动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

多阶段可松弛的设计模式变体检测方法

针对设计模式演化后难以检测的问题,提出一种多阶段可松弛的设计模式变体检测方法.通过遍历设计模式中的参与者角色来探究不同参与者之间存在的关系,制定了检测设计模式变体的规则,引入了隐形关系增加机制,并构建了4阶段的设计模式变体检测框架.通过经典系统进行了单元检测与系统集成检测实验.实验结果表明:该方法简单有效,对设计模式变体的检测精确率达到81.25%,与传统方法相比有较明显的提高.     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

过敏性疾病过敏原检测结果之影响因素的定量分析

针对过敏性疾病的过敏原检测结果。首先通过过敏原检测结果数据并结合性别、季节、年龄、时间四个影响因素利用EXCEL及SPSS软件进行Logistic二分类回归,在概率的角度上解释了这四个影响因素对于过敏性疾病的影响。其次通过方差分析和统计分析对不同类型的过敏性疾病间的差异和过敏原检测结果的趋势进行了解释。最后利用典型相关分析的方法得到PM2. 5浓度对于尘螨类过敏原结果影响最大,对动物皮毛类过敏原检测结果影响最小等结论。     

用不确定度评价测量结果中的有效自由度的作用

论述了有效自由度的计算方法及有效自由度量值在分析测量结果中的应用。     

基于k-分辨-FB级数展开的多分量LFM信号分离

针对傅里叶-贝塞尔变换(FBT)难以估计和有效分离多分量LFM信号的问题,提出了一种k分辨-FB(k-FB)级数展开结合dechirp的信号分离与估计算法。在FB级数的基础上引入k分辨参数,通过理论推导,得出了信号频率与级数的关系,证明了参数估计精度与k取值正相关。通过解线频调和k-FB级数计算,实现了信号分离重构和参数估计。在不同信噪比、信号功率比和k分辨条件下对信号的分离精度进行了仿真研究,并与基于分数阶傅里叶变换(FrFT)的方法进行了对比。仿真结果验证了算法的有效性。     

CPI趋势测定与分析

近期,居民消费价格指数(CPI)呈线性增长态势,形成通胀压力.经过建立数学模型测定,以及定性分析对定量分析结果的修正,可以预见,CPI增幅将会突破5%,且今后一段时期内,CPI仍会处在增幅5%以上的高位波动,通胀压力仍然存在,但CPI的上升空间有限.     

一种基于段的基音检测算法

作为语音信号处理领域一项基本、关键的技术,基音检测在语音信号处理中扮演着重要的角色,一直是语音信号处理的一个研究热点.首先对传统的基于短时自相关函数法的基音检测进行了研究;在此基础上提出了一种能同时检测一段语音信号基音周期的方法,有效地克服了传统基音检测算法只能检测一帧语音信号基音的缺点.进行了实验仿真,结果表明通过去野点,中值平滑等后处理的基于段的基音检测算法比传统的基于帧的基音检测算法具有更好的抗噪性.     

全内反射荧光显微术应用于单分子荧光的纵向成像

利用这种显微术中激发场的纵向强度呈指数衰减的分布特性，测得的荧光强 度将强烈依赖渗透深度（强度衰减到1/e时的距离），从而快速直接的确定单分子荧光 团间的纵向间隔、每个荧光团的纵向绝对位置和荧光团的半径大小，即实现荧光分子三维分 布的重构.在整个重构的过程中，只需要改变一次入射角的大小，即只需探测两幅荧光分子 的全内反射成像. 关键词： 全内反射荧光显微术 纵向重构