了一组高压新相衍射峰。采用指标化程序对衍射数据进行处理和分析,确定这一高压新相为正交晶系结构,其晶胞参数为a=0.995 9 nm,b=0.644 7 nm,c=0.333 4 nm ,空间群为Pmm2。     

连续动力系统时间序列的非线性检验

用相位随机化的替代数据方法，研究了连续混沌动力系统时间序列的非线性检验判定.研究发现，在不同的采样情况下，混沌时间序列的非线性特性检验有所差异，尤其对于过采样时间序列，往往会出现虚假的判断结果.针对过采样时间序列，最好采用能够反映非线性特征的参数，作为检验统计量进行检验判断. 关键词： 替代数据 关联维数 连续时间序列 非线性检验     

基于稀疏重建的航空货运量模型研究

压缩感知(Compressed Sensing CS)理论广泛应用于应用数学、图像重建、信道估计以及谱估计等不同领域.在理论方面,依据压缩感知基本理论建立差分稀疏凸优化模型,并推导差分稀疏重建限制子空间特征值的稳定性条件;在应用方面,研究此模型在我国航空货运量建模与预测中的应用,以1998-2007年我国航空货运量的统计数据为基础,利用凸优化理论建立我国航空货运量的差分稀疏模型.通过拟合误差指标的详细比较可知:相对于灰色理论模型、回归分析模型,航空货运量的差分稀疏模型具有更高拟合精度.实验证明,差分稀疏理论可以为航空货运量的短期预测以及航空货运业调控提供有效理论支持.     

利用带无标签数据的双支持向量机对恒星光谱分类

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进,人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此,研究人员开始关注数据挖掘算法,并尝试对这些光谱进行数据挖掘。近年来,神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中,支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时,通过将其最优化问题转化为具有(QP)形式的凸问题,进而得到全局最优解。尽管该方法在实际应用中表现优良,但为了进一步提高其分类能力,有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开,每一类靠近某个分类面,而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍,因此,自TSVM提出后便受到研究人员的持续关注,并出现若干改进算法。在恒星光谱分类中,一般分类算法都是根据历史观测光谱来建立分类模型,其中最关键的是对光谱进行人工标注,这项工作极为繁琐,且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此,提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分;然后,在训练集上进行学习,得到分类依据;最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势,更重要的是,在训练集上学习分类模型过程中,不仅考虑有标记的训练样本,也考虑部分未标记的样本。一方面提高了学习效率,另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明,与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比,带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而,该方法亦存在一定的局限性,其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想,利用大数据处理技术,来对所提方法在大数据环境下的适应性展开进一步研究。     

不同窑口古代青瓷的产地特征的中子活化分析

产地属性是科学鉴别遗址和墓葬中出土的古陶瓷烧制产地的重要依据.用仪器中子活化（INAA）有损分析了浙江寺龙口越窑、江西洪州窑和陕西耀州窑出土的古瓷碎片样品,通过实验数据的统计分析,结果表明3个窑口古瓷的元素组成具有各自的特征,它们之间具有可以区分的依据,寺龙口越窑与南方江西洪州窑的制胎原料关系较近,与北方陕西耀州窑的关系较远.这些试验结果将为古陶瓷地研究提供重要参数.Provenance characteristic is an important scientific parameter to identify ancient porcelain wares unearthed from sites and graves.The porcelain samples of Si Long Kou kiln of Zhejiang Province,Hong Zhou kiln of Jiangxi Province and Yao Zhou kiln of Shanxi Province have been analyzed with neutron activation analysis(NAA) in this paper.The experimental data were studied with statistic methods.The results show that the chemical compositions of porcelain body samples for three kilns were different. The difference was been able identified. The body materials of both Si Long Kou Yue kiln and Hong Zhou kiln of Jiangxi were similar. The samples of Yao Zhou kiln in north of China existed obvious difference.     

基于高光谱成像的小麦白粉病与条锈病识别

小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375～1 017 nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550～680 nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。     

混凝土箱梁相似模型结构噪声对比分析*

为探讨混凝土箱梁噪声的时变特性,以京沪高铁32 m混凝土简支箱梁为原型,制作了1:10的缩尺模型,通过模态试验的方法验证箱梁模型与原型的相似关系,通过声学试验验证箱梁声学计算模型的正确性。然后,建立了箱梁缩尺模型与原型两种计算模型,利用有限元和边界元法求出两种模型的瞬态结构噪声。研究发现,箱梁缩尺模型与箱梁原型的材料参数满足一定关系,模型试验的方法能够验证箱梁模型与箱梁原型之间符合相似关系,箱梁模型的振动噪声测试结果能真实反映原型振动噪声水平。两种模型的结构噪声在时域内声压级及对应场点的声压存在一定相似关系。该研究可为箱梁缩尺模型结构噪声反演至箱梁原型提供依据,所采用的方法和得到的结果对桥梁结构振动与声辐射实验研究具有参考作用。     

拓扑向量空间中的几个锥广义凸映射

本文引进拓扑向量空间中的几个锥伪凸映射的概念,并且讨论了它们之间及其它的锥广义凸映射之间的关系,最后,给出一个显示各种关系的图表。     

低温预冷换热规律及表面改性影响研究

调研了低温管路预冷及两相换热的研究现状,阐述了低温预冷瞬态换热特性;介绍了金属表面改性对预冷规律的影响,仿真了低导热涂层管的预冷换热规律.研究发现:液氮预冷主要由膜态沸腾支配,且预冷耗时较长;液氢预冷未见膜态沸腾,预冷耗时更短.促进膜态沸腾向过渡沸腾的更早转化有利于预冷加速,且转化温度迁移可通过内壁表面结构改性实现,可...