Stark效应的推广

将Stark效应进行推广,得到氢原子所有谱线在稳恒电场中都是三分裂,进而对这一结论进行分析．     

基于偏振光谱BRDF图像的物质分类

提出一种基于偏振光谱二向反射分布函数图像的物质自动分类方法,该方法主要选择偏振光谱二向反射分布函数信息作为新的特征用于物质自动分类.采用支撑向量机的分类方法对不同的天气条件（晴天、多云、阴天）下处于杂乱的自然草地背景环境中的典型目标进行分类,最后比较三种不同特征选择对于分类准确度的影响.采取三种不同的特征选取方法,分别为采用单一的光谱特征、偏振光谱特征及偏振光谱二向反射分布函数特征.最后通过实验得出：将偏振光谱二向反射分布函数作为分类特征在三种不同的天气情况下,分类准确度都较高,特别是在阴天天气条件下,分类准确度明显高于其它两种特征选择.即使是在阴天低照度下的场景中,当不同目标和背景之间的灰度很接近时,采用本文方法也能准确的进行自动分类.
关键词:     

供应链合作伙伴选择方法

指出建立战略性合作伙伴关系是供应链战略管理的重点,也是集成化供应链管理的核心。供应链管理的关键就在于供应链各节点企业之间的连接和合作。以及相互之间在设计、生产、竞争策略方面良好的协调。重点阐述了供应链合作伙伴选择的7种方法。     

基于综合序贯截尾法的捷联式导弹落点密集度检验

针对小子样试验中精度评定工作的需要,设计了一种弹道落点密集度的综合序贯截尾评定方法。首先,利用惯性坐标系内弹上惯性测量组合和弹载计算机共同完成导航计算任务的导航方程建立弹道仿真模型,求解弹道落点偏差;然后从评定结论置信度与所需试验子样数量之间的矛盾出发,设计了综合序贯截尾检验方法,讨论了最小发数的确定方法,论证了该方法应用于捷联式导弹落点密集度检验中的可行性。最后仿真实例验证了该方法的有效性。     

复杂岩性模式识别中测井项目优化选择技术

在利用模式聚类判别方法建立复杂岩性集合判别函数时,需要优选出对岩性集合敏感的测井项目,以有效克服所有测井项目均参与而造成的相互掣肘、矛盾现象。依据构建集合内均匀度参数及集合间距离参数,实现复杂岩性集合判别中测井项目优化选择技术。以海拉尔盆地的4大类岩性集合(一般沉积岩、火山碎屑岩、火山碎屑沉积岩、火山熔岩等)为应用实例,优选后判别符合率明显改善,说明了方法的有效性。     

区分度与测验进程相匹配的CAT选题策略

选题策略是计算机化自适应测验(CAT)的核心.该文提出了一种新的选题策略,是一种相对严格的“升a”方法,它选择区分度参数的百分等级尽可能接近测验进程的项目,而且还可以通过调整控制参数的取值来满足不同测验场景的需求.Monte Carlo实验结果表明:该方法在测验精度、项目曝光率控制和题库利用率等方面均表现良好.     

基于重构相图相似性检测的单相接地故障选相方法

配电线路在发生单相高阻接地故障时,由于故障特征微弱导致传统以求解电气参量为依据的选相方法存在困难.依据故障支路附加状态的三相电流中健全相与故障相存在幅值相角不一的差异,提出一种利用相空间重构方法对故障附加状态的三相电流进行升维重构,然后依据重构相轨迹图的差异作为故障特征进行单相接地故障选相的新方法.该方法可通过重构相轨...     

光谱预处理方法选择研究

复杂样品光谱信号往往会受到杂散光、噪声、基线漂移等因素的干扰,从而影响最终的定性定量分析结果,因此通常需要在建模前对原始光谱进行预处理。目前已有的光谱预处理方法包括很多种,如何寻找合适的预处理方法是很棘手的问题。一种途径是观察光谱信号特点选择预处理方法（visual inspection）,另一种途径是根据建模性能的优劣反过来选择预处理方法（trial-and-error strategy）。前者无需建模,更具有解释性,但是有时会由于选择者主观的因素导致错误的结果;后者无需观察光谱特点,但需要考察大量的预处理方法,对大数据集比较费时。因此需要探讨哪种选择方式更科学与合理。本研究采用9组数据,通过对10种预处理方法的120种排列组合来探讨预处理的必要性及预处理方法的选择。首先,优化偏最小二乘（PLS）的因子数及一阶导数、二阶导数、SG平滑的窗口参数,连续小波变换（CWT）的小波函数和分解尺度。然后把无预处理及一阶导数、二阶导数、CWT、多元散射校正（MSC）、标准正态变量（SNV）、SG平滑、中心化、Pareto尺度化、最大最小归一化、标准化10种预处理方法按照背景校正、散射校正、平滑和尺度化的顺序进行排列组合,得到120种预处理及其组合方法。最后对不同数据及相同数据的不同组分分别进行120种预处理,分析光谱信号特点及预处理后PLS建模的预测均方根误差值（RMSEP）。结果表明,相比观察光谱信号特点,根据光谱与预测组分的建模效果可以更为准确地选择最佳预处理方法。对于多数数据,采用合适的预处理方法可以提高建模效果;对于不同的数据集,因为其数据集信息和复杂性不同,所以其最佳预处理方法也不同;对于相同数据集,即使光谱相同,但不同组分的预处理方法也不相同。因此,不存在普适性的最佳预处理方法,最佳预处理方法除了与光谱有关,还与预测组分有关。通过对已有预处理方法按照预处理目的进行分类再排列组合是选择最佳预处理方法的一种有效途径。     

Ensemble-SISPLS近红外光谱变量选择方法

近红外光谱具有高维小样本的特点,变量选择是提高定量分析模型稳健性和可解释性的一种有效方法。确定独立筛选（SIS）是一种基于边际相关性的超高维数据变量选择方法,广泛用于基因微阵列数据的变量选择。SIS具有将数据维度降低至样本大小规模的能力,其降维能力与LASSO相当,在相当宽泛的近似条件下,由于具有安全筛选性质,所有重要变量被保留的概率趋于1。基于确定独立筛选偏最小二乘（SIS-SPLS）的变量选择是一种迭代式的SIS变量选择方法,首先利用SIS方法完成光谱重要变量的初选;然后根据重要变量的边际相关性大小进行逐步前向选择：建立偏最小二乘回归模型,依据贝叶斯信息准则（BIC）确定最终的变量选择结果。SIS-SPLS以逐步前向选择的方式实现对重要变量的增量式筛选,随着潜变量个数的增加及因变量残差的逐步减小,SIS-SPLS方法选择的变量个数将趋于稳定。然而仅以边际相关性对变量重要性进行评价,当光谱变量个数远大于样本数时,该方法也存在选择的变量过多、变量选择结果不够稳健等问题。为进一步提高小样本情况下变量选择的稳健性,将集成学习引入SIS-SPLS方法之中,提出了一种集成SIS-SPLS变量选择方法（Ensemble-SISPLS）。该方法首先对校正集样本进行自助重采样,对采样得到的每一个校正子集分别使用SIS-SPLS方法进行变量筛选,通过投票机制并设置频次阈值对所有校正子集的变量选择结果进行集成,选择出现频次大于给定阈值的变量并建立偏最小二乘回归模型,计算5折交叉验证均方根误差。对频次阈值和潜变量个数两个关键参数使用网格搜索法进行优选,根据子模型的交叉验证均方根误差和变量个数对子模型性能进行综合评价,以最优子模型包含的变量作为最终的变量选择结果。分别在Corn数据集和当归数据集上进行变量选择实验,比较Ensemble-SISPLS,SIS-SPLS和UVE-PLS三种变量选择方法的性能。其中当归数据集共77个样本,样本采自甘肃岷县和渭源县,使用Nicolet-6700型近红外光谱仪扫描得到所有样本的近红外光谱并对当归中的阿魏酸含量进行预测。Ensemble-SISPLS方法在Corn数据集上选择的变量个数、RMSEP和决定系数分别为22,0.000 8和0.999 8;SIS-SPLS方法在Corn数据集上选择的变量个数、RMSEP和决定系数分别为97,0.007 3和0.998 8。Ensemble-SISPLS方法在当归数据集上选择的变量个数、RMSEP和决定系数分别为24,0.018 1和0.996 3;SIS-SPLS方法在当归数据集上选择的变量个数、RMSEP和决定系数分别为38,0.022 6和0.994 3。结果表明,该方法进一步提高了变量选择结果的稳健性和预测能力。Ensemble-SISPLS变量选择方法有效结合了SIS-SPLS较强的变量选择能力和集成学习良好的泛化能力,提高了变量选择的稳健性。此外,由于在子模型的预测能力和变量个数之间进行了折中,一定程度上减少了选择变量的个数,提高了模型的可解释性。     

Adaptive signal enhancement for overlapped peaks based on weighting factor selection

Peak-sharpening is an effective method for the peak position detection of overlapped spectra. However, the weighing factor parameter strongly affects the sharpening performance, and the derivative adopted in the peak-sharpening method is sensitive to noise. In this paper, an adaptive peak-sharpening method based on weighting factor selection is proposed. The relationship between the sharpening ratio and weighting factor is studied. In addition, the Savitzky–Golay filter is adopted due to its excellent noise reduction and peak shape retention abilities. First, the smoothed signal and second-order derivative signal are obtained by the Savitzky–Golay filter. Then, the parameters of the overlapped peaks are estimated for the weighting factor selection. Next, the peak position is detected by the peak-sharpening method. After that step, the estimated parameters are updated, and the above steps are iterated until the detection of the peak position converges. Finally, the converged results are considered to be the final detection results. The experimental results using a simulated dataset, a virtual mass spectra dataset and a polarography dataset show that the proposed method is effective for peak position detection.