双挠积复Finsler流形的局部对偶平坦性

设(M₁,F₁)和(M₂,F₂)是两个强凸的复Finsler流形,λ₁和λ₂是乘积流形M=M₁×M₂上的光滑实值函数,双挠积复Finsler流形(M₁×(λ₁,λ₂) M2,F)是在乘积流形上赋予了复Finsler度量F²=λ₁²F₁²+λ₂²F₂²的复Finsler流形.本文给出了双挠积复Finsler流形是局部对偶平坦流形的充要条件.     

探索·思考·策略·引领--初三专题复习“数形结合”教学设计及评析

一、写在前面2014年5月，无锡市滨湖区教研发展中心开展区教研员送课活动。选定什么课题，能切合当前初三学生复习要点，让学生受益，让听课老师受启发？经思考，王老师决定上“数形结合”专题，从中考和初高中衔接的角度设计，给听者留下新颖而深刻的印象。限于篇幅，以下侧重从设计的层面加以评析。     

固态光聚合反应研究进展

光引发的固态聚合反应一直是令人感兴趣的研究领域.本文综述了固态光聚合的研究进展.着重介绍了双炔类体系,二烯类体系以及(甲基)丙烯酸酯体系的固态光聚合的研究工作以及应用前景.     

约束状态下聚能杆流对混凝土作用的实验研究

聚能杆流是多级串联战斗部次级装药的常用聚能侵彻体.基于两种典型的聚能装药结构,设计加工了有不同直径和深度预制约束孔的C35混凝土靶板,开展了(Φ60mm亚半球和K装药在不同约束状态侵彻毁伤混凝土对比实验研究.结果表明,两种聚能杆流都可在混凝土孔约束状态下形成大且深的侵彻孔;随约束孔径增大,侵彻深度先减小而后增加;随约束...     

杆弹侵彻钢纤维混凝土实验研究

采用DOP实验方法,进行了35CrMnSiA杆弹对不同钢纤维体积含量的钢纤维混凝土的侵彻实验.分别研究了杆弹着速和钢纤维体积含量对钢纤维混凝土杭侵彻性能的影响.实验表明,随着弹速增加,不同钢纤维含量的钢纤维混凝土侵彻深度都会增加,但钢纤维混凝土中弹体便深增加较素混凝土缓慢;而钢纤维能增强混凝土的抗侵彻性能,且随钢纤维体...     

类型μ恰当半群的结构(英文)

本文的目的是用可消幺半群的强半格和基本恰当半群建立一类恰当半群的结构.首先,引入了类型μ恰当半群,然后构造了一类代数,Y-积.证明了每个Y-积是类型μ恰当半群;反之,每个类型μ恰当半群同构于一个Y-积.     

高光谱成像技术的柑橘植株叶片含氮量预测模型

氮素是果树生长发育的一种大量必需元素,及时准确地监控果树的氮营养状况,对果树的合理施肥、增产、优化果实品质以及减缓过量施氮引起的水资源污染具有重要意义。利用高光谱成像技术结合多变量统计学方法,建立了柑橘植株叶片的含氮量预测模型。研究步骤为：高光谱扫描、提取平均光谱曲线、预处理原始光谱数据、采用连续投影法提取特征波段和建立含氮量预测模型。从SG平滑、SNV、MSC、1-Der等11种预处理方法中筛选出的较优预处理方法是SG平滑、Detrending和SG平滑-Detrending。对应这三种最优预处理方法,先采用连续投影法挑选出各自的特征波长,然后将各特征波段下的光谱反射率作为偏最小二乘、多元线性回归和反向传播人工神经网络模型的输入,各自建立三个预测模型。从以上获得的9个预测模型中,得出两个最优模型SG平滑-Detrending-SPA-BPNN(R_p：0.851 3,RMSEP：0.188 1)和Detrending-SPA-BPNN(R_p：0.8609,RMSEP：0.159 5)。结果表明,利用高光谱数据测定柑橘叶片含氮量具有可行性。这为实时、准确地监控柑橘植株生长过程中叶片含氮量的变化以及合理科学的氮肥施加提供了一定的理论基础。     

近地高光谱成像技术对黑豆品种无损鉴别

基于近地高光谱成像技术结合化学计量学方法,实现了黑豆品种的鉴别。实验以三种不同颜色豆芯的黑豆为研究对象,采用高光谱成像系统采集380～1 030 nm波段范围的高光谱图像,提取高光谱图像中的样本感兴趣区域平均光谱信息作为样本的光谱进行分析,建立黑豆品种的判别分析模型。共采集180个黑豆样本的180条平均光谱曲线。剔除明显噪声部分之后以440～943 nm范围光谱为黑豆样本的光谱,采用多元散射校正(multiplicative scatter correction,MSC)对光谱曲线进行预处理。分别以全部光谱数据、主成分分析(principal component analysis,PCA)提取的光谱特征信息、小波分析(wavelet transform,WT)提取的光谱特征信息建立了偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA),簇类独立模式识别法(soft independent modeling of class analogy,SIMCA),最邻近节点算法(K-nearest neighbor algorithm,KNN),支持向量机(support vector machine,SVM), 极限学习机(extreme learning machine,ELM)等判别分析模型。以全谱的判别分析模型中,ELM模型效果最优;以PCA提取的光谱特征信息建立的模型中,ELM模型也取得了最优的效果;以WT提取的光谱特征信息建立的模型中,ELM模型结识别效果最好,建模集和预测集识别正确率达到100%。在所有的判别分析模型中,WT-ELM模型取得了最优的识别效果。实验结果表明以高光谱成像技术对黑豆品种进行无损鉴别是可行的,且WT用于提取光谱特征信息以及ELM模型用于判别黑豆品种能取得较好的效果。     

高光谱成像技术的油菜叶片氮含量及分布快速检测

应用高光谱成像技术实现了油菜苗-花-角果整个生命期叶片氮含量的快速检测和氮素水平分布的可视化。采集三个生长时期共计420个叶片样本的高光谱图像信息(380～1 030 nm),提取图像中感兴趣区域的平均光谱数据,经过不同光谱预处理后,利用连续投影算法(SPA)选择特征波长,将提取的12个特征波长(467,557,665,686,706,752,874,879,886,900,978和995 nm)作为自变量,叶片氮含量作为因变量,分别建立偏最小二乘法(PLS)和最小二乘-支持向量机(LS-SVM)模型。SPA-PLS和SPA-LS-SVM模型对叶片氮含量的预测相关系数R_P分别为0.807和0.836,预测均方根误差RMSEP分别为0.387和0.358。高光谱图像中的每一个像素点都有对应的光谱反射值,利用结构简单、更易提取回归系数的SPA-PLS模型,快速计算出12个特征波长下高光谱图像中每个像素点对应的氮含量预测值,结合像素点的空间位置生成氮素浓度的叶面分布图。可视化分布图详细且直观的反应出同一叶片内部或不同叶片之间氮含量的差异。结果表明,应用高光谱成像技术分析整个油菜生长期的叶片氮含量及其可视化分布是可行的。