组合惩罚似然估计下发散参数变量选择

在Wang等给出的组合惩罚函数的基础之上,将SCAD惩罚部分推广到一般的非凸惩罚的形式,利用岭回归在解释变量相关度较高情形下的良好表现,提出一种推广了的组合惩罚.在参数个数发散的情形之下,利用贝叶斯信息准则(BIC)来选择调整参数,能同时完成变量选择和参数估计.而且还可以证明在合适的条件之下,这种估计具有Oracle性质.模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势.     

质子与原子核碰撞J/ψ产生过程中的能量损失效应

在考虑初态部分子分布函数核效应、入射质子的能量损失效应,以及末态粲夸克对能量损失效应的基础上,对质子-原子核碰撞J/ψ产生过程的微分截面比RW/Be(xF)进行了领头阶的唯象分析,并与E866实验数据中代表J/ψ粒子在靶核外产生的实验数据进行比较,确定了粲夸克对的能量损失值(0.69±0.23)Ge V/fm.研究结果表明:当J/ψ粒子在靶核外形成时,末态粲夸克对的能量损失效应是影响J/ψ粒子产额压低的主要核效应;当xF较大时,初态入射质子的能量损失效应也是不可忽略的.     

烟草尼古丁去甲基酶基因CYP82E4启动子结合蛋白的鉴定与分析

 以尼古丁去甲基酶编码基因（CYP82E4）上游的启动子功能元件作为诱饵,使用酵母单杂交方法从喷施乙烯利叶片的cDNA融合表达文库中钓取与之相互作用的结合蛋白.研究结果表明,诱饵载体pHIS2/pE4和cDNA融合表达载体pGADT7-Rec2共转化到酵母细胞中的效率为1×10⁶.对文库的筛选结果表明,本研究共获得39个阳性克隆,且阳性克隆的插入片段在850～2500bp之间.将获得的39个阳性克隆进行测序,其中发现1个可能参与基因(CYP82E4）表达调控的锌指蛋白转录因子.下一步将对其功能进行分析,为通过分子育种手段培养低含量去甲基尼古丁的烟草提供实验基础.     

基于TM影像的森林三维绿量的遥感测算

以北京市八达岭林场为研究区,TM影像为数据源,结合地面样地调查数据,利用多元线性回归分析法分树种建立了北京市八达岭林场三维绿量(TGB)的估测模型。对估测模型进行评价和精度验证,得到阔叶林、针叶林、混交林三维绿量模型的决定系数(R2)分别为0.858、0.756、0.759,测算精度为85.63%。基于模型估测八达岭林场的三维绿量,总量为1 498.635万m3;与利用森林资源二类调查数据计算的地面实测三维绿量对比,测算精度为90.89%。     

基于Fourier描述子的唇形分类方法

针对唇读识别中唇形状态的描述问题,提出一种基于Fourier描述子的唇形分类方法.该方法通过迭代演算获得嘴唇的位置与大小,先通过边缘侦测法找出唇形边缘;再由Fourier描述子找出唇形外形的重要特征值,进而表达唇形状态的有效信息;最后将转换出的Fourier描述子经过正规化处理后,输入到人工神经元网络中进行分类.实验结果表明,该方法的唇形分类正确率较高,且耗时较少,为唇读识别中各状态的确定提供了依据.     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。     

固相萃取GC-MS法测定蜂蜜中挥发性成分

通过比较溶剂萃取(SE)、同时蒸馏萃取(SDE)和固相萃取(SPE)3种样品前处理方法,确定蜂蜜中挥发性成分的最优提取方法,建立蜂蜜中挥发性成分的固相萃取-气相色谱-质谱(GC-MS)检测方法.以亲水性HLB固相萃取柱为对象,考察并优化HLB柱的淋洗与洗脱条件,确定HLB柱在以1mL的V(甲醇)∶V(水)=1为淋洗剂,1mL二氯甲烷为洗脱剂的条件下对蜂蜜中挥发性成分提取效果最好,GC-MS可分析出蜂蜜中47种挥发性成分.     

一类具阻尼项的六阶非线性波动方程的Cauchy问题

研究了一类具阻尼项的六阶非线性波动方程的Cauchy问题,利用压缩映像原理和积分估计,在小初值的条件下,得到解的整体存在性、唯一性和衰减性.     

基于高斯受限玻尔兹曼机的非线性过程故障检测

针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.     

雷64区块砂砾岩储层岩性识别方法研究

在取心、岩石物理实验的基础上,采用统计方法对雷64区的岩性进行研究,将其分为砂质细砾岩和不等粒砂岩两大类.利用直方图法优选出识别这两大类岩性的敏感测井曲线,并且依据优选出来的敏感测井曲线,建立了用于识别砂质细砾岩和不等粒砂岩的测井响应交会图法、决策树模型、系统聚类模型.通过对上述三种模型进行精度分析,发现决策树模型的精度要高于测井响应交会图法和系统聚类模型.同时利用所建立的两种决策树模型对雷71井进行岩性识别,将识别结果与实际取心对比,发现综合判断准确率均大于85%.结果表明,给出的决策树模型可很好地用于该地区砂砾岩储层的岩性识别.