转基因水稻及其亲本叶片的可见/近红外光谱分析

应用可见/近红外光谱技术实现了转基因水稻叶片的快速识别和叶绿素含量(SPAD)的快速检测。建立偏最小二乘-支持向量机(LS-SVM)鉴别模型,校正集的正确率为100%,同时应用连续投影算法(SPA)提取有效波长,建立SPA-LS-SVM鉴别模型,只用了全变量的0.3%进行建模,其预测集的正确率达到87.27%。在定量分析中,各模型的最优结果均来自经过正交信号校正(OSC)的光谱数据,经过SPA处理后的模型均优于最优的全波段PLS模型,说明SPA是一种有效的波长选择方法。最优SPAD值预测模型为SPA-LS-SVM,其相关系数(r)和预测均方根误差(RMSEP)分别为0.902 2和1.312 1,获得了满意的结果。这说明提出的SPA-LS-SVM方法能快速识别转基因水稻叶片并对SPAD值进行准确预测,为实现大田活体鉴别与连续监测提供了新方法。     

低损耗低非线性高负色散光子晶体光纤的优化设计

设计了一种同轴双芯六角点阵光子晶体光纤, 该光纤中心缺失一根空气柱形成内纤芯, 通过减小第4环空气孔的直径形成外纤芯. 采用全矢量有限元法并结合各向异性完美匹配层边界条件, 对其色散、非线性、约束损耗和模场等特性进行了数值模拟. 结果发现, 该光纤呈现高负色散可调效应和较强的模场约束能力, 约束损耗接近10^-2 dB· m^-1. 调整光纤结构参数(即空气孔间隔Λ, 小孔直径d₁和相对孔间隔比f), 可以控制其高负色散工作波长. 若调整光纤结构参数Λ=1.2 μ, f=0.917, d₁=0.515 μm时, 该光纤在低损耗通信窗口C波段呈现负色散和负色散斜率, 其色散斜率在-1----6 ps· km^-1nm^-2范围内波动, 在波长1.55 μm处负色散值为-3400 ps· km^-1nm^-1, 模场面积高达43 μm², 非线性系数仅有3.6 km^-1W^-1. 该光纤在C波段呈现的低损耗低非线性高负色散特性, 具有很好的色散补偿能力, 将在长距离大容量 高功率高速光通信系统中获得很好的应用.     

运动介质中电磁波的能流密度

利用电磁场变换,讨论了运动介质中一列平面单色电磁波的能流密度给出超光速情形下电磁波及介质的性质。结果表明,随着介质运动速度的增加,电磁波能流密度方向可发生突变。     

物质纯重力场部分的能量-动量张量研究

认为物质的质量(能量)存在形式可分为两部分，一部分是以纯物质形式存在的，另一部分是以纯重力场形式存在的.物质质量(能量)这两种形式各自对应着相应的能量 动量张量，物质总的能量-动量张量可表示为Tμν=T(Ⅰ)μν+T(Ⅱ)μν,这里，T(Ⅰ)μν，T（Ⅱ）μν分别代表物质纯物质部分和纯重力场部分的能量-动量张量.通过类比电磁理论，定义：ωμ≡-c2gμ0/g00,并引入一个反对称张量Dμν=ωμ/xν-ων/xμ，则物质纯重力场部分的能量-动量张量为T(Ⅱ)μν=(DμρDρν-gμνDαβDαβ/4 关键词： 能量-动量张量 纯重力场 重力场方程 标量重力势 矢量重力势     

波段三维ESR成像系统的研制（Ⅴ）——灵敏度与分辨率实验及系统总性能指标

实验确定了自行研制的L波段三维电子自旋共振成像（3D-ESRI）系统的检测灵敏度及成像分辨率指标. 用Tempo水溶液模型测量灵敏度结果表明： 样品体积为10 mm, 高30 mm，测量浓度1×10^-4 mol/L水溶液的信噪比为S/N=4∶1；加梯度磁场后，样品浓度需>5×10^-4 mol/L，样品体积为19 mm, 高30 mm时，获得的投影谱的信噪比可满足图像重建的需要. 用DPPH固体样品确定的成像分辨率结果<1 mm. 文中还对ESRI系统的
各项总体性能做了归纳总结.     

对柱对称电流分布磁矢势问题的讨论

采用柱对称性和叠加原理讨论了均匀载流圆环、圆筒、圆盘的矢势问题．     

分形复合油藏非牛顿幂律流体不稳定渗流的数学模型

对不稳定渗流的数学模型进行了推导并建立了分形复合油藏不稳定渗流模型.在无限大地层、有界定压、有界封闭三种外边界条件下分别求出了它们在Laplace空间的解析解.对于两区的特殊情况,分析了井底压力动态特征和参数影响,制作了典型曲线.非牛顿幂律流体的幂律指数,分形参数均对典型曲线产生较大的影响,呈现出与牛顿流体和均质油藏明显不同的特征.这对于非均质油藏非牛顿流体的不稳定试井分析和研究非线性渗流特征都是十分重要的.     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

On vector variational inequalities

In this paper, we study vector variational inequalities. The concept of weaklyC-pseudomonotone operator is introduced. By employing the Fan lemma, we establish several existence results. The new results extend and unify existence results of vector variational inequalities for monotone operators under a Banach space setting. In particular, existence results for the generalized vector complementarity problem with weaklyC-pseudomonotone operators in Banach space are obtained.This research was partially supported by the National Science Council of the Republic of China under Contract NSC 84-2121-M-110-008.     

Bootstrapping Autoregressive and Moving Average Parameter Estimates of Infinite Order Vector Autoregressive Processes

We consider anr-dimensional multivariate time series {y_t, tZ} which is generated by an infinite order vector autoregressive process. We show that a bootstrap procedure which works by generating time series replicates via an estimated finitek-order vector autoregressive process (k→∞ at an appropriate rate with the sample size) gives asymptotically valid approximations to the joint distribution of the growing set of estimated autoregressive coefficients and to the corresponding set of estimated moving average coefficients (impuls responses).