热预处理对鸡胸肉和鸡骨泥滋味物质的影响

为探究酶解前热预处理温度对鸡胸肉、鸡骨泥中滋味物质的影响,对不同温度处理后的鸡胸肉、鸡骨泥样品进行感官评价,测定样品中游离氨基酸和呈味核苷酸含量,并计算各样品的味精当量值。结果表明:在热预处理温度为60℃的条件下加热30min,经酶解、制粉后得到的鸡胸肉、鸡骨泥样品感官评价结果较优,滋味特性较好,且与未经热预处理制得的样品相比,热预处理可以改善鸡胸肉、鸡骨泥样品的整体滋味。随着热预处理温度的升高,鸡胸肉、鸡骨泥样品中游离氨基酸的含量下降,其中苦味氨基酸总量下降幅度最大(亮氨酸含量下降最多),其次是甜味氨基酸和鲜味氨基酸。60℃热预热处理再酶解后,鸡胸肉样品中5′-CMP、5′-GMP和5′-IMP的含量高于未经热预处理后并酶解制得的鸡胸肉样品,鸡骨泥样品中5′-IMP和5′-AMP含量高于未经热预处理后并酶解制得的鸡骨泥样品;且鸡骨泥样品中鲜味氨基酸含量高于鸡胸肉样品,鸡骨泥样品的味精当量值(0.96g MSG/100g)高于鸡胸肉样品(0.52g MSG/100g)。研究结果旨在为酶解前热预处理温度对鸡胸肉、鸡骨泥滋味物质的影响提供数据基础,从而为鸡肉风味调味品工业化生产中酶解前工艺优化提供理论依据。     

含时磁场中自旋团簇两类规范解关系的研究

本文用坐标系旋转方法研究SU(2) 自旋团簇系统两类规范解析解的关系．研究对象选用一个有部分各向异性耦合的3自旋12粒子环链．从中发现系统的单规范解析解可以由双规范解析解获得．还计算了单规范解析解的几何相位,结果显示：单规范的每个基本解析解中的几何相位均为π．如果令双规范中的参数λ=π2,那么这个相位值与对应的双规范基本解析解中的几何相位是一致的．     

Benjamin-Bona-Mahony方程的平均隐式差分格式

本文对Benjamin-Bona-Mahony(BBM)方程的初边值问题进行了数值研究,提出了一个平均隐式差分格式,讨论了差分解的存在唯一性.然后利用离散泛函分析方法分析了该格式的二阶收敛性与稳定性,然后利用数值实验进行了验证.     

机器人无标定视觉伺服系统及离散仿真

为了研究机器人无标定视觉伺服离散仿真,本文在介绍了机器人无标定视觉伺服控制的基础上,基于Simulink软件,首次建立了一种具有图像雅可比矩阵伪逆在线估计的无标定视觉伺服系统离散仿真模型,并以此完成了二关节机器人、Puma560机器人无标定视觉伺服系统离散仿真模型的建立.文中对固定图像目标定位跟踪的仿真结果表明,提出的无标定视觉伺服系统Simulink离散仿真模型是正确的.这对无标定视觉伺服系统控制算法的研究具有积极意义.     

基于球体模型的图像拼接算法

本文提出了一种基于球体模型的全自动图像拼接算法.本文首先采用SIFT算法提取图像特征点,然后采根据基于置信度的匹配算法对特征点进行匹配,最后采用相机球体拍摄模型来实现图像的自动拼接.通过对不同场景的序列图像进行拼接实验,结果表明本文算法有效的提高了图像拼接的效率和准确性,能够大大提升图像拼接的自动化水平.     

基于文本频谱的中文文本聚类方法

本文提出了利用文本频谱进行中文文本轮廓分析的表征方式.该方法基于不同时代、体裁和领域的文本在文字使用方面具有偏好性的假说,以文本中单个字符为单位,通过文本频谱刻画方法统计所有单字符在文本中出现的频率,并使用刻画出的文本频谱对文本进行表征;利用频谱比对分析技术,可计算出任意文本间的距离,并以此距离为基础进行聚类分析.进一步的实验证实了该方法的有效性.     

B2分子势能函数对比研究

利用密度泛函数理论B3LYP方法,分别选用D95*、321+G、6-31G*、6-31+G*、6-311*、6-311+G*、cc-PVDZ、cc-PVTZ基组对B2基态分子进行结构优化,最后选用最佳基组B3LYP/cc-PVTZ的优化结果,分别对Morse函数、Rydberg函数、赝高斯函数、MurrellSorbie函数、Lennard Jones函数、HulbretHirschfelder函数进行研究,导出B2分子的力常数（f2,f3,f4 ）和光谱常数（ωe,Be,αe,ωeχe ）.结果表     

N和S共掺杂对TiO2电子结构与光学性质的影响

基于第一性原理的计算方法研究了N和S共掺杂的锐钛矿相TiO₂的晶体结构、电子结构及光学性质.计算结果表明掺杂后晶格发生了变化,同时导带位置下移导致了TiO₂的禁带宽度变小.N和S共掺杂使TiO₂在紫外光区和可见光区有更强的光吸收特性.     

一类有理差分方程解的全局行为

本文讨论了一个带有参数的分子含有二次项的有理差分方程的奇点集和解的全局稳定性,证明了它的解由于参数的取值不同最终将收敛到0或非零不动点或二周期点或者是无界的,且在某些情况下解的收敛性还依赖于给定的初始值,从而回答了Sedaghat提出的一个公开问题.     

引入多速率模型的变结构机动目标跟踪

变结构多模型方法(VSMM)能够根据目标机动的实际情况实时确定结构不断变化的模型集合,取代传统IMM方法中的固定模型集.使参与状态估计的模型分布更集中,模型数量相对较少,从而提高算法的跟踪精度.多速率模型(Multirate)能够对原始测量数据进行多分辨分解,有效的抑制量测噪声,从而提高原始数据的信噪比.文章将多速率模型引入变结构多模型方法,提出一种新的机动目标跟踪算法多速率变结构多模型方法(MRVSMM),该方法分别从改善原始数据与改善模型集合两方面对传统IMM方法进行了突破.同时,采用多个多速率模型,并将多个模型的滤波结果相互交织实现对机动目标的全速率跟踪.仿真实验证明,该算法较传统的IMM方法跟踪精度得到了一定程度的提高.