深海富钴结核微区X射线荧光光谱分析和数据挖掘

西太平洋富钴结核是近年来新发现的海底固体矿产资源,富含Mn,Fe,Co,Ni和Cu等多种关键金属元素。富钴结核是一种非均质的地球化学和矿物学集合体,粒径约6 cm的结核在生长过程中记录了数千万年的海洋沉积历史,亟需高分辨率的分析技术揭示古海洋环境信息。采用微区X射线荧光光谱仪（μ-XRF）,对C3BC1704富钴结核开展多元素面扫描,获得了原位高分辨率多元素的信号强度数据,评价了μ-XRF技术在富钴结核中的应用质量。元素信号谱峰特征和数据频谱分布结果显示,富钴结核中Mn,Fe,Ti,Co,Ca和Ni等元素信号强度敏感,数据呈现相对较好的正态分布特征,可用于定量或半定量分析;Si,Cu和Al等元素信号较弱,数据呈现左偏的正态分布特征,建议相关数据仅作参考。μ-XRF获得的数据量庞大且彼此独立,本研究将不同元素连接成彼此关联的多维矩阵,实现了数据的位置信息和特征元素之间的数学运算和筛选,了解了金属元素的分布和变化特征,揭示了富钴结核生长过程的环境变化。结果显示,Mn和Fe等元素在生长层中波动剧烈,金属元素在富钴结核中的分布极不均匀,显示出多成因类型的交替微层和7个大的生长周期旋回。C3BC1704富钴结核主体暴露在海水中,金属元素主要来自海水,化学组成指示为典型的水成成因。进一步定量分析结果显示,Mn,Cu和Ni等元素含量从内部向外围呈现同步降低的趋势,Fe,Ti和Co等元素含量则呈现同步升高的趋势,这些特征指示早期偏向于成岩富集环境,晚期则以水成富集为主。富钴结核金属元素的分布和变化特征,清晰呈现了富钴结核的生长结构,揭示了富钴结核生长过程的环境变化,有利于富钴结核的成矿模型的构建。     

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。     

基于遥感和作物生长模型的多尺度冬小麦估产研究

粮食安全是社会和谐、政治稳定和经济可持续发展的重要保障。准确预测区域乃至全球的农作物产量能够为各级政府、相关部门制定农业农村政策提供技术支持,保障粮食安全。目前关于农作物估产的研究大多具有地域性、经验性,过分依赖地面实测数据,一种基于多光谱卫星遥感数据和作物生长模型估算农作物产量的模型框架SCYM（Scalable Crop Yield Mapper）能够极大地减少模型对实测数据的依赖,快速应用于不同空间尺度、不同种类作物的估产,为多尺度农作物估产研究提供了一条有效的途径。以安徽省2012年-2018年冬小麦为研究对象,通过总结前人研究确定的敏感参数及其在研究区内的波动范围,结合大量实割实测数据优化WOFOST（WOrld FOod STudies）模型参数;将模拟产量、不同时段的模拟叶面积指数(LAI)同遴选出的天气变量训练随机森林模型,并以最佳观测日期组合下的MODIS-LAI代替对应时段的模拟LAI进行产量估算。结果表明：（1）模型产量估算值与站点实测值的总体相关性为0.758（R2为0.575）,RMSE为790.92 kg·ha-1。精度较高的站点主要分布在淮北平原（<1%）而高误差区域集中于皖南丘陵地带（>40%）;（2）对2012年-2018年全省范围进行冬小麦估产,根据7年平均估产结果的空间分布,小麦单产由北向南逐渐减少,高值区出现在皖北的淮北平原,低值区主要分布于皖中、皖南地区;（3）2012年-2018年实测单产平均值为6 058.00 kg·ha-1,SCYM估算单产平均值为5 984.95 kg·ha-1,且估算产量与实测产量的年际时间序列的相关性为0.822,RMSE为189.96 kg·ha-1,每年估产的相对误差均不超过6%。研究表明SCYM估产框架对安徽省冬小麦产量估算具有一定的可行性,在产量预报方面效果良好。该方法能够在一定程度上改善以往估产模型存在的地域性、经验性问题,在区域尺度的应用方面具有极大的潜力,未来可为农业估产提供极其重要的理论依据和实用价值。     

基于IERT的非线性全光谱复杂水体定量分析算法研究

水是一种有限的资源,对农业、工业乃至人类的生存都是必不可少的,良好的水环境是可持续发展的重要保障。对水质信息的科学监测,是实现水资源优化配置与高效利用的基础。联合国环境署（UNEP）与世界卫生组织（WHO）指出,应当加强发展中国家的水质监测网络,包括数据质量的保证和分析能力的提高。光谱法作为一种新兴的水质分析方法,相比传统的化学水质监测方法,具有“响应速度快、多参数同步、绿色无污染”的特点。传统单波长、多波长的线性模型依赖于水体对特定波长的吸收特征,不适用于多组分混合溶液且普适性较差。因此,提出了一种基于IERT的非线性全光谱定量分析算法,建立适用于多组分混合溶液浓度预测模型,达到利用全光谱信息来预测浓度信息的目的。利用实验室配置的COD,BOD₅和TOC多组分混合溶液与NO₃-N、浊度、色度多组分混合溶液作为实验样本,使用光谱仪采集样本的光谱曲线,通过全光谱数据进行浓度预测实验,结果显示,对于COD,BOD₅和TOC多组分混合溶液,本算法对于三种组分的决定系数（R2）分别为0.999 3,0.991 4和0.999 3,均方根误差（RMSE）分别为0.024 4,0.057 7和0.000 4;对于NO₃-N、浊度、色度多组分混合溶液,决定系数（R2）分别为0.983 4,0.868 4和0.981 0,均方根误差（RMSE）分别为0.100 5,0.326 4和0.120 2。通过对比本算法与偏最小二乘（PLS）、支持向量机回归（SVR）、决策树（DT）、极端随机树（ERT）对于同一组数据的实验结果,表明：在两组多组分混合溶液的实验中,本算法对于其中各组分的决定系数（R2）均为最优,相比于其他对比算法均方根误差（RMSE）均有大幅减少。本算法可利用光谱信息对多组分混合溶液进行定量分析,在计算时间相当的情况下,可有效的提高浓度预测精度,减少定量分析的均方根误差,可为光谱法水质监测提供一种新的有效途径。     

多光谱成像无损识别冻融猪肉中危害级碎骨

冻融猪肉作为肉制品加工原料,被广泛应用于无骨肉制品加工。该原料中的危害级碎骨（1～2.5 cm）对后期加工及食用安全均有较大风险。因此,开展多光谱成像技术（405～970 nm）快速无损识别冻融猪肉中碎骨的可行性研究十分必要。将195块肉片制备成65个无骨肉样、65个碎骨表面嵌入式肉样和65个碎骨内部嵌入式肉样,经冻融处理后采集其多光谱图像;再利用经典判别分析（CDA）进行图像分割,获得两类感兴趣区域（ROIs-1和ROIs-2）,并提取相应光谱和图像信息;最后运用支持向量机（SVM）和神经网络（NN）建立冻融猪肉危害级碎骨识别模型。结果显示：ROIs-2全光谱比ROIs-1全光谱有更好的识别能力,SVM和NN模型的精度均为100%,表明区域分割与模型精度密切相关。基于连续投影算法（SPA）筛选出六个关键波长（505,590,700,850,890和970 nm）,所提取的ROIs-2特征光谱可实现样品碎骨高精度识别,准确率为100%,进一步提升了识别效率。利用图像信息既能建立优越的SVM和NN碎骨识别模型,准确率分别为93.8%和93.33%,又能实现结果可视化,体现出优良的技术优势,但精度低于光谱识别模型。综上所述,多光谱成像技术可实现冻融猪肉危害级碎骨的高精度识别,为工业在线检测提供理论基础。     

基于遗传算法-支持向量机的兔肝VX2肿瘤光谱鉴别

兔肝VX２肿瘤是一种快速生长的肿瘤模型,可以在多种器官如肝、肺、直肠等快速生长,常用于肿瘤研究。采用可见-近红外高光谱技术对四只兔子的兔肝VX２肿瘤和正常组织进行活体和离体的反射光谱检测,然后采用支持向量机分别实现了二分类(正常肝组织和肝VX2肿瘤组织)和四分类(未出血活体正常肝组织、未出血活体VX2肿瘤组织、出血离体正常肝组织和出血离体肝VX2肿瘤组织)。根据其光谱反射曲线的特征,选择了400～1 800 nm区间的数据为特征变量。为进一步提高分类准确率,分别采用5折交叉验证和遗传算法对支持向量机的核函数参数g和惩罚因子c进行了优化。其中5折交叉验证优化参数和分类结果为：二分类优化的惩罚参数c为4,核函数参数g为0.125 0,其校正集和预测集的准确率都达到了100%;四分类中优化出的参数c为8,g为0.121 1,其校正集和预测集的准确率分别达到了99.242 4%和93.333%。遗传算法优化参数和结果为：二分类中优化的参数c为0.845 6,g为0.062 5,其校正集和预测集的准确率同样都达到了100%;四分类中优化的参数c为5.5307,g为0.068 5,其校正集和预测集的准确率分别达到了99.242 4%和100%。结果显示两种优化方法都取得了很好的效果,遗传算法优化参数对四分类的分类更为精确。为进一步提升算法速度,采用间隔选取变量的方法来不断减少特征变量,最终每隔100 nm谱段选择一个变量,共选择14个谱段作为特征变量。采用遗传算法优化支持向量机参数并对其分类进行了研究,结果表明：二分类和四分类的校正集和预测集结果准确率均为99.242 4%,而且运行时间分别为11.4和20.0 s, 与选择全波段的运行时间：340.3和491.0 s相比, 说明多光谱技术可以进行肝VX2肿瘤组织和正常肝组织的鉴别,且分类准确率可达99%以上,而且运行时间缩短了很多。为未来多光谱技术在未来临床肿瘤诊断中实现肿瘤组织的快速实时在线检测和分类奠定了基础,显示出巨大的应用潜力。     

齐性空间SU(2n)/Sp(n)的H-同伦指数

令p为大于3的素数.在一定维数限制下,通过把齐性空间SU(2n)/Sp(n)分解为若干个同伦可结合,同伦可交换的H-空间的乘积,进而得到了SU(2n)/Sp(n)的p素H-同伦指数的一个上界.     

Geometric Property （T）

This paper discusses“geometric property （T）”. This is a property of metric spaces introduced in earlier works of the authors for its applications to K-theory. Geometric property （T） is a strong form of “expansion property”, in particular, for a sequence （Xn） of bounded degree finite graphs, it is strictly stronger than （Xn） being an expander in the sense that the Cheeger constants h（Xn） are bounded below. In this paper, the authors show that geometric property （T） is a coarse invariant, i.e., it depends only on the large-scale geometry of a metric space X. The authors also discuss how geometric property （T） interacts with amenability, property （T） for groups, and coarse geometric notions of a-T-menability. In particular, it is shown that property （T） for a residually finite group is characterised by geometric property （T） for its finite quotients.     

Lower Bounds on the (Laplacian) Spectral Radius of Weighted Graphs

The weighted graphs, where the edge weights are positive numbers, are considered. The authors obtain some lower bounds on the spectral radius and the Laplacian spectral radius of weighted graphs, and characterize the graphs for which the bounds are attained. Moreover, some known lower bounds on the spectral radius and the Laplacian spectral radius of unweighted graphs can be deduced from the bounds.     

量子变换理论及其应用概述

概括地介绍了量子变换理论的基本思想,并就这一基本理论在指数上二次型的正规与反正规乘积表示、二次型哈密顿量的配分函数和波函数,以及量子信息中连续变量系统的纠缠度和保真度的计算做了简要的说明。