基于可见光谱图的大豆外观品质判别方法

提出一种基于可见光谱图多模态词典特征低秩稀疏表示框架的大豆外观品质判别方法,以精确确定大豆品质等级。首先,提取大豆粒子可见光谱图像的多尺度空间梯度特征和色差分量(YCbCr)颜色空间特征;将上述提取的空间梯度特征和颜色空间特征看作视觉词汇,通过Kernel K-means聚类算法获取视觉词汇的核空间局部分布聚类中心,形成视觉词典;然后,使用低秩稀疏表示法耦合上述两种特征,用于消除高维异质模态词典描述符中冗余信息的影响;最后,在高维耦合空间中根据样本之间的度量对低秩稀疏耦合表示多模态词典特征进行分类。所提方法充分利用多模态多尺度空间梯度特征和YCbCr颜色空间特征来描述大豆粒子外观品质的语义特征归属。实验结果表明:建模集和预测集总的识别精度分别达92.7%和80.1%,所提方法的识别精度优于文献中提出的基于单一模态的视觉词典特征表示方法。     

高效液相色谱-质谱法测定燕窝中唾液酸

建立了高效液相色谱-质谱法测定燕窝中唾液酸(N-乙酰神经氨酸)的方法。燕窝样品用冰乙酸(1+1)溶液水解释放出来唾液酸,以V(甲醇):V(水)=50:50为流动相,Inertsil ODS-SP(5μm,4.6 mm×250 mm)色谱柱分离,用电喷雾电离源进行电离,采用负离子模式和选择离子模式检测。方法的检出限为0.10 mg/L,样品平均加标回收率为95.2%,RSD为1.1%。     

第四类超Cartan域上的比较定理

本文得到了第四类超Cartan域上的Bergman度量和Kobayashi度量的比较定理．     

关于Echelon空间无穷矩阵变换集的有界性

无穷矩阵变换是研究序列空间理论的重要工具.研究一个空间到另一个空间无穷矩阵变换的形式,是序列空间理论中的重要内容,并且已有众多工作.本文将进一步研究一般的Echelon空间到空间l^p(1≤p≤∞),c、c₀的无穷矩阵变换集的有界性.所得结果的特例正是Echelon空间到l^p(1≤p≤∞)c、c₀无穷矩阵变换的形式,同时概括了前人的许多结果.     

第I类非自共轭锥上的Gamma函数

本文将Ｇａｍｍａ函数及Ｓｉｅｇｅｌ积分推广到一般的第Ｉ类非自共轭锥上．作为其应用，显式给出了以这些锥为底的管状域（或第一类Ｓｉｅｇｅｌ域）的Ｃａｕｃｈｙ Ｓｚｅｇ¨ｏ核和形式Ｐｏｉｓｏｎ核．     

第Ⅲ类非自共轭锥上的Gamma函数

本文将Ｇａｍｍａ函数及Ｓｉｅｇｅｌ积分推广到一般的第Ⅲ类非自共轭锥上,作为其应用,显式给出了以这些锥为底的管状域（也称第一类Ｓｉｅｇｅｌ域）的Ｃａｕｃｈｙ－Ｓｚｅｇｏ核和形式Ｐｏｉｓｓｏｎ核。关键词     

聚己内酯-环糊精包合物对聚己内酯结晶行为的影响

采用溶液共混的方法制备了α-环糊精(α-CD)和聚己内酯(PCL)的包合物PCLIC,用X射线衍射和红外光谱对其结构进行了表征,并研究了α-CD、β-CD和PCLC对PCL结晶行为的影响,结果表明线性PCL穿入α-环糊精分子内腔形成了隧道状晶体结构,而且PCLIC对PCL具有明显的异相成核作用,其成核效率比α-CD和β-CD高.     

应用可见/近红外光谱技术鉴别香菇品源的三维空间建模研究

应用可见/近红外吸收光谱技术对不同品源的香菇进行了无损鉴别研究。通过主成分分析法(PCA)将谱段为375~1 025 nm的光谱数据进行压缩和主成分提取,发现前3个主成分累计可信度可达94.37%,说明在三维空间建立样本鉴别模型是可行的。提出了一种将PCA和三维空间聚类相结合的方法,应用遗传算法确定了样本空间分割平面。遗传算法以同源样本的分割平面方程符号反向次数最小作为适应度函数。还建立了将PCA和BP神经网络相结合的比较模型。选取了195个样本,其中150个用于样本建模,其余45个用于检验模型预测能力。两个模型使用相同的建模集和预测集。结果表明,两个模型预测能力基本一样,准确率均高于91%。与BP神经网络相比,新方法更加直观简便,为仪器化鉴别提供了新途径。     

基于可见近红外光谱的糖类别快速鉴别研究

提出了一种用近红外光谱技术快速鉴别糖类别的新方法.采用近红外光谱获取白砂糖、木糖醇、双歧糖和葡萄糖等四种糖类别的光谱反射特征曲线,采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为11.完成特征提取后,将11种主成分作为神经网络的输入变量,建立了3层BP神经网络.四个类别的糖样本数均为40,共计160个样本,将其分成训练集样本120个和预测集样本40个,对40个未知样本进行预测,准确率为100%.说明所提出的方法对于糖类别具有很好的分类和鉴别能力.