基于显微拉曼对氮胁迫下微藻油脂变化的研究

利用共聚焦显微拉曼光谱仪获取生长在三种氮营养条件下(氮胁迫、氮正常、氮饱和)培养的蛋白核小球藻(Chlorella pyrenoidosa)的拉曼光谱,通过拉曼散射光谱信息对微藻在不同氮胁迫下生长情况及油脂变化进行研究。对油脂拉曼特征峰值比值作气泡图以直观表达油脂积累量,该气泡图与尼罗红荧光图像具有良好的相关性。光谱信号经预处理后,利用主成分分析(PCA)对全波段进行分析,获得相应的主成分变量,通过线性判别分析(LDA)建立分类模型。利用PCA获取的主成分变量建立的LDA预测模型对三种氮营养条件的预测正确率分别是80%, 93.3%, 86.7%。基于油脂特征位移(RS)处的比率建立的LDA分类模型对三种氮营养条件的分类正确率最高达到86.7%。研究结果表明,利用拉曼技术对微藻生长的不同氮胁迫条件鉴别是可行的,且随着氮胁迫影响的时间增加,油脂的积累差异就越大。     

Discrimination of Chili Powder Origin Using Inductively Coupled Plasma–Mass Spectrometry (ICP-MS), Inductively Coupled Plasma–Optical Emission Spectroscopy (ICP-OES), and Near Infrared (NIR) Spectroscopy

This study investigated the content of macronutrients (Ca, K, Mg, Na, P, and S), trace elements (Ba, Be, Co, Cr, Cu, Fe, Ga, Li, Mn, Ni, Rb, Se, Sr, V, and Zn), and trace toxic elements (As, Cd, In, Pb, and Tl) in chili powder from Korea, China, and Vietnam. For the analyses, inductively coupled plasma mass spectrometry (ICP-MS) and inductively coupled plasma-optical emission spectroscopy (ICP-OES) were used. In addition, near-infrared (NIR) spectroscopy was used to differentiate functional groups based on the chemical constituents. For the validation of the applied analytical methods, good linearity (coefficients of determination, 0.9443–0.99997), and relative standard deviations below 4% were obtained. The contents of the toxic elements were below the provisional tolerable weekly intake values. Linear discriminant analysis using elemental contents and NIR data was performed to establish and authenticate the geographical origin of chili powder, which confirmed the reliability of the obtained results.     

AdaBoost算法在矿井突水水源的荧光光谱识别中的研究

矿井突水是影响矿井安全生产的重要因素之一,如果矿井发生突水,能够快速、准确地判别突水水源类型是治理矿井突水灾害保证生产安全的重要环节,因此,建立一个能够快速识别矿井突水水源的模型具有重要的意义。水化学分析法作为在传统的矿井突水水源类型识别方法里应用最为广泛的识别方法,通过获得相应的pH值、离子浓度、电导率等参数,然后利用这些参数来建立突水水源的类型识别模型对矿井突水的类型进行判别。针对这种传统矿井突水水源识别方法在判别时间上耗时长和识别准确率低等不足,鉴于LIF技术具有分析速度快、灵敏度高等优点,提出了将线性判别分析（LDA）算法作为弱分类器的自适应提升（AdaBoost）算法用于激光诱导荧光（LIF）光谱识别矿井突水水源的新方法。用于实验的九种水样（每种水样各取50个样本）由淮南地区某矿的老空水、灰岩水以及按不同比例混合的老空水与灰岩水的七种混合水构成。将405 nm激光器发射的激光打入被测水体并采集荧光光谱数据,然后对采集到450组荧光光谱数据进行分析,取其中360组光谱数据（每种水样各40组）用作训练集,取剩余90组光谱数据用作测试集。分别选取三种算法针对水样的激光诱导荧光光谱的分类进行了建模并将三种结果进行对比。首先利用决策树算法对光谱进行分类识别,在节点个数为8时决策树对测试集的分类效果最好,分类准确率达到91.11%。然后针对决策树算法分类效果的不足,利用决策树算法作为弱分类器的AdaBoost算法,当选取节点个数为9的决策树作为弱分类器的时,对训练集的分类准确率为97.78%。最后针对基于决策树的AdaBoost算法的泛化性能不足和为了获得更好的分类效果,提出了基于LDA算法作为弱分类器的AdaBoost算法,在设置迭代次数为150后对水样光谱数据分类准确率可以达到100%。通过实验结果可以发现,集成学习算法的分类能力比传统的分类算法对水样的光谱的分类识别能力更强,相较于同为九个节点的决策树算法,采用节点数为9的决策树作为弱学习器的AdaBoost算法对测试集的分类准确率从88.89%提升到了97.78%,对训练集的分类准确率从99.72%提升到了100%;然后可以发现相对于使用决策树作为弱分类器的AdaBoost算法,采用LDA算法作为AdaBoost算法的弱分类器对水样的光谱的测试集的分类准确率从97.78%提升到了100%,对训练集的分类准确率达到100%,具有更好的识别效果,并且具有更好的泛化性能。实验结果证明采用Adaboost-LDA算法为激光荧光光谱的模式分类用于矿井突水水源的判别和预警是可行且有效的。     

LDA端泵浦电光调Q脉冲输出特性研究

利用晶体的电光效应制成脉冲式Q开关(PRM),实现谐振腔中反射镜的部分反射而形成激光振荡.激光介质为Nd:YAG,采用300W准连续LDA(激光二极管阵列)端面泵浦,表面加微柱透镜和透镜导管进行光耦合,传输效率75%,电光晶体为KDP,平-凹腔结构,腔内放置介质膜起偏器,腔长11cm,退压式调Q,设计了实用的退压调Q电路,Q开关后沿触发,改进了硅光电二极管弱光测量电路,输出脉冲被调制,输出脉宽11ns,光-光转换效率10.8%,输出单脉冲能量4mJ,对实验结果进行了分析讨论.     

Pulverized coal swirl flames in oxy-fuel conditions: Effects of oxidizer O2 concentration on flow field and local gas composition

In an experimental study the effects of varied oxygen concentrations in the oxidizer gas on resulting flow fields, combustion products and general behavior of pulverized coal swirl flames under oxy-fuel conditions have been investigated. Experiments were carried out in a small scale down-fired cylindrical combustion chamber equipped with an annular swirl burner. Studied flames had a constant power output of 40 kW_th and O₂/CO₂ oxidizer gas mixtures with O₂ concentrations ranging from 23 to 33 vol%. Detailed two-dimensional flow field measurements are obtained from laser Doppler anemometry (LDA). Velocity profiles (Mean and RMS) have been obtained for all conditions investigated and serve as basis for identification of flow field characteristics. Velocity RMS values are provided as supplementary material. To complement flow field measurements, in-flame gas composition measurements were also conducted using a sampling probe combined with infrared gas absorption analysis via Fourier-transform infrared (FTIR) spectrometry. The results obtained show increased velocities, particularly along the main vortex for flames with increased oxygen contents, while lower velocities are found to occur inside the recirculation regions. The opposite occurs with lower O₂ concentrations, showing significantly reduced velocities in the main vortex, but stronger recirculation than the high oxygen counterparts. This effect is attributed to a modification of the swirl level introduced by the expansion of product gases. Measured NO and CO in-flame concentrations showed significant variations under different O₂ concentrations in the oxidizer.     

小样本条件下基于全局和局部特征融合的人脸识别

针对线性判别分析的小样本空间问题,提出了一种基于类向量的融合全局和局部特征的人脸识别算法.首先,提取人脸的全局特征;然后将人脸分割成6个关键部分,并用一种新的基于Gabor小波的方法提取特征;其次,将全局和局部特征融合,得出样本的特征向量;再次,得出每类样本的类向量并据此得出一种新的投影准则;最后,将类向量和试验样本分别进行投影,根据其欧氏距离的大小得出试验人脸的最终类.试验表明本文算法不仅能有效解决小样本空间问题,而且计算速度快,识别率高,应用前景良好.     

正常人和结直肠癌患者血清的拉曼光谱探测与区别

本文对比分析了正常人和结直肠癌患者的血清的拉曼光谱.选择拉曼峰信息和荧光背景信息作为参数进行统计分析.用主成分回归(Principal component regression,PCR)和线性辨别分析(linear discriminant analysis,LDA)对所选参数进行分析以观察这些参数对光谱的代表性,得到...     

基于NMFs-LDA的雷达目标距离像识别

基于NMFs(非负矩阵稀疏分解)和LDA(线性辨别分析),提出了一种新的雷达目标一维距离像识别方法。该方法首先用非负矩阵稀疏分解提取原数据的局部特征,然后用线性辨别分析方法对提取的特征进行进一步的处理,最终实现降维和特征提取的目的,接着采用最邻近中心法对处理后的特征进行分类,最后用3种不同类型飞机实测回波数据进行识别实验,并与经典的PCA-LDA方法相比较,结果表明该方法具有更好的识别性能。     

基于改进主题分布特征的神经网络语言模型

在递归神经网络(RNN)语言模型输入中增加表示当前词所对应主题的特征向量是一种有效利用长时间跨度历史信息的方法。由于在不同文档中各主题的概率分布通常差别很大,该文提出一种使用文档主题概率改进当前词主题特征的方法,并将改进后的特征应用于基于长短时记忆(LSTM)单元的递归神经网络语言模型中。实验表明,在PTB数据集上该文提出的方法使语言模型的困惑度相对于基线系统下降11.8%。在SWBD数据集多候选重估实验中,该文提出的特征使LSTM模型相对于基线模型词错误率(WER)相对下降6.0%;在WSJ数据集上的实验中,该特征使LSTM模型相对于基线模型词错误率(WER)相对下降6.8%,并且在eval92测试集上,改进隐含狄利克雷分布(LDA)特征使RNN效果与LSTM相当。     

双拱形LDA侧面泵浦Nd∶YAG光场均匀性研究

采用一种双拱形激光二极管阵列对双棒串接的Nd∶YAG进行同心泵浦,将双拱形激光二极管面阵发出的光作高斯光束处理,通过计算机模拟,研究了双拱形LDA侧面泵浦条件下Nd∶YAG的泵浦光场均匀性,分析了泵浦结构各参量对泵浦光场均匀性的影响。证实了只要选取适当的泵浦参数,采用这种泵浦结构可以提高激光输出能量和光束质量。实验测试了该泵浦结构下Nd∶YAG激光器的输出能量和光束质量,实验结果与理论分析结果基本相符,验证了所建模型的正确性。