带核集分划问题的一个线性1／7近似算法

设有整数集Ｓ＝｛ｒ１，ｒ２；ｐ１，ｐ２，…，ｐｎ｝，这里ｒｉ≥０，ｐｊ＞０（ｉ＝１，２；ｊ＝１，２，…，ｎ），寻找一个Ｓ的最优分划Ｐ＝（Ｓ＊１，Ｓ＊２）使得：（１）ｒｉ属于不同子集，（２）Ｓ＊１与Ｓ＊２中元素总和较大者尽可能地小．这是一个ＮＰ－完备问题，本文给出一个线性时间近似算法，它的近似界为８７．     

土壤的光谱特征及氮含量的预测研究

应用近红外光谱分析技术(NIR)测定土壤参数具有快速、方便的特点.文章分析了不同含水率、不同颗粒大小的土壤样本在不同测试角、不同测试高度对土壤光谱的影响,并得到了不同含水率和不同粒径土壤的含氮量预测模型.研究了这些因素对含氮率测量的影响,分析了NIR技术在田间实地应用预测的可能性.研究表明,光谱仪在距土壤高度为100 mm,测试角为45°时,具有最大的吸光度.土壤粒径和含水率这2个参数明显影响,当粒径在0.5～5 mm变化时,含氮量预测相关系数r为0.81左右,当土壤粒径在＜0.25和＞5 mm模型的预测能力变差.当土壤样品呈天然潮湿状态时,氮的预测结果较差.而样品干燥以后,预测相关系数较高.为土壤原位光谱测试提供了依据.     

Uniform machine scheduling with machine available constraints

1.IntroductionIntheclassicalparallelmachineschedulingareaweassumethatmachinesarealwaysavailable.However,aspointedin[1],inrealindustrysettingsthisassumptionmaynotbetrue.Forexample,machinesmaynotalwaysbeavailablebecauseoftheirpreventivemaintenanceduringtheschedulingperiod.Thatistosay,eachmachineiisunavailablefromsibuntilrib(05sib5rib),where0SkSm,withmbeingthenumberofunavailabilityperiodsformachineiduringtheplanninghorizon.Inotherwords,somepapersstatethatmachinesareavailableintimewindows,whichi…     

CH2(X 3B1)自由基与O2的反应

用时间分辨富里叶红外发射谱仪（ＴＲ－ＦＴＩＲＳ）研究了ＣＨ２（Ｘ＾３Ｂ１）自由基与Ｏ２反应的通道及产物的振动动态布居，基电子态自由基ＣＨ２（Ｘ＾３Ｂ１）由３５１ｎｍ紫外激光光解ＣＨ２ＣＯ生成，观测到振动发态反应产物ＣＯ（ｖ≤１０），ＣＯ２（ｖ３≤７）ＯＨ（Ｈ２Ｏ）和Ｈ２ＣＯ的红外发射，证实存在生成Ｈ２ＣＯ的通道，由光谱拟合得到不同时刻ＣＯ（ｖ）和ＣＯ２（ｖ３）的相对振动布居，发现ｖ＝４能级的布居数     

可见/近红外光谱图像在作物病害检测中的应用

农作物病害严重影响了我国正常的农业生产,现代农业迫切需要快速、准确、高效的作物病害诊断方法。首先简单介绍了常用病害检测技术,如：聚合酶链式反应技术、人工感官判定技术、统计学方法等,这些方法或是比较费时、或是只能用于产生明显病斑后的病害诊断,而光谱技术在植物病害的快速检测方面有一定的潜力,目前已有大量的研究成果。主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论,讨论了该技术所涉及的仪器,并从细胞、植物组织、冠层及更大尺度层面分析了该技术在病害检测中的现况。目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象,而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少,特别是单细胞级别的病害研究,只在动物细胞领域展开,而且以荧光、拉曼、红外光谱为主。可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用,目前的研究已涉及了大部分的常见作物及其主要病害,包括真菌性、细菌性等各种病原引起的病害的检测。植物叶片尺度的研究主要从以下三个方面展开：(1）基于计算机图像处理和模式识别的病害信息自动快速判断;(2）基于化学计量学方法的高光谱或高光谱图像病害程度模型;(3）建立与作物病害有关的叶片某些理化参数的光谱模型,从而量化病害的程度。在植物叶片这一尺度相关研究的主要问题是：研究过于碎片化,往往只研究了某一种或少数几种病害,所建的模型只能用于特定实验条件,无法直接自动判断任意田间样本的染病种类与程度。在近地冠层尺度,植株的三维形态对光谱模型有较大的干扰,有文献表明以植株近地冠层2D图像作为病害检测数据,偏差较大,所建模型不稳定,基于卫星影像的病害模型较少。还讨论了常用光谱及光谱图像建模与分类方法。目前可见/近红外光谱在农作物病害方面有一定的应用潜力,但存在研究内容的不平衡、研究系统性不够、各学科合作研究不够深入等几大问题。最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作,并急需相关的仪器设备、方法模型方面的突破。     

基于热红外成像技术的油菜菌核病早期检测研究

将热红外成像技术和低空遥感技术相结合,基于冠层和叶片两个尺度对菌核病侵染油菜的过程进行检测研究。从冠层尺度分析,首先获取整株样本的温度值(平均温度与最大温差),并采集其生理指数(气孔导度、CO₂浓度、蒸腾速率及光合速率)。然后,将染病样本与健康样本的温度值进行判别分析,并对其进行单因素方差分析。从结果可知,平均温度和最大温差值都可以对染病样本与健康样本进行区分,且最大温差相较平均温度结果较明显。同时单因素方差分析也显示,最大温差三次检测中均存在显著性差异。对获取的生理指数进行分析,发现染病样本与健康样本之间可以通过生理指数进行明显区分。另外,将生理指数与叶片温度进行相关性分析,结果表明二氧化碳浓度与叶片温度之间的三次检测均存在显著性差异。基于叶片尺度,首先从单一叶片来看健康区域和染病区域的温度差异,可以明显区分出染病区域和健康区域的温度差异。然后,提取健康区域与染病区域的的温度值(最大温度、最小温度、平均温度以及最大温差)对进行对比分析,并对其进行单因素方差分析。结果表明,以上四个温度指标均可以区分叶片的染病区域和健康区域。但根据单因素方差分析结果可知,与冠层尺度相同,最大温差三次检测中均存在显著性差异,可以实现对油菜菌核病的早期识别。     

超临界二氧化碳光聚合制备可交联含氟聚合物颗粒及应用

通过自由基无规共聚和酰化反应两步法制备了两类侧链含丙烯酸酯双键的含氟低聚物,并通过调节反应物种类、配比和链转移剂用量,制备出一系列不同双键含量、氟含量的多官能度低聚物。以制备的含氟低聚物为原料,进行超临界二氧化碳光聚合制粒。聚合得到的含氟颗粒作为增强相,加入TPGDA光固化配方中,可实现颗粒与树脂的化学交联,显著提高基材的交联密度,改善疏水性,降低吸水率,并增强热稳定性。     

作物和杂草叶片的可见-近红外反射光谱特性

为了进行快速实时的杂草识别,研究了作物和杂草叶片的可见-近红外反射光谱特性.选择了两种常见的 田间作物大豆(Glycine max)和玉米(Zea mays),以及铁苋菜(Acalypha australis L.)和田字草(Marsilea quadrifolia L.)两种杂草作为研究对象.每种各30个样本.共120个样本.采用ASD Fieldspec便携式光谱仪进行光谱采集.在对400～1000 nm的光谱数据进行平滑和-阶求导预处理、.通过主成份分析.去除了一个奇异样本.最后用79个样本组成的建模集进行偏最小二乘法建模.对剩余的40个样本进行预测.预测模型结果的相关性达到0.986,识别率达到100%.说明研究中选用的作物和杂草叶片的可见-近红外反射光谱特性之19有较大的区别,町以用于 进行杂草和作物的区分.     

含电子相影响的多功能含能结构材料冲击压缩理论计算

为了更好地描述疏松态金属材料的冲击压缩特性,基于托马斯-费米原子统计模型,研究金属晶体中电子热行为对系统内粒子数、内能、压强等参数的影响,修改了描述疏松金属材料的Wu-Jing模型中的参数R的计算方法。结合混合物的冷能叠加原理,得到考虑电子相影响的疏松态混合物物态方程。并对不同配比的密实态W/Cu合金、不同疏松度的Al/Ni合金的典型多功能含能结构材料进行计算,获得其冲击压力-比容关系及冲击波速度-粒子速度关系,计算结果与实验结果吻合较好。结果表明,本文中模型对未反应条件下的金属材料冲击压缩特性预测较好;疏松材料的冲击压力-粒子速度关系并不呈现出密实材料的近似线性关系,其冲击压缩过程分为压实前和压实后2个明显的阶段;多功能含能结构材料的冲击压缩特性受材料孔隙率、材料配比等影响明显。     

竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害

基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法。首先获取380～1 023 nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%。研究进一步通过CARS和CA提取特征波长,分别得到5个(554, 694, 696, 738和880 nm)和4个(527, 555, 571和633 nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型。结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%。以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的。