在BES实验中用神经元网络法鉴别e,μ,π

研究了两种不同的神经元网络法,BP网络和LVQ网络,对北京谱仪(BES)实验中e,μ,π粒子的鉴别,取得了较常规方法要好的结果.用于训练和检验的μ子样本来自宇宙线事例,e和π粒子则是由真实实验数据精选的,虽然样本本身具有非均匀的动量谱,但BP网络的检验结果给出的粒子选择效率在整个动量区间却仍然具有相当均匀的分布,LVQ网络稍逊之.至少是在我们研究的这一课题中证明了BP网络的模式识别功能要优于LVQ网络.     

判别分析法在北京谱仪粒子分辨中的应用

采用多元统计理论中的判别分析法处理北京谱仪中的e、π、μ分辨问题.介绍了判别分析法的基本原理,导出了用于分辨粒子的非标准判别函数,给出了e、π、μ的判别效率,并与常用方法所得的结果作了比较.     

BESⅢμ子鉴别器μ,π鉴别的研究

用事件产生软件PYTHIA模拟了τ粲能区正负电子对撞的各反应道,得到各反应道产生末态μ子的截面和动量分布.用模拟软件Geant3对BESⅢ的μ子鉴别器进行了模拟.对动量为0?.5GeV/c以上的μ子和π介子的模拟数据,用BP神经网络方法和Fisher判别方法进行μ,π鉴别.BP神经网络具有非线性的模式识别能力,其μ,π鉴别效果显著优于线性的Fisher方法     

用于三角方向鉴别测量的客观判别模型

为减小人为因素对三角方向鉴别测量的影响,有效提高测量效率,研究了以机器视觉系统替代观察者进行三角方向鉴别测量的途径,建立了一种专门针对三角方向鉴别测量的客观判别模型。该模型以人眼视觉系统对信号的处理过程以及人眼视觉系统的主要效应为基础,利用方向通道滤波器实现图像信号分解,通过计算视觉特征矢量相关度,实现三角形靶标方向的判别。结合凝视型成像系统虚拟样机提供的三角形靶标,进行了客观判别模型与观察者的判别性能对比实验,并给出三组不同靶标尺寸下的对比实验结果。实验结果表明,客观判别模型很好地预测了观察者的判别性能。     

在阈能附近的πN→ηN反应和ηN散射

本文提出了π介子与核子作用产生η粒子的N^*(1535)激发模型,计算了在阈能附近的πN→ηN反应截面以及S-波ηN散射长度,并与实验及其他理论作了比较.     

高光谱最优波长选择及Fisher判别分析法判别玉米颗粒表面黄曲霉毒素

黄曲霉毒素是广泛存在于玉米中且具有剧毒的一种代谢产物,以美国农业部农业研究署(USDA-ARS) Toxicology and Mycotoxin Research Unit提供的2010年先锋玉米为研究对象,验证了高光谱成像技术对玉米中黄曲霉毒素检测的可行性。以甲醇为溶剂制备四种不同浓度的黄曲霉毒素溶液,并将其逐一滴在等量的4组共120粒玉米颗粒表面,以未处理的30粒洁净玉米作为一组对照样本,将大小、形状相似的150个样品随机分为训练集103个,验证集47个;对获取的400～1 000 nm波段范围内的高光谱图像,先进行标准正态变量变换(standard normal variate transformation, SNV)预处理,然后引入基于Fisher判别最小误判率的方法选择最优波长,并以所选波长作为Fisher判别分析法的输入建立判别模型,对玉米颗粒表面不同浓度的黄曲霉毒素进行识别,最后对模型判别正确率进行了验证。结果表明,选取四个最优波长(812.42, 873.00, 900.36和965.00 nm)时Fisher判别分析模型对训练集与验证集的准确率分别为87.4%和80.9%。该方法为含黄曲霉毒素玉米颗粒便携式检测仪器的开发,以及对田间霉变玉米自然代谢产生毒素的检测奠定了技术基础。     

用离散小波变换建立的Fisher判别法对海上溢油的鉴别

采用恒波长同步荧光光谱法检测分析8种燃料油、7种中东原油、14种非中东原油的荧光特征,结合离散小波变换以及Fisher判别法建立海上溢油油种鉴别的模型。29种油样风化前后均在波长(280±2),(302±2),(332±2)和(380±2) nm处有典型的荧光峰,但在(380±2) nm处风化油样的荧光强度的离散度过大,该波长不适于油种鉴别。在db7小波基函数下对29种原始油样荧光谱图进行6层分解,提取d3细节系数特征,确定波长(255±2),(280±2),(302±2),(332±2)和(354±2) nm处的小波系数并用于Fisher判别模型建立。29种油样在(280±2) nm处均有极值点,燃料油小波系数位于44.06±5.62之间,原油位于22.47±5.12之间,此波长处的小波系数可区分燃料油与原油。建立的Fisher判别模型不仅能区分燃料油和原油还能进一步区分中东原油,Wilks’s lambda分布所对应的P值分别为0和0.02,表明模型是可行的。模型验证结果显示,对风化后的建模油样的鉴别正确率达到96.6%,对非建模23种油样鉴别正确率达到95.7%。由于建模油样风化前后的修正余弦相似度为0.91~0.98,因而以未风化油样建立的油种鉴别模型同样适用于风化后油样的辨别。     

J/ψ→ωπ+π-衰变道中σ粒子存在的证据

基于BESⅠ的7.8×106的J/ψ数据样本,研究了J/ψ→ωπ+π-衰变. 在反冲ω粒子的π+π-的不变质量谱中清楚地观察到了一个低质量端的突起,此突起既不来自相空间效应,又不来自本底. 根据分波分析,此低质量端的突起是一个0+ +的共振态,即σ粒子. 如果用常数宽度的Breit-Wigner函数来拟合σ粒子,其质量和宽度分别为384±66MeV和458±100MeV,与其对应的极点位置是(434±78)-i(202±43)MeV.     

近红外光谱的主成分分析-马氏距离聚类判别用于卷烟的真伪鉴别

为了快速准确的鉴别卷烟真伪,以A牌和假冒A牌卷烟为实验材料,采用近红外光谱法结合主成分分析-马氏距离判别分析方法建立了鉴别模型.首先对经过预处理的光谱数据进行主成分分析,分析结果表明,前4个主成分的累积贡献率已达98.46%,说明这4个变量能够代表原始光谱的主要信息.从120个样品中随机抽取100个用于建立4个主成分变量的定性判别模型,模型的相关系数达到了0.95,对20个未知样品的预测结果准确率为100%.说明近红外光谱结合模式识别方法进行卷烟真伪定性鉴别在技术上是可行的,可以作为卷烟真伪鉴别的一种辅助手段.     

一种用于化学分析的新方法——荧光毛细分析法

提出了一种新方法——荧光毛细分析法(fluorescence capillary analysis,FCA)。FCA法用毛细管做为荧光反应和测定的载体,实现了微量样品的微量分析。本方法特点是操作简便,试样、试剂用量少(<10 μL);毛细管及毛细生物反应器可循环使用,测定成本极低,能大大减少环境污染。该研究基于FCA法测定了核黄素、还原型辅酶Ⅰ,基于固定化酶FCA法测定了酒中乙醇,基于固定化核苷酸探针基因FCA法测定了靶核苷酸,都初步得到了满意的结果。FCA法将可以应用到临床医学、药学、生化、染料工业、发酵食品、环境检测等各个领域中。     

石墨炉原子吸收光谱绝对分析法的实验特征质量值研究

本文在基本满足ＳＴＰＥ条件下测定了１２种元素的特征质量值，与理论计算值和Ｌ’ｖｏｖ得值相对比较约高一倍，利用ｍＯ，ｅｘｐ值，采用绝对分析法测定了人发和标样，并在干菜叶样中加入各种标准进行加标回收试验，结果都较令人满意，说明利用Ｍｏ，ｅｘｐ值，可在不同仪器和基本满足ＳＴＰＦ技术条件下实现绝对分析。     

利用石英增强光声光谱技术在2.0μm处实现高灵敏CO_2检测的实验研究

基于石英增强光声光谱技术,以中心波长为2.0μm的窄线宽分布反馈式半导体激光器(DFB)为激励光源,采用波长调制及二次谐波解调技术通过改变激光器工作电流实现波长扫描完成了痕量CO2气体检测系统,并通过优化实验参数确定了常压下激光最佳调制深度,实现了高灵敏CO2浓度的检测。通过改变待测气体中的水汽浓度,研究了水汽对CO2气体探测结果的影响,结果显示在水汽浓度低于0.2%范围内,CO2气体光声信号随H2O浓度的上升而明显增强,当浓度高于此值后,H2O浓度的增加对CO2光声信号的增强作用几乎维持不变。数据显示,常温常压下H2O分子通过提高分子弛豫率最多可将二氧化碳R16吸收线的光声信号幅值提高约2.1倍。优化后的装置可以很好的实现大气中CO2浓度的检测。该装置获得的最小探测灵敏度为19ppm(1σ,300ms积分时间),相应的归一化噪声等效吸收系数为4.71×10-9 cm-1·W·Hz-1/2。     

基于结构信息建模和判别稀疏的红外小目标跟踪方法

为了提高背景杂波和成像噪声等干扰下红外小目标的跟踪精度,提出了一种基于结构信息建模和判别稀疏的红外小目标跟踪方法。小目标信号在广义高斯目标超完备字典上被稀疏分解,以便从受噪声干扰和杂波污染的红外图像中提取出小目标的空间结构信息;设计了转移受限粒子滤波跟踪算法,以提高粒子的采样概率;在转移受限粒子滤波框架下,基于判别稀疏表示和L_1范数最小化框架求解候选目标的稀疏系数,实现小目标的跟踪。基于各种红外序列对所提方法进行实验论证,实验结果表明,所提方法能够在杂波和噪声较大的干扰下稳定地跟踪小目标,其中心误差、重叠率和平均视频播放帧率分别为3pixel、0.7和40fps,均优于其他对比方法,且具有较强的鲁棒性。     

1.3-2.0μm光参量振荡的实验研究

本文首先阐述光参量振荡器的调谐原理及其温度调谐的计算.接着讨论研制光参量振荡器的若干技术问题.最后给出信号单谐光参量振荡的实验结果.波长谐范围为1.3—2.0μm.当波长调谐到1.9μm且工作重复率为10PPS时,输出能量为0.37mJ/脉冲.     

核物质中π分子引起的粒子–空穴和△-空穴激发

以π介子为例给出了正确计算核物质中粒子-空穴激发的相对论方法,指出了它与通常计算方法的区别及通常计算方法中所作近似的不合理性.并与非相对论的粒子-空穴激发的色散关系进行了比较.我们还用这一方法计算并给出了△-空穴激发的表达式.     

基于GADF变换和多尺度CNN的哈密瓜表面农药残留可见-近红外光谱判别方法

针对哈密瓜表面农药残留化学检测方法成本高且具有破坏性等问题,探索了可见-近红外（Vis-NIR）光谱技术对农药残留定性判别的可行性。以哈密瓜为载体,百菌清和吡虫啉农药为研究对象,采集哈密瓜表面无残留、百菌清和吡虫啉残留的可见-近红外漫反射光谱,利用格拉姆角场（GAF）将一维光谱数据转换为二维彩色图像,构建GAF图像数据集。设计一种包含Inception结构的多尺度卷积神经网络模型用于哈密瓜表面农药残留种类判别,包括1层输入层、3层卷积层、1层融合层、1层平坦层、2层全连接层和1层输出层。模型测试混淆矩阵结果表明,格拉姆角差场（GADF）变换对哈密瓜表面农药残留的可见-近红外光谱表达能力较强。此外,构建AlexNet、VGG-16卷积神经网络（CNN）模型和支持向量机（SVM）、极限学习机（ELM）机器学习模型与提出的多尺度CNN模型进行性能对比。结果表明,3种CNN模型对哈密瓜表面有无农药残留的判别效果较好,综合判别准确率均高于SVM和ELM模型。对比3种CNN模型性能,多尺度CNN模型的性能最佳,训练耗时为14 s,综合判别准确率为98.33%。多尺度CNN模型结构利用多种小尺寸滤波器组合（1×1,3×3和5×5）和并行卷积模块,能够捕获不同层次和尺度的特征,通过级联融合模式进行深度特征融合,提高了模型的特征提取能力。与传统深度CNN模型相比,在保证计算复杂度不变的情况下,多尺度CNN模型的精度得到了有效提高。实验结果表明,GADF变换结合多尺度CNN模型可以有效进行光谱数据解析,利用可见-近红外光谱技术可以实现哈密瓜表面农药残留的定性判别。研究结果为大型瓜果表面农药残留的快速无损检测技术的研发提供了理论参考。     

傅里叶自解卷积-红外光谱分析法应用于中药天麻的鉴别研究

采用水平衰减全反射-傅里叶变换红外光谱法(HATR-FTIR)对不同产地的野生及种植天麻与伪品芭蕉芋、芋及马铃薯进行了测定,并通过傅里叶自解卷积(FSD)进行了转换。在各种带宽因子及增强因子下对真伪品傅里叶自解卷积红外光谱的差异程度进行了分析研究,结果发现带宽因子在75.0～76.0,增强因子为3.2时,天麻与伪品的FSD-IR的差异程度最为明显。结果表明,尽管从FTIR中很难发现野生及种植天麻、无性繁殖及有性繁殖天麻之间的差异,但从FSD-IR中可以看出他们之间的差异。而天麻正品与伪品之间的FSD-IR差别也较大。因此该法可简便、快速、准确地识别不同的天麻及其伪品。     

相对论性电磁束缚系统（π±μ干）、（K±μ干）的库仑裂解与衰变

本文应用复合粒子量子场论的微扰展开式和相对论性的（π^&;#177;μ^?）、（K^&;#177;μ^?）的B.S.波函数,计算了在原子核屏蔽库仑场中高能（π^&;#177;μ^?）、（K^&;#177;μ^?）原子的裂解能谱和截面。在极端相对论近似下,对大多数原子核,它们的裂解截面分别约为10^-18cm²和10^-17cm²。利用同样的波函数,还计算了（π^&;#177;μ^?）→π⁰+v_μ（v_μ）,（K^&;#177;μ^?）→K⁰+v_μ（v_μ）,以及（π^&;#177;μ^?）→μ⁺+μ^-+v_μ（v_μ）,（K^&;#177;μ^?）→μ⁺+μ^-+v_μ（v_μ）的衰变几率。     

可见-近红外光谱用于鉴别山羊绒与细支绵羊毛的研究

近红外光谱作为快速、无损的检测技术,近年来在国内外越来越受到广泛关注。针对山羊绒与细支绵羊毛的可见／近红外光谱的特点,提出了应用主成分分析(PCA)结合人工神经网络（ANN）进行山 羊绒与细支绵羊毛的鉴别,并建立了羊毛、羊绒分析模型。应用可见／近红外反射光谱获取山羊绒与细支绵羊毛的光谱曲线,利用主成分分析对原始光谱数据进行处理,根据主成分的累计贡献率99.8%选 取主成分数6,并将所选取的6个主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。实验结果表明,16个未知样本的鉴别全部 正确,表明可见／近红外光谱结合主成分分析和神经网络技术对山羊绒与细支绵羊毛进行快速鉴别是可行的。