基于偏序关系的Rough集模型及其应用

在标准Rough集理论的指导下,利用偏序关系性质构造了不同分类,并以此为基础探讨了上、下近似集,从而构建了基于偏序关系的Rough集模型。新模型将Rough集理论的应用范围由等价关系扩展到偏序关系。为了更好地增强模型的实用性和灵括性,一方面从程度、精度、概率等角度出发分别对其进行了扩展,另一方面引入依赖度使其适用于研究各种非严格的偏序关系。给出了实例分析,并结合现实生活中的现象阐述了模型的应用价值。     

光谱法研究水溶性杯[8]芳烃对伊红的分子识别作用

采用荧光光谱法和紫外-可见光谱法研究了水溶性对-二甲氨甲基-杯[8]芳烃(简称杯[8]胺)对伊红的分子识别作用。研究发现,对-二甲氨甲基-杯[8]芳烃与伊红存在较强的静电作用,两者之间形成了2:1型的络合物,络合常数为2.1×109Lmol-1,小牛胸腺DNA对杯[8]胺-伊红络合物的稳定性有较大影响,DNA能夺取杯[8]胺-伊红络合物中的杯[8]胺,导致伊红游离,预示着杯[8]胺是良好的药物载体分子。同时考察了β-环糊精、几种常见有机溶剂和溶液的pH值等对杯[8]胺与伊红相互作用的影响,初步探讨了两者相互作用的机理。     

覆盖广义Rough集中的隶属关系

对覆盖广义Rough集中的隶属关系、隶属函数进行了定义，并利用隶属函数定义了集合的Rough包含与Rough相等，得到一些与Pawlak的Rough集不同的性质。     

LIBS中药材石斛等级识别研究

石斛是一种常用的中药材,经常使用新鲜的或干燥的茎条入药,有益胃生津、滋阴清热的效果。近年来,药理学研究探索出石斛具有抗白内障、抗氧化、抗肿瘤、提高免疫力的作用,其在许多病例中疗效显著,引起了国内外学者的关注,然而不同时间采集的石斛中氨基酸、微量元素等含量各不同,其对应药用价值,价格也不同,因此石斛价格等级分辨的研究具有重要意义。为快速鉴别不同价格、不同药效的石斛,研究了随机森林分类模型结合激光诱导击穿光谱技术(LIBS)对石斛价格等级进行分析建模。选取5个等级的石斛样品进行建模,为了对样品进行精确稳定分析,所有石斛样品均通过粉碎压片减小实验误差。采用1 064 nm波长的Nd∶YAG脉冲激光器作为激发光源,设置激光脉冲能量50 mJ,探测延时1μs,采集五个等级石斛样本的光谱数据,每个等级的样本采集40组光谱,共200组数据,并采用归一化处理,使所有的光谱数据转换到-1~1之间。采用归一化处理后的光谱数据进行主成分分析,通过主成分分析获得前7个主成分的得分矩阵,其累计解释95.24%的光谱信息。将选取的7个主成分作为输入,建立波段为220~880 nm的随机森林鉴别模型。并将石斛样本编号打乱,任意选取50%的光谱数据作为训练集,剩下50%的光谱数据作为测试集,默认决策树个数ntree为500,分裂属性集中属性个数mtry为5,建立模型对不同等级的石斛进行分类。等级一、二、三、四、五的识别率分别为95.45%, 100%, 78.26%, 94.12%和85%,平均识别率为90.57%。为提高识别率,研究了不同的ntree和mtry对分类模型的影响,利用袋外数据误差率估计对随机森林的两个参数进行了优化。选择ntree为300,mtry为1,等级一、二、三、四、五的识别率分别为100%, 100%, 92.31%, 100%和90%,平均识别率为96.46%,识别率提高了5.89%。综上所述,采用LIBS技术结合优化后的随机森林模型鉴别石斛等级具有一定的可行性,为未来快速鉴定不同价格的石斛等级分类提供了可行性的判别系统。     

基于多通道盲识别的自适应光学图像事后处理

为实时恢复天文或空间目标的湍流退化成像,提出一种适应大气湍流动态变化的多通道自适应光学图像恢复方法.以自适应光学校正后不同时刻的目标成像作为多个通道,建立求解系统点扩散函数的线性方程,根据解出的点扩散函数利用超拉普拉斯算法,求解待观测目标的估计值.结果表明:不同时刻的点扩散函数之间存在互质关系,满足多通道盲识别的理论要求.利用建立的线性方程求解出的点扩散函数与原点扩散函数的均方误差在10^-30~10^-27量级,采用超拉普拉斯算法恢复出的目标成像与原始目标之间的均方误差在10^-5~10^-4量级.本文研究为湍流退化图像的实时恢复提供了理论基础.     

手机虹膜识别镜头设计

随着近年来图像传感器的快速商用化以及生物识别算法的发展,虹膜识别功能得以应用于移动终端设备。获取虹膜图像是虹膜识别的关键一步,运用ZEMAX光学设计软件设计了一款适用于手机的虹膜识别镜头。该镜头采用豪威科技公司OmniVision_OV2281传感器,采用三片式非球面光学塑料设计,F数为2.3,全视场角为34°,在1/2奈奎斯特频率220 lp/mm处MTF值均大于0.39,且系统总长仅3 mm。根据ZEMAX像质评价方法以及公差分析结果可知,该镜头各项光学指标优良,具有像质好、体积小,质量轻、价格低、容易加工等特点。     

基于U-Net的盐体识别方法

卷积神经网络在计算机视觉领域取得重大突破，利用其强大的图像处理能力，将地下沉积盐体的识别问题转化为图像语义分割问题，应用深度卷积神经网络实现盐体地震图像的像素级语义分割.本文在U-Net基础上，增加网络深度并同时引入批归一化和Dropout处理，使得神经网络模型具有更高的可信度和更强的泛化能力.通过实验发现，在卷积层之后引入批归一化处理，并在池化层和叠加层之后引入Dropout可以稳定提升模型对盐体图像的分割性能.     

基于长短时记忆神经网络的能谱核素识别方法

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络（LSTM）的能谱核素识别方法。实验使用溴化镧（LaBr₃）晶体探测器,分别对环境中⁶⁰Co、¹³⁷Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果。通过基于BP神经网络和卷积神经网络（CNN）的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45%和86.21%,而LSTM能谱识别模型平均识别率为93.04%,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上。     

稀有气体二聚体基准集NgD×15构建及其对DFT方法的评价

基准集是训练和评价量子化学计算方法的重要工具,稀有气体二聚体Ng_2作为重要的弱色散体系,目前为止仍没有一个较为完整、精确的基准集,最近Head Gordon研究组发表MGCD84数据库时,其RG10基准集仍沿用了Tang-Toennies经验势.本文首先以He_2为例,证明了在CCSD(T)水平,使用中点键函数{6s6p6d3f2g1h}的aug-cc-pV5Z基组收敛性;并在CCSD(T)/aug-cc-pV5Z-{6s6p6d3f2g1h}水平下,经BSSE均衡校正后,获得了He_2至Rn_2全部同核稀有气体二聚体的15点相互作用势,构建了NgD×15基准集.并以此为标准,重新评价了目前常用的DFT的非局域和色散校正方法.总体上,非局域校正的精度较D3色散校正高,ωB97X-V及ωB97X-rV两种方法是该体系最优性价比的DFT-NL方法.     

对称分布下中位数排序集样本均值的有效性证明

总体均值的估计在整个抽样理论里扮演着无可争议的主角,而估计的好坏很大程度上依赖于抽样设计.文章从理论上证明了在对称分布下,基于中位数排序集抽样的样本均值作为总体均值的估计比简单随机抽样下样本均值作为总体均值的估计更有效.小样本情形下的两个数值例子和一个实例进一步验证了这个理论结果.