局部Z-空间和Z-连续空间

对于一般广义子集系统Z,引入了局部Z-空间和Z-连续空间的概念,讨论了局部Z-空间的基本性质;基于收敛网,给出了局部Z-空间的等价刻画,证明了X为Z-连续空间当且仅当X为局部Z-空间。     

空中目标多波段红外辐射特性描述与仿真分析

针对空中目标在复杂背景下的探测需求,根据实际目标的运动特性,分析目标在飞行高度、飞行姿态角改变时的辐射特点,基于MODTRAN计算得到大气辐射和衰减数据,建立目标的三维模型、热辐射和反射模型,搭建空中目标的红外成像仿真系统.分析和仿真结果表明:在中波波段,目标尾焰的红外辐射比蒙皮强很多,在长波波段,蒙皮的红外辐射比较强,仿真图像的细节比较多,尾焰的红外辐射虽然有所减弱,红外成像效果依旧很好;相同探测条件下,由于位置越高大气越稀薄,探测器的可探测距离会变得比较远.目标红外辐射特性的分析和红外仿真系统的搭建对缩短红外探测器的研制周期和进一步确定探测器波段和系统分辨率等指标提供了参考依据.     

《数值流形法》序

得知郑宏教授的《数值流形法》即将脱稿,激动之情难以言表.我完全同意郑教授将流形法的特点归结为“升阶”和“切割”.受郑教授的委托,我愿在此将建立流形法的历程做一简单的回忆.其实早在1985年———也就是在我完成不连续变形分析法(DDA)之前,“升阶”在我心中已完全成熟.“升阶”似乎能取得一致收敛,弥补有限元只能按能量收敛的缺憾.我没有急于发表是因为一直没能想到令我满意的解决“不连续”的办法.起初曾想过在DDA块体上引入高阶多项式,或在块体上再划网格,也就是用分片多项式来提高DDA块体的变形精度.但我对这些方案都不甚满意,因为实际计算时多项式的阶数会受到限制,引入网格又会招致有限元既有的毛病——解的精度受控于网格质量.     

β衰变之谜简史

有关中微子的研究是现在物理学界的一个重要课题,也曾多次获得过诺贝尔物理学奖,然而这一切的起源却应归功于β衰变连续能谱的证实,β衰变连续能谱曾是困扰物理学界20多年的谜题,为了揭示这一谜题埃利斯和伍斯特做了大量的实验研究,然而他们的贡献却鲜为人知.     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

《气体物理》简介

《气体物理》由中国航天科技集团有限公司主管、中国航天空气动力技术研究院(主要主办单位)、中国宇航出版有限责任公司共同主办.国内统一连续出版物号为CN 10⁃1384/O3中文双月刊大16开.逢单月(一月、三月、五月、七月、九月、十一月)出版每年6期每期64页.     

可用于连续识别Cu^2+和阴离子、中性分子荧光探针的研究进展

铜(Cu)含量的高低直接影响着生命体的正常运转和自然体系的平衡.检测铜离子的方法多种多样,其中具有较高敏感度和选择性的荧光化学传感器应用更加广泛.综述了以Cu^2+为基的荧光化学传感器通过"替换"法实现了对阴离子S^2-, CN^-, H2PO4^-, PPi和I^-以及中性分子ATP、ADP和生物硫醇等的连续识别的研究进展.     

基于稳定一致波长优选的综纤维素近红外分析模型传递

以实现纸浆材综纤维素含量的近红外分析模型在3台不同型号光谱仪上共享为目标,提出SWCSS-UVE及SWCSS-CARS联用算法。即分别利用竞争性自适应重加权采样算法（CARS）和无信息变量剔除（UVE）算法,减少SWCSS方法中入选的无信息或信息少波长的不利影响,以提高模型转移精度,并与单独的SWCSS和分段直接标准化算法（PDS）以及斜率截距（S/B）算法校正后的传递结果进行比较。结果表明,通过SWCSS-UVE方法最终可从稳定一致光谱信号中进一步优选出91个波长建立模型,该模型能同时应用于2台从机所测量光谱的分析,预测标准偏差（RMSEP）分别从模型转移前的2.0114和9.4518下降到了1.5919与1.6818,优于SWCSS, SWCSS-CARS和PDS以及S/B算法的结果。这表明SWCSS-UVE算法可以有效剔除SWCSS方法中包含的无效波长,简化模型传递过程,提高模型传递效率和稳健性。