虫茧内的生命变化

 一只丑陋的毛虫躲进茧内变成美丽的蝴蝶,简直就是奇妙的魔术。最近科学家终于揭秘了毛虫的变身魔法。研究者利用高效电脑断层扫描机(医生采用同样的技术确定肿瘤和内伤的位置)监控小苎麻赤蛱蝶(一种在全世界分布最为广泛的蝴蝶之一)蛹内的情况。     

连续音素的改进深信度网络的识别算法*

为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法。首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络。接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调。最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别。在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%。     

新型Cd(Ⅱ)-MOF的合成及对4-硝基苯胺的高效识别

采用新型1,3,5-三(1H-苯并[d]咪唑-2-基)苯(TBB)配体及2,5-二羟基对苯二甲酸(H₂dhtp)线性配体, 以Cd(Ⅱ)离子为中心节点, 构筑了具有新型拓扑结构(unj)的手性金属-有机框架材料[Cd(TBB)(dhtp) ](配合物1). 该配合物具有较强的光致发光性能, 可分散在溶液中荧光检测硝基配合物等污染物. 其中, 4-硝基苯胺对配合物1具有高效的荧光猝灭能力, 检测限可低至0.145 mg/L, 并具有较好的选择性.     

具有三核Cd(Ⅱ)簇单元和螺旋链的脯氨酸类单一手性金属-有机框架材料的合成、 结构和性质

在溶剂热反应条件下, 使用含氮辅助配体1,4-二(4-吡啶基)苯(1,4-DPB)和半刚性脯氨酸衍生物配体(R)-5-(2-羧基吡咯烷-1-羰基)间苯二甲酸[(R)-H₃PIA]或(S)-5-(2-羧基吡咯烷-1-羰基)间苯二甲酸[(S)-H₃PIA]与Cd²⁺构筑了单一手性金属-有机框架材料[Cd_1.5((R)-PIA)(1,4-DPB)_1.5]·0.75H₂O·xGuest(1-D)和[Cd_1.5((S)-PIA)(1,4-DPB)_1.5]·0.75 H₂O·xGuest(1-L). 配合物1-D和1-L呈具有开放孔道的三维柱层式框架结构, 含有三核镉簇单元 Cd₃(CO₂)₆与两种螺旋链构建的波浪形Cd-PIA层. 分别对上述化合物进行了粉末X射线衍射、 热重分析、 圆二色谱和荧光光谱等测试. 测试结果显示配合物1-D和1-L都是以纯晶体的形式存在, 2种配合物的热失重曲线接近, 圆二色谱有明显的正负吸收峰, 符合其对映体的结构特征.     

LS-SVM的梨可溶性固形物近红外光谱检测的特征波长筛选

为提高梨可溶性固形物含量(soluble solids content,SSC)的近红外光谱模型的精度和稳定性,以160个梨样品为实验对象,分别对原始光谱、多元散射校正(MSC)和标准正态变量变换(SNV)处理后的光谱,经无信息变量消除算法(UVE)挑选后,再结合遗传算法(GA)和连续投影算法(SPA),筛选梨可溶性固形物的近红外光谱特征波长。将筛选后的波长作为输入变量建立梨可溶性固形物的最小二乘支持向量机(LS-SVM)模型。结果表明经过SNV-UVE-GA-SPA从全波段3112个波长中筛选出的30个特征波长建立的梨可溶性固形物LS-SVM模型效果最好,该模型的预测集相关系数(R_p)和预测均方根误差(RMSEP)分别为0.956和0.271。该模型简单可靠,预测效果好,能满足梨的可溶性固形物含量的快速检测,为在线检测和便携式设备开发提供了理论基础。     

最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究

冬小麦叶面积指数(leaf area index, LAI)是进行作物长势判断和产量估测的重要农学指标之一,高光谱遥感技术为大面积、快速监测植被LAI提供了有效途径。在探讨利用最小二乘支持向量机(least squares support vector machines, LS-SVM)方法和高光谱数据对不同条件下冬小麦LAI的估算能力。在用主成分分析法(principal component analysis, PCA)对PHI航空数据降维的基础上,利用实测LAI数据和高光谱反射率数据,构建LS-SVM模型,采用独立变量法,分别估算不同株型品种、不同生育时期、不同氮素和水分处理条件下的冬小麦LAI,并与传统NDVI模型反演结果对比。结果显示,每种条件下的LS-SVM 模型都具有比NDVI模型更高的决定系数和更低的均方根误差值, 即反演精度高于相应的NDVI模型。NDVI模型对不同株型品种、不同氮素和水分条件下冬小麦LAI估算精度不稳定,LS-SVM则表现出较好的稳定性。表明LS-SVM 方法利用高光谱反射率数据对于不同条件下的冬小麦LAI反演具有良好的学习能力和普适性。     

流形判别分析和支持向量机的恒星光谱数据自动分类方法

尽管经典的分类方法支持向量机SVM在天文学领域广泛应用,但其只考虑类间的绝对间隔而忽略类内的分布性状,因而分类性能有待于进一步提升。鉴于此,提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。该方法引入流形判别分析的两个重要概念：基于流形的类内离散度M_W和基于流形的类间离散度M_B。所提方法找到的分类面同时保证M_W最小且M_B最大。可建立相应最优化问题,然后将原最优化问题转化为QP对偶形式求得支持向量和判别函数,最后利用判别函数判断测试样本的类属。该方法的最大优势在于进行分类决策时,不仅考虑样本的类间信息和分布特征,而且还保持了各类的局部流形结构。SDSS恒星光谱数据上的比较实验表明该方法的有效性。     

薏仁种类的近红外光谱技术快速鉴别

薏仁是一种药食两用资源,对其品质快速鉴别的需求也越来越多,近红外光谱技术(near infrared spectroscopy,NIRS)作为一种快速、 无损且环保的方法正适合这一需求。 以不同产地和品种薏仁的近红外光谱为基础,结合化学计量学方法对薏仁种类进行鉴别。 对原光谱用无监督学习算法主成分分析(principal component analysis,PCA)和有监督学习算法学习向量量化(learning vector quantization,LVQ)神经网络、 支持向量机(support vector machine,SVM)进行定性判别分析。 由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近,所选两类薏仁的特征变量很相似,因而PCA得分图重叠严重,很难区分;而LVQ神经网络和SVM都能得到满意结果,LVQ神经网络的预测正确率为90.91%,SVM在经过惩罚参数和核函数参数优选后,分类准确率能达到100%。 结果表明：近红外光谱技术结合化学计量学方法可作为一种快速、 无损、 可靠的方法用于薏仁种类的鉴别,并为市场规范提供技术参考。     

离子交换对usf-ZMOF二氧化碳吸附能力影响的研究

合成了骨架带电的类沸石金属-有机骨架材料usf-ZMOF. 通过Li^＋离子交换将骨架中体积较大的有机阳离子用较小体积的无机阳离子取代, 利用X射线衍射(XRD)、扫描电子显微镜(SEM)、热重分析(TGA)等手段对离子交换前后的材料进行表征, 并对CO₂在其中的吸附性质进行了研究. 实验结果表明, Li^＋离子交换后材料的比表面积增加, CO₂吸附量也增加, 与分子模拟预测的结果一致.     

载人潜水器“蛟龙”号的水声通信信号处理

蛟龙号的水声通信机实现了世界上首次7000 m深度的潜器与母船间的图像、语音、数据和文字的水声通信传输。研究了适用于载人潜水器的水声通信信号处理。(1)它有4种通信功能:1)相干水声通信,传输速率为5~15 kbps,用于传输图像;2)非相干水声通信,传输速率300 bps,传输文字、指令和数据;3)扩频水声通信,传输速率16 bps,传输指令;4)水声语音通信,采用单边带调制技术传输语音。(2)相干水声通信信号处理方法主要是自适应多普勒补偿的多通道自优化判决反馈自适应均衡器,它与Turbo码级联工作,同时采用定长编码的小波图像压缩方法。(3)声呐线阵吊放至水中一定深度,实现空间分集合并技术。(4)太平洋水域试验表明,水声通信机的作用距离几乎覆盖了所有地球海洋的深度,7s或14s传输一幅光图或声图。