表面增强拉曼光谱术在生命科学及单分子研究中的应用与进展

本文介绍了表面增强拉曼散射的基本原理及其在生命科学研究中的应用；综述了最近十年来利用表面增强拉曼散射进行单分子和活细胞检测的研究进展以及在活体检测中的应用；对表面增强拉曼光谱术在生命科学研究中的独特优势及发展前景进行了介绍。     

血液细胞光相位分布特征的虚拟仿真研究

为能够充分利用细胞光散射的全息信息,以更好地对生物细胞类别进行解构,根据血液细胞的光穿透特性,建立了血液细胞中红细胞(RBC)、白细胞(WBC)中粒细胞和非粒细胞的典型细胞光散射模型.借助于数字相位显微(DPM)技术的基本方法和实验条件参数,应用VirtualLabTM光学虚拟仿真实验系统.获得了血液细胞在光散射下的虚拟仿真相位分布和光强分布.针对所获得的相位和光强分布图谱进行了分布特征分析,发现了相位分布直接与细胞形态结构密切相关.该点可作为细胞类别分检的一个新的重要依据,该方法相对于3D重建方法来说计算量少、无需很多的边界条件.这种由细胞相位分布解构细胞形态的检测方法可为提升细胞检测技术和发展检测方法的研究提供一种新突破方向.     

基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

本月热点

0.5米；不成功则成仁；三核；微软失帅；近2万元     

基于谱域-空域组合核函数的高光谱图像分类技术研究

针对传统高光谱图像分类算法多利用目标的光谱信息,不重视空间信息的问题,本文提出了一种综合利用谱域-空域信息的最小二乘支持向量机分类算法。首先利用主成分分析进行特征提取,然后在保留的主分量图像上用数学形态学得到目标的空域信息。并结合光谱域特征,探讨了各种组合策略,构造组合核函数。通过在分类器中引入空域信息,提高了分类准确率。而且采用了最小二乘支持向量机,将标准向量机的二次规划问题转换为求解线性方程组的问题。利用了其训练速度快、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比表现出了一定的优越性,从而适用于较大规模的高光谱图像分类。      

一种与JPEG图像压缩编码结合的细胞自动机域盲水印算法

该文结合JPEG图像压缩编码和细胞自动机,提出一种用于JPEG压缩图像的数字盲水印算法。该算法先用Moore型细胞自动机对水印图像进行置乱;随后用2维正交细胞自动机变换将原始灰度图像进行分解,并在分解后得到的低频细胞自动机域系数中嵌入置乱后的水印信息。最后将嵌入了水印的图像按JPEG图像压缩标准进行编码。水印的提取是在解码过程中进行的。实验结果表明,该水印算法有较好的隐藏性;对常见的攻击如JPEG压缩、滤波、剪切、旋转以及加性噪声攻击等有较好的鲁棒性。     

可程控核能谱信号放大器设计

为了提高能谱测量系统中放大成形部分的灵活性,采用单片机控制DAC与一级放大结合的方法,研制一种放大倍数可程控的核能谱信号放大器,使其能同时适用于X荧光仪,伽玛谱仪等核能谱测量仪器,实现0～100倍程控放大。试验测试结果表明,设计电路完全达到设计指标要求。     

被表面繁荣遮住双眼的2010中国电子

2010年在一片的缺货声中即将走完,但中国人为国外公司打工的日子仍在继续。工信部肖华司长在IC China 2010高峰论坛演讲中说,新一代信息技术、节能环保、新能源、生物产业、高端装备制造、新材料等     

面向航天应用的SpaceWire节点单元的IP核设计与实现

Space Wire是一种面向航天应用的LVDS串行传输技术,对于解决目前数据处理系统的总线带宽不足和提供一种通用接口标准以简化和规范异种设备之间的互连有着重要作用.文章首先介绍了SpaceWire技术的特点,然后论述了SpaceWire节点单元的IP核设计和实现,最后对实现的结果做了简单介绍.     

一种改进的支持向量机模式分类方法

支持向量机(Support Vector Machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,已成为目前研究的热点,并在模式识别领域有了广泛的应用.首先分析了支持向量机原理,随后引入一种改进的径向基核函数,在此基础上,提出了一种改进核函数的SVM模式分类方法.与基于IRIS数据,进行了计算机仿真实验,与基干模糊k-近邻的模式分类仿真结果比较,结果表明改进的SVM方法分类性能比模糊k-近邻算法(Fuzzy k-Nearest Neighbor,FKNN)的分类性能更好,运算时间更短,更易于实时实现.