平行机半在线排序问题研究(Ⅰ)

对半在线平行机排序问题的研究进展作了详细综述和进一步探讨。文章给出半在线排序问题的背景、定义、分类和求解。介绍它们定义和在不同机器环境和目标函数下半在线排序问题分类，以及第一类半在线模型的近似算法的设计及其竞争比分析。     

完全Rees矩阵半群的分解及性质

用等价关系Q^~出了完全Rees矩阵半群的一种分解．而且得到了它的每个Q^~一类的表示．     

CH2(X 3B1)自由基与O2的反应

用时间分辨富里叶红外发射谱仪（ＴＲ－ＦＴＩＲＳ）研究了ＣＨ２（Ｘ＾３Ｂ１）自由基与Ｏ２反应的通道及产物的振动动态布居，基电子态自由基ＣＨ２（Ｘ＾３Ｂ１）由３５１ｎｍ紫外激光光解ＣＨ２ＣＯ生成，观测到振动发态反应产物ＣＯ（ｖ≤１０），ＣＯ２（ｖ３≤７）ＯＨ（Ｈ２Ｏ）和Ｈ２ＣＯ的红外发射，证实存在生成Ｈ２ＣＯ的通道，由光谱拟合得到不同时刻ＣＯ（ｖ）和ＣＯ２（ｖ３）的相对振动布居，发现ｖ＝４能级的布居数     

基于独立组分分析和BP神经网络的可见/近红外光谱蜂蜜品牌的鉴别

提出了一种基于独立组分分析的可见/近红外光谱透射技术快速鉴别蜂蜜品牌的新方法。用独立组分分析方法获取蜂蜜的可见/近红外光谱载荷图,将载荷图中相关性最大的波段,作为人工神经网络的输入建立蜂蜜品牌的鉴别模型。建立了一个三层的BP神经网络模型,各层传递函数采用S型(Sigmoid)函数,并设置网络输入层节点数为9,隐含层节点数为10,输出层节点数为3。每个品牌25个样本,3个品牌共75个样本,用来建立BP神经网络模型,剩余的3个品牌各５个样本用于预测,鉴别准确率达100%,模型的拟合残差为8.245 365×10-5。说明基于独立组分分析的方法具有很好的鉴别效果,为蜂蜜的品牌鉴别提供了一种新方法。     

基于多光谱图像颜色特征的茶叶分类研究

提出了一种利用多光谱图像颜色特征进行茶叶分类的新方法,对两种颜色几乎一样用肉眼几乎不能分辨的茶叶进行了分类。图像由MS3100-3CCD光谱成像仪和普通数码相机同时获得,光谱成像仪提供3个波段的图像,由近红外(NIR)、红色(R)和绿色(G)组成,因此它比普通数码照相机包含更丰富的信息,特别NIR波段的图像对有机物的颜色比可见光敏感。提取3CCD光谱成像仪和普通数码照相机各个波段图像颜色的特征即像素偏方差值和平均值进行统计分析,用多光谱图像的NIR图像所提供颜色信息能够辨别这两种颜色几乎一样的茶叶,而普通数码相机无法提供信息进行识别。然后应用人工神经网络技术,对NIR图像像素偏方差值和平均值这两个参数进行建模,建模样本40个,每个样本为20个,预测样本20个,每个样本为10个。结果表明,在阈值为0.3,对两种茶叶进行分类得到了100%识别率,此研究为茶叶的分类提供一种快速和无损的新方法。     

超声场中气泡融合的影响因素分析

采用高速摄影机对不同声压和频率作用下接触气泡的融合时间进行了实验研究,运用实验和数值计算相结合的方法分析了次Bjerknes力和最大径向振动速度对气泡融合时间的影响,结果表明在不同的超声声压和频率作用下,气泡的融合时间会随着次Bjerknes力和最大径向振动速度的增大而增大,对两个因素进行对比分析得到次Bjerknes力是影响气泡融合的关键因素。     

电磁轨道炮高速滑动接触电阻的定量表征

从描述电磁轨道炮炮口电压波形的场路模型出发,构建了电枢/轨道高速滑动接触电阻与轨道电流波形、炮口电压波形、电枢膛内速度曲线和轨道结构参数之间的关系,依据此关系可定量表征电磁轨道炮高速滑动接触电阻。实例计算表明,电枢/轨道高速滑动接触电阻的变化依赖于轨道电流变化,对应电流上升段、平顶段和电流下降段。在平顶段接触电阻最小约0.2 m,在电流上升段和电流下降段,接触电阻达3 m。     

作物和杂草叶片的可见-近红外反射光谱特性

为了进行快速实时的杂草识别,研究了作物和杂草叶片的可见-近红外反射光谱特性.选择了两种常见的 田间作物大豆(Glycine max)和玉米(Zea mays),以及铁苋菜(Acalypha australis L.)和田字草(Marsilea quadrifolia L.)两种杂草作为研究对象.每种各30个样本.共120个样本.采用ASD Fieldspec便携式光谱仪进行光谱采集.在对400～1000 nm的光谱数据进行平滑和-阶求导预处理、.通过主成份分析.去除了一个奇异样本.最后用79个样本组成的建模集进行偏最小二乘法建模.对剩余的40个样本进行预测.预测模型结果的相关性达到0.986,识别率达到100%.说明研究中选用的作物和杂草叶片的可见-近红外反射光谱特性之19有较大的区别,町以用于 进行杂草和作物的区分.     

基于离散余弦变换和支持向量机的多光谱纹理图像的茶叶分类研究

提出一种利用多光谱图像纹理特征进行茶叶分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供近红外(NIR)、红色(R)和绿色(G)的3个波段的图像。首先对原图像的NIR波段图像提取均方值,然后应用离散余弦变换算法,构造出8个带通和高通滤波器对NIR通道的图像进行滤波并提取均方差值,最后应用支持向量机技术,分别对原图像的NIR提取的均方差值和用8个滤波器滤过的图像提取的均方差值进行建模。茶叶样本总共为240个,训练和预测各为120个,每种训练样本和预测样本各为20个。结果表明经过8个滤波器处理图像的识别率为100%,而没有经过滤波处理的纹理图像识别率只有73.33%,说明离散余弦变换算法设计的滤波器是一种非常有效的纹理识别技术,此实验同时也为茶叶的分类提供一种快速和无损的新方法。     

基于连续投影算法的光谱主成分组合优化方法研究

应用连续投影算法(successive projections algorithm, SPA)选择由主成分分析(principal component analysis,PCA)得到主成分的最佳组合。首先对奶粉的短波近红外光谱进行PCA分析, 然后通过SPA得到的脂肪和蛋白质含量预测最佳主成分组合分别为主成分1,2,4,5,6和7以及主成分1,2,3,4,5和8。通过最小二乘支持向量机(Least-squares support vector machine, LS-SVM)对奶粉中脂肪和蛋白质含量进行预测, SPA选择得到的主成分组合均优于分别采用前4个到前8个主成分。 基于SPA得到的主成分组合得到脂肪含量预测结果的确定系数(R2p),预测误差均方根(root mean square error for prediction, RMSEP)和剩余预测偏差(residual predictive deviation, RPD)分别为0.989 0,0.170 3和9.534 3。而蛋白质含量预测结果的R2p,RMSEP和RPD分别为0.987 6,0.134 8和8.927 4。说明SPA能够用于快速有效选取最佳的主成分数, 寻优过程简单快速,并且不用对大量参数进行调试。