带有工件调整时间的排序复杂性

本文讨论带有工件调整时间的几种平行机排序问题 ,分析在不同情况下的计算复杂性     

φ-正则半群上的φ-同余(英文)

给出了-正则半群内的-核正规系统的一个等价刻划并用-核正规系统描述了-正则半群上的强-同余．     

P-正则半群上的P-同余

给出了P-正则半群内的P-核正规系统的一个等价刻划并用P-核正规系统描速了P-正则半群上的强P-同余。     

带梯子的曲折线上的最短树问题

Abstract. In this paper,Steiner minimal trees for point sets with special structure are studied.These sets consist of zigzag lines and equidistant points lying on them.     

基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究

提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类分析并获取苹果的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98％,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类苹果具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于苹果品种敏感的特征波段,用特征波段图谱作为神经网络的输入建立三层BP人工神经网络模型。每个品种各25个苹果共75个用来建立神经网络模型,余下的共15个用于预测。对未知的15个样本进行预测,品种识别准确率达到100%。说明文章提出的方法具有很好的分类和鉴别作用,为苹果的品种鉴别提供了一种新方法。     

应用可见/近红外光谱进行纺织纤维鉴别的研究

为了实现纤维种类的快速鉴别,选用了棉、麻、毛、丝、天丝5种纤维,提出了一种用近红外光谱技术快速无损鉴别纤维品种的新方法。应用可见/近红外光谱漫反射技术测定各种纤维的光谱曲线,用主成分分析方法(PCA)对光谱数据进行模式特征分析,根据主成分的累积贡献率选用前6个主成分数进行建模和预测,通过建立最小二乘支持向量机模型(LS-SVM)对主成分分析模型进行优化,将前6个主成分作为最小二乘支持向量机的输入变量,建立PCA-LS-SVM模式识别模型,实现类别预测的同时也完成了数学建模与优化分析工作。5个品种的纤维训练集样本200个用于PCA-LS-SVM的模型的建立,对其余预测集样本50个进行验证,结果能准确的区分预测集的5种纤维。并提出主成分分析结合最小二乘支持向量机的光谱数据分析方法具有很好的分类和鉴别作用,为纤维品种快速鉴别提供了一种新方法,为维护消费者权益,保证纺织品质量,实现纺织原料及其制品的合理化生产与交易具有重要的意义。     

液相染料分子超快振动弛豫的理论研究

采用微扰密度矩阵和瞬态线性极化率理论，自编计算机程序，模拟了液相LDS698染料分子第一激发电于态S1的飞秒受激辐射荧光亏蚀谱，初步定量地确定了该分子S1态的超快振动弛豫速率以及S1与S0态间的Huang－Rhys因子，通过理论分析确认，测量的受激辐射荧光亏蚀谱，前面一段快速增加的信号主要反映了S1态的超快振动弛豫过程，后一段慢增加的信号主要反映了激发态的溶剂化过程．     

激光磁共振实验数据的采集和处理

本文概述了激光磁共振原理，实验方法和激光磁共振谱的谱线特征；并根据其实验过程、谱线特征和计算机数据采集的原理，成功地运用12位A/D板和AT/286微机完成了高于12位转换精度的数据采集和处理．同时还简介了激光磁共振实验的数据采集和处理系统的软件流程、功能和附加硬件接口原理。并以NO分子在光频为1842．816cm^-1的超精细结构谱图为例，给出本系统的工作结果。     

Hyperspectral image compression using three-dimensional significance tree splitting

A three-dimensional(3D)wavelet coder based on 3D significance tree splitting is proposed for hyperspectral image compression.3D discrete wavelet transform(DWT)is applied to explore the spatial and spectral correlations.Then the 3D significance tree structure is constructed in 3D wavelet domain,and wavelet coefficients are encoded via 3D significance tree splitting.This proposed algorithm does not need to use ordered lists,moreover it has less complexity and requires lower fixed memory than 3D set partitioning in hierarchical trees(SPIHT)algorithm and 3D set partitioned embedded block(SPECK)algorithm.The numerical experiments on AVIRIS images show that the proposed algorithm outperforms 3D SPECK,and has a minor loss of performance compared with 3D SPIHT.This algorithm is suitable for simple hardware implementation and can be applied to progressive transmission.     

基于高光谱成像技术的山楂损伤和虫害缺陷识别研究

采用高光谱成像技术（420～1 000 nm）对山楂的缺陷（表面的损伤以及虫害区域）进行识别研究。共采摘了134个样品,包含损伤果46个、虫害果30个、损伤及虫害果10个和完好果48个。考虑到山楂的花萼、果梗与损伤、虫害的RGB图像有相似的外观特征,容易造成误判,利用高光谱成像系统采集了损伤、虫害、完好、花萼和果梗五个区域一共230个山楂样本的高光谱图像,并提取相应的感兴趣区域（region of interest, ROI）,得到了样本的光谱数据。使用标准归一化（standard normalized variate, SNV）,卷积平滑（savitzky golay, SG）,中值滤波（median filter, MF）,多元散射校正（multiplicative scatter correction, MSC）方法进行光谱预处理,建立偏最小二乘（partial least squares method, PLS）判别分析模型,结果表明经过SNV预处理后的预测结果较好。最后选取SNV作为预处理方法。应用回归系数法（regression coefficients, RCs）从全波段中提取10条特征波段（483,563,645,671,686,722,777,819,837和942 nm）,利用Kennard-Stone算法将各类样本按照3:1的比例随机分成训练集（173个）和测试集（57个）,并对其建立最小二乘支持向量机（least squares-support vector machine, LS-SVM）判别模型,山楂缺陷的正确识别率为91.23%。然后,运用主成分分析（principal componentanalysis, PCA）进行10条敏感波段下单波段图像的数据压缩,分别采用“sobel”算子和区域生长算法“Regiongrow”识别出86个缺陷山楂样本的边缘与缺陷特征区域,得出单损伤、单虫害和损伤及虫害样本的识别率分别为95.65%,86.67%和100%。研究结果表明：采用高光谱成像技术可以对山楂的损伤、虫害、花萼和果梗进行定性分析和特征识别,该研究为山楂的缺陷无损检测提供了理论参考。