一个较精确加强型的半离散Hilbert型不等式

应用权函数的方法及Hermite Hadamard不等式, 建立一个较精确且加强型的半离散非齐次核Hilbert型不等式, 并给出该不等式具有最佳常数因子联系参数的一组等价性质及一些特殊参数不等式.      

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

基于漫水填充的图像骨架提取方法

针对当前图像骨架提取存在毛刺现象和骨架冗余的问题,提出基于漫水填充的图像骨架提取方法。对目标图像预处理,得到阈值化二值图像,分割出前景和背景;构建掩模图像和轴线图,为后续运算过程提供数据来源和判断依据;通过遍历水平面灰度直方图,模拟漫水过程,收缩掩膜图像的前景轮廓,根据邻域连通分量变化,确定是否为骨架特征点,待轮廓收缩完毕,得到图像骨架。实验验证表明,该方法可以有效地提取图像骨架,毛刺现象和冗余结构明显减少,执行速度快。     

氨基酸分析仪法快速检测土鳖虫中谷氨酸含量

采用氨基酸分析仪建立了土鳖虫中谷氨酸含量的检测方法，比较不同浓度的盐酸以及不同料液比、提取时间对土鳖虫中谷氨酸提取效果的影响。结果表明，土鳖虫中谷氨酸的最佳提取工艺为6 mol/L 的盐酸消解，料液比1:1（mg/mL），水解时间22 h，建立的谷氨酸分析仪法回收率为99.2%，精密度试验相对标准偏差为0.19%，不同地区土鳖虫中谷氨酸质量分数存在较明显差异，范围为1.068%~1.149%。该方法重现性好、快速高效、操作简便，适用于土鳖虫中氨基酸含量的检测，可为其质量控制及资源深入开发提供技术支持。     

常微分方程线性系统的一般理论与方程求解

在常微分方程的全部内容中,线性系统部分占有特别重要的地位,这不仅因为其自身的理论已被研究得十分清楚外,同时线性系统又是讨论非线性系统的基础.利用线性空间理论进一步对常微分方程线性内容及方程求解做一些分析和探究.     

基于RDF的电子商务信息抽取技术研究

在网络购物过程中,网站信息过于繁杂,用户很难快速地获取感兴趣的信息.信息抽取可以在一定程度上解决这个问题.提出一种基于RDF的信息抽取方法,将网页信息转换为DOM树,计算最大相关度子树,抽取用户感兴趣的信息.实验结果表明,具有较好的信息抽取性能.     

基于原子能量熵和CSM的配电线路故障分类方法

针对配电线路上的故障分类问题,提出了一种结合原子能量熵和连续字符串匹配(CSM)的故障分类方法.通过分析故障信号的暂态特征,利用原子分解法得到故障暂态信号的主导原子以及对故障信息进行补充的次级原子,计算原子能量熵作为故障特征量,较完备地描述了故障特征.应用CSM进行故障分类节省了智能算法故障辨识中参数选择和优化的时间,通过建立的编码规则,将故障特征进行编码,搜索故障编码库,最终确定故障类型.通过仿真研究,验证了该算法的可行性与有效性.     

金钗石斛中生物碱提取的动力学分析

将金钗石斛用氨水浸润后,以氯仿为溶剂,在不同液固比、不同提取时间和不同提取温度下提取生物碱,以Fick第二定律为依据,以提取生物碱质量浓度为检测指标,求解提取动力学的表观传质速率方程、速率常数k、相对萃余率和表观活化能Ea等数值,建立金钗石斛生物碱提取过程的动力学模型.结果显示:在液固比为60,提取温度为60℃,提取时间为90 min时,所提取的生物碱质量浓度较高,金钗石斛生物碱提取过程的动力学基本符合一级动力学方程,在不同影响因素下,表观传质速率ln[C_∞/(C_∞-C_0)]、相对萃余率与时间t均有比较好的线性关系,提取动力学方程的活化能Ea为55.075 k J/mol.由此知金钗石斛生物碱提取过程的关键控制步骤为溶质的内扩散步骤.     

具有齐次核的Hilbert型积分不等式的构造特征及应用

利用实分析技巧,研究具有齐次核的Hilbert型积分不等式的构造特征及取最佳常数因子的充要条件,得到了最佳常数因子的解析表达式.     

基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。