基于方向-频率分解的旋转不变性纹理分类

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换;其次在变换后的图像中央选择一个圆盘区域,并在方向[0°,180°]内进行等间隔角度频率抽样,实现方向分解,使用一组复Morlet小波对每个方向上的映射切片进行小波变换,从而实现多通道频率分解;在各个频率通道中计算均值和方差作为特征,并利用线性回归模型计算频率通道之间的关系特征;将特征沿方向进行一维傅里叶变换并取其幅值,从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性,与其它算法相比具有更好的分类性能,并且对无旋转纹理分类也能产生较好的分类结果.     

核磁自旋回波串的液体分量分解快速反演法(英文)

该文叙述核磁自旋回波串的液体分量分解快速反演法.此方法假定液体,无论是在散装形式或饱和多孔介质中,可以用一个或一组核磁弛豫线形来表征.对一维核磁共振的拉普拉斯反演,它可以是预先确定的一个或一组T2或T1分布.对二维核磁共振的拉普拉斯反演,它可以是一个或一组预先确定的( D, T2)或( T1, T2)二维分布.对三维核磁共振的拉普拉斯反演,它可以是一个或一组预先设定的( D, T1, T2)三维分布.这些预先确定的线形,可以是高斯、B样条或预先由实验或经验确定的任何线形.这种方法可以显着降低核磁共振数据反演的计算时间,特别是从石油核磁共振测井采集的多维数据反演,它不需牺牲反演所得的分布的平滑性和准确性.这种方法的另一个新应用是作为一种约束求解方法来过滤相邻深度所采集的数据噪音.核磁共振测井的噪音信号,往往造成在相邻深度的同一岩性岩层有不同的T2分布.在此情况下, T2分布就不能用来识别岩性.通过非一般的矩阵操作,作者成功实现了对相邻深度的回波串实施约束求解方法,从而使得T2分布成为一种可靠的岩性识别指标.     

基于多光谱遥感影像分类的城镇用地变化研究

选择上海城镇化较典型的边缘区域之一嘉定区为研究对象,基于4时相的多光谱遥感影像研究了该区域城镇用地变化情况。采用一种改进的遗传算法优化BP神经网络的遥感影像分类方法,进行了较高精度的土地覆盖类型分类。在此基础上,提取出研究区域的城镇用地类型,然后利用不同年份的4幅城镇用地图像中像素值与叠加得到的1幅城镇用地变化图像中像素值之间的16种对应关系,按板块统计研究区域内任意2个年份间隔内城镇用地变化的数量,从而检测了该区域在研究时间段内的城镇用地变化情况。     

基于XGBOOST的恒星光谱分类特征数值化

恒星光谱分类是研究恒星的基础性工作之一,常用的光谱分类是基于20世纪70年代Morgan和Keenan建立起来的并逐步完善的MK分类系统。然而基于MK规则的交互式决策分类系统对处理海量天文光谱数据存在着一定的困难。目前光谱巡天一般采用的自动化分类则是模版匹配方法而忽略对谱线特征的测量。怎样自动、客观地提取海量光谱中的分类特征并应用这些特征进行分类可以对天体的物理化学性质的统计分析至关重要。针对此问题,通过机器学习和计算光谱的谱线指数结合的方法,提取光谱特征,并通过大数据分析定量地确定对光谱特征谱线的分类判据（数值化）,确定每一类光谱具有物理意义的特征谱线的强度分布。首先对LAMOST DR4恒星光谱测量其谱线指数作为输入,光谱的分类标记采用官方发布的分类结果。使用XGBoost算法进行自动分类及特征排序,从而获得已知或未知的对于分类决策最为敏感的谱线。首先,选取高信噪比（S/N>30）、被LAMOST标记为B,A,F和M的恒星光谱数据,总计约414万个。然后,对光谱数据计算谱线指数从而使其得到降维处理,过滤冗余信息。其次,将处理后的恒星光谱数据随机划分为训练集和测试集,通过适当调整算法参数,用训练集得到所需要的分类决策树模型,用测试集测试其稳定性和可用性,以防止出现过拟合,同时使用算法自带函数进行提取分类特征。最后,输出并整理实验中算法所得的决策树模型,并挑选其概率比较大的分支作为最终的决策树模型。通过实验,可以发现在固定参数下,XGBoost所得的模型有一定的自适应性,较少受数据集影响,总体准确率可达88.5%;同时其所输出的分类决策树与已知的特征较为吻合,而且可以获得基于大数据的、数值化的特征谱线对应分类的范围,为完善基于特征的分类提供定量的规则。     

盐岩样品中钙的分析不确定度评定

对EDTA容量法测定盐岩样品中Ca2+含量的分析过程,详细地分析了引入的不确定度来源:分析结果的不确定度由标准溶液配制及EDTA溶液的标定、样品的制备及样品的分析过程、样品均匀性及检验重复性等分量引入的不确定度组成,求得测量结果的标准不确定度和扩展不确定度分别为0.70%和1.40%。     

关于Sylow子群皆交换的p~2q~3阶群的构造

设p,q为奇素数,且p>q.本文对Sylow子群皆交换的p2q 3阶群进行了完全分类并获得了其全部构造:1)当q(p2-1)且p(q2+q+1)时,G恰有6个不同构的类型;2)当q(p-1)但p|(q2+q+1)时,G恰有8个不同构的类型;3)当q|(p-1)但q2(p-1)且p(q2+q+1)时,G恰有q2+19个不同构的类型;4)当q|(p-1)且p|(q2+q+1)但q2(p-1)时,G恰有q2+21个不同构的类型;5)当q2|(p-1)但q3(p-1)时,G恰有2q2+q+24个不同构的类型;6)当q3|(p-1)时,G恰有(q3+5q2+2q+52)/2个不同构的类型;7)当q|(p+1)但q2(p+1)时,G恰有10个不同构的类型;8)当q2|(p+1)但q3(p+1)时,G恰有12个不同构的类型;9)当q3|(p+1)时,G恰有13个不同构的类型.     

鄱阳湖克氏原螯虾肌肉营养成分分析与评价

利用常规分析方法对鄱阳湖克氏原螯虾肌肉的营养成分进行测定,结果表明:肌肉中水分含量79.59%,粗蛋白含量18.70%,粗脂肪含量0.98%,粗灰分含量1.24%。钙含量443mg/100g干重,磷含量1 200.00mg/100g干重。氨基酸总量83.32%(色氨酸因酸解破坏),必需氨基酸含量28.25%,占氨基酸总量的33.91%,4种鲜味氨基酸的总含量为31.86%。必需脂肪酸含量14.38%,脂肪酸含量以C160和C181为最丰富,比例分别为21.50%和21.59%;EPA和DHA含量分别为9.17%和1.86%。脂肪酸中饱和脂肪酸(SFA)比例为33.59%,单不饱和脂肪酸(MUFA)比例为30.27%,多不饱和脂肪酸(PUFA)比例为25.58%。鄱阳湖克氏原螯虾是一种高蛋白低脂肪、营养丰富的淡水产品,值得大力推广养殖。     

名人箴言

 我们对原子物理的理解,即对所谓原子系统量子理论的理解,起源于本世纪初,而对它所做的辉煌的综合与分析则完成于20年代。那是一个值得歌颂的时代。     

基于核映射多光谱特征融合的高光谱遥感图像分类法

多光谱遥感图像的波段设定在理论和实践上都极具地物针对性,在更有效的数据挖掘方法帮助下可以提取足够的光谱特征以区分地物,本文将光谱匹配技术用于相似性度量,以提高分类准确度.首先选定光谱角制图、光谱相关制图、Mahalanobis距离、光谱相似度和光谱信息差异做为光谱度量;随后选择高斯核函数,在选定核函数之后,得到了核映射下的光谱特征度量来挖掘高光谱遥感数据的光谱特征.最后采用核映射多光谱特征融合法对多光谱遥感图像光谱特征的相似性进行描述,得到基于核映射多光谱特征融合的高光谱遥感图像分类算法.使用MATLAB中的LIBSVM工具箱对AVIRIS高光谱遥感数据进行分类实验,并与已有算法进行对比,结果表明本文提出的算法具有较高的分类准确度和性能.