基于可见近红外光谱分析技术的马铃薯品种鉴别方法

基于可见-近红外光谱分析技术,提出了一种快速鉴别马铃薯品种的方法。以三种不同品种共计352个样本的马铃薯作为主要研究对象,随机将其分为建模集(307个样本)和预测集(45个样本)。对其中的建模集样品进行可见-近红外光谱分析,将获取的光谱图像通过多元散射校正(MSC)和窗口大小为9的Savitzky-Golay(S-G)一阶卷积求导方法预处理,消除颗粒大小、表面散射及光程变化对漫反射光谱影响,降低原始光谱曲线的随机噪声影响。然后用偏最小二乘法(PLS)对数据进行降维、压缩,使用主成分分析方法(PCA)获得的前4个主成分累计贡献率达到96%以上,并从前4个主成分图谱中提取20个吸收峰作为输入变量,经过试验,得到一个20(输入)-12(隐含)-3(输出)结构的3层BP神经网络。最后利用该模型对预测集样本进行品种鉴别,识别正确率达到100%。此方法能较为快速、准确地鉴别马铃薯的品种,为马铃薯品质检测与鉴别提供了新思路。     

逆周期的交换半群生成的簇的子簇

In this paper, all subvarieties of the varieties Ak （k ∈N） generated by aperiodic commutative semigroups are characterized. Based on this characterization, the structure of lattice of subvarieties of Ak is investigated.     

关联序分析在小麦品种(系)综合评判中的应用

本文应用关联序分析法对鲁西北棉区两熟的小麦配套品种（系）进行了综合评判，结果表明用关联序分析法综合评判小麦品种（系）其结果全面客观，整体量化，切合实际，克服了以往评判中只注重产量因素而忽视其它性状所造成的偏差。     

瓦维诺夫（N）（Vavilov，Nikolay Ivanovich，1887-1943）俄国植物学家（Botanist，Russia）

瓦维诺夫（N）是鞋厂主的儿子，毕业于莫斯科农学院，1913年去英国在贝特森手下作研究工作，第一次世界大战爆发后返回俄国。他从事植物免疫力的研究，并用进化论加以解释。他试图通过精心杂交的办法培养出具有各种理想的粮食品种。他运用了孟德尔的遗传学法则。尽管瓦维诺夫（N）曾赞扬过李森科早期的工作，但李森科并不领情反而对他坚持孟德尔学说横加谴责。     

广义多品种最小费用流问题的对偶理论

基于广义多品种最小费用流问题的性质，将问题转化成一对含有内、外层问题的双水平规划，内层规划实际是单品种费用流问题，而外层问题是分离的凸规划，使用相关的凸分析理论，导出了广义多品种最小费用流问题的对偶规划，对偶定理和Kuhn-Tucker条件。     

桂林地区稻谷产量的分析

本文研究影响桂林地区稻谷产量诸因素的重要性，建立数学模型，并进行预测。     

高硅ZSM－5沸石填充硅橡胶膜的研究（Ⅳ）──沸石粒径和不同品种硅橡胶对乙醇－水混合物渗透蒸发分离性质的影响

研究了粒径为１５μｍ和５μｍ的水热处理Ｓｉｌｉｃａｌｉｔｅ－Ⅰ填充ＰＤＭＳ膜以及酸处理Ｓｉｌｉｃａｌｉｔｅ－Ⅰ填充不同品种硅橡胶膜对低浓度乙醇－水混合物的渗透蒸发分离性能的影响。结果表明，沸石粒径的减小，不利于乙醇－水分离系数的提高；不同品种硅橡胶的沸石填充膜对乙醇－水的渗透蒸发分离性能与硅橡胶本身的性质有关。     

库存理论(六)

§5一些进展 本节简单介绍库存论中如下几个方面的进展:多品种多级库存系统的控制、易腐物品库存理论、具有概率约束的库存模型以及现金管理中的库存问题.这几个方向在库存文献中很活跃,而且有重要的实用价值与理论意义. 5.1多品种多级库存系统的控制 多品种多级库存系统可以形象地表为在这种系统中,最高的第一级是货源点(中心 仓库),它供应第二级的库存点.依此下去,最低 一级的库存点(如零售店)直接满足顾客的需要. 货源点直接从外界订货(或组织生产). 多品种多级库存系统的一个特点是可能有多种 不同的订货策略:单个物品分别订货;联合订货…     

牻牛儿苗科11种中药材红外光谱鉴定及聚类分析

结合傅里叶变换红外光谱技术与聚类分析法,建立牻牛儿苗科11种中药材的快速鉴别方法。采用傅里叶变换红外光谱法鉴别牻牛儿苗科11种中药材;在建立主成分分析模型的基础上,采用SIMCA聚类分析法对三种中药材进行了快速的分类研究。红外光谱结合聚类分析技术对牻牛儿苗科中药材聚类结果较理想,识别率和拒绝率达到98%以上,盲样的预测率达到91%。红外光谱与聚类分析法相结合可以快速、无损识别牻牛儿苗科中药材。     

基于高光谱图像的玉米种子特征提取与识别

玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6~911.4 nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.