光谱特征波长的SPA选取和基于SVM的玉米颗粒霉变程度定性判别

利用波长范围在833～2 500 nm的傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy, FT-NIR)对不同霉变程度的玉米颗粒进行检测区分。首先,为避免光谱数据首尾噪声影响,对比四种常见的预处理方法,最终选择移动平均平滑法对原始光谱数据进行预处理;然后为选出合适的样本集划分方法以提高模型预测性能,对常见的四种方法进行对比,最终利用SPXY(sample set partitioning based on joint x-y distance)法进行样本集划分;进一步为减少数据量,降低维度,使用连续投影算法(successive projections algorithm, SPA)提取出7个特征波长,分别为833,927,1 208,1 337,1 454,1 861和2 280 nm;最后,将七个特征波长数据作为输入,选取径向基函数(radial basis function, RBF)作为支持向量机(support vector machine, SVM)核函数,取参数C=7 760 469,γ=0.017 003建立判别模型。SVM模型对训练集和测试集的预测准确率分别达到97.78%和93.33%。另取不同品种的玉米颗粒,以同样的标准挑选样品组成独立验证集,所建立的判别模型对独立验证集的预测准确率达到91.11%。结果表明基于SPA和SVM能有效地对玉米颗粒霉变程度进行判别,所选取的7个特征波长为实现在线霉变玉米颗粒近红外检测提供了理论依据。     

两参数Lomax分布形状参数的经验Bayes估计问题

依据经验Bayes(EB)估计的思想方法,研究在平方损失函数下两参数Lomax分布形状参数的EB估计问题。在这种损失函数下,获得了形状参数的Bayes估计,利用密度函数的递归核估计方法构造了相应的EB估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度。最后给出一个满足文中主要结果的实例。     

Burr Ⅻ分布参数的经验Bayes估计的渐近最优性

本文研究了Burr Ⅻ分布参数的经验Bayes估计问题.利用密度函数的递归核估计,构造了参数的经验Bayes(EB)估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度.     

具有中心幂等元的L-弱正则半群

本文定义了具有中心幂等元的(L)-弱正则半群,研究了这类半群的代数结构.利用半群上的右同余(L)+和左同余R+,证明了半群S是一个具有中心幂等元的(L)-弱正则半群,当且仅当S是H-左可消幺半群的强半格.这推广了Clifford半群的相应结果.     

4,6,7-三氯喹啉的合成

以3,4-二氯苯胺和乙氧基亚甲基丙二酸二乙酯为起始原料,经缩合、Gould-Jacobs环合、水解、脱羧及氯化反应合成了含4-氨基喹啉结构抗肿瘤化合物的关键中间体——4,6,7-三氯喹啉,总收率54.21%,其结构经1H NMR,IR和ESI-MS确证。     

具有左中心幂等元的弱L-正则半群

本文证明了半群S是一个具有左中心幂等元的弱L-正则半群,当且仅当S为H-左可消幺半群和右零带直积的强半格,并借助具有中心幂等元的弱L-正则半群和右正规带建立了半群S的强织积结构.     

舍入数据下Lomax分布形状参数的经验Bayes检验问题

本文研究了舍入数据下Lomax分布形状参数的经验Bayes (EB)单侧检验问题.利用密度函数的递归核估计构造了参数的EB检验函数,并在适当的条件下证明了所提出的EB检验函数的渐近最优性,获得了它的收敛速度.最后,给出一个有关本文主要结果的例子.     

正规纯正左消幺半群并半群上的(*,~)-好同余(英文)

本文利用(*,~)-好同余对刻画了正规纯正左消幺半群并半群上的(*,~)-好同余.此结果将正则半群中有关正规纯正群并半群上同余的相关结论推广到了r-wide半群中.     

一类连续型单参数指数族参数的经验Bayes检验问题

讨论了独立同分布样本情形下一类连续型单参数指数族参数的经验Bayes(EB)单侧检验问题.利用密度函数的递归核估计构造了参数的EB检验函数.在适当的条件下,证明了所提出的EB检验函数的渐近最优性,并获得了其收敛速度.最后,给出了一个满足文中主要结果的例子.