辽西早白垩世义县组金刚山层沉积相研究

本文基于野外典型剖面的调查,并结合室内观察,对义县盆地义县组顶部金刚山层岩石学特征、沉积构造及沉积相等进行了分析和研究,利用沉积相标志法,得出义县组金刚山层主要发育于扇三角洲相至滨湖相-浅湖相半咸水泥坪混合坪碳酸盐沉积环境。     

改进的遗传算法在SVM参数优化中的应用

遗传算法是一种具有随机、高度并行、自适应特点的全局最优搜索技术,即以生物界自然选择和遗传机理为基础的智能计算模型,模拟生物的自然进化过程。文章利用改进的遗传算法优化SVM参数,提高SVM分类器的学习能力和推广能力,实验仿真表明,优化的SVM不仅能高准确地预训练集,而且使分类准确率维持在一个较高的水平。     

指纹图像增强的一种新方法

指纹增强技术可以有效地增强指纹的脊线特征,为指纹细节提取和匹配提供可靠的基础.文章提出了一种基于Fourier变换和Gabor滤波的指纹图像增强新方法,首先通过快速傅立叶变换将指纹图像变换到频域,然后在频域分方向进行Gabor滤波,最后对合成的图像进行傅立叶逆变换.部分指纹图像的实验结果表明,该方法具有较强的有效性和鲁棒性.     

直动平底从动件盘形凸轮机构基本尺寸设计

运用力学方法分析了怎样选择直动平底从动件盘形凸轮机构的基本尺寸，并导出了机构瞬时效率计算公式及自锁条件，为设计直动平底从动件盘形凸轮机构提供了理论依据。     

深厚覆盖层中新型扩底防渗墙对防渗效果的影响

为降低防渗墙端部的渗透坡降,提出改变防渗墙端部局部的结构形式,将常规长方体结构形式改为新型扩底结构形式,并对比分析了常规结构形式和扩底结构形式防渗墙端部渗透坡降的分布规律。研究表明:与常规结构形式相比,扩底结构形式能够显著降低防渗墙端部和下游坝脚出溢处的最大坡降;扩底结构的半径越大,防渗墙端部的最大渗透坡降越小,下游坝脚出溢处的最大渗透坡降越小;对于概化模型,常规结构形式防渗墙贯入深度为35 m时,防渗墙端部最大坡降为0.85,下游坝脚处最大渗透坡降为0.27,要达到相同防渗效果,半径1.5 m的扩底结构形式防渗墙的贯入深度仅需23 m;扩底结构形式显著优于常规形式,它能够大幅度降低防渗墙建设的工程量和工程造价,显著缩短防渗墙施工工期。     

基于旋转变换矩阵和广义共轭剩余法的信号源数检测方法

确定空间信号源数目在高分辫率测向中起着至关重要的作用.提出了一个鲁棒的误检概率较低的检测信号源数目算法--旋转变换矩阵-广义共轭剩余法(VTRS-GCR),算法主要利用了旋转变换子阵方差(VTRS)的趋零性,同时使用广义共轭剩余法(GCR)来解矩阵方程得到旋转变换矩阵的估计值.算法适用于任何的子阵几何模型,同时不需要额外的参数和主观的门限设定.如果与空间平滑技术相结合,还可以用于检测相关信号.仿真结果表明,VTRS-GCR方法在较低的信噪比和较小的快拍数条件下都能表现良好的检测效果,同时还可用于色噪声背景和信号源数目较大的条件下.     

山羊ZP3基因的cDNA克隆、序列分析及组织表达研究

对高繁金堂黑山羊和低繁藏山羊ZP3基因cDNA进行克隆、序列分析,并采用Real-time PCR技术对其在发情前期母羊卵巢组织的表达进行研究.结果表明:山羊ZP3基因编码区全长为1269bp,共编码422个氨基酸,两品种间有2处碱基差异,但未导致氨基酸的差异.山羊的ZP3基因在卵巢表达量高,与其他组织差异极显著(P＜0.01),但两个品种间差异不显著(P＞0.05).说明ZP3基因主要在卵巢中表达,但可能不是影响山羊多羔性状的主基因.     

基于直方图的形状描述及骨架图匹配算法

考虑物体形状的多变性,给出了一种基于二维直方图的物体形状描述及骨架图匹配算法.该算法利用骨架长度和骨架上点的圆盘半径作为特征量来描述形状.首先基于二维直方图给出一种形状及骨架端点的特征描述方法,其次结合改进的最优子序列匹配算法实现骨架图的匹配.算法中的形状及骨架端点的特征描述在一些常见非刚性变换下具有不变性.实验结果表明,该算法能够实现一些非刚性变换下的物体形状的骨架图匹配和较高精度的形状检索,且复杂度较低.     

高等教育无领导小组讨论适用范围举要

无领导小组讨论作为一种用人单位人才选拔的重要方式，已得到全社会广泛的重视，高等教育教学应重视和发掘无领导小组讨论。实施无领导小组讨论教学，是提高教学效果的需要；采用无领导小组讨论测评，是完善教学效果评估体系的需要；运用无领导小组讨论方法，是促进学生充分就业和创业的需要；开展无领导小组讨论活动，是校园文化建设的需要；适用无领导小组讨论方式，是建设高素质学生干部队伍的需要。     

基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别

基于高光谱成像技术,提出了一种无损、快速的玉米种子纯度识别方法.首先,采用多元散射校正(MSC)等方法对数据进行预处理;其次,应用竞争性自适应重加权法(CARS)和迭代保留信息变量法(IRIV)提取特征波长;再次,建立支持向量机(SVM)和线性判别分析(LDA)等纯度识别模型;最后,设置随机种子值,使用采集函数“expected-improvement-plus”搜索置信区间中的待评价点,得到使交叉验证损失最小的超参数值,提高模型的准确率.结果表明：MSC-IRIV-LDA识别模型准确率最高,训练集和预测集的准确率分别为0.960 4和0.933 3,K值为0.918 6;对LDA的δ和γ超参数值进行优化后,进一步提高了训练集、预测集准确率和K值;本研究提出的方法能够实现玉米种子纯度无损、快速识别,为精准农业的发展提供技术支持.