基于加权主元分析(WPCA)的人脸识别

将特征加权和主元分析相结合,提出了一种新的加权主元分析方法;这种方法先根据加权重建误差最小化,计算出各类训练样本的加权子空间,然后计算测试样本点到各加权子空间的距离,并根据该距离进行分类识别.最后,通过对剑桥ORL数据库进行的试验证明,该方法与传统的主元分析相比可以在不增加运算量的情况下大大提高识别率.     

生态因子对红豆杉中紫杉醇含量的影响

研究了生态因子对红豆杉中紫杉醇含量的影响.结果表明:紫杉醇含量与海拔高度、坡位、河距以及土壤中有机质和氮的含量相关性显著;在海拔1 000～1 300m的范围内及土壤中有机质含量为≤100g/kg中生长的红豆杉中紫杉醇含量显著较高.对11个因子进行主成份分析显示,影响红豆杉中紫杉醇含量积累的因素依次为:有机质、氮、磷、钾、海拔高度、河距、坡位、植被类型、坡度、坡向、pH.在红豆杉种植中,通过合理搭配不同生态因子,可以提高紫杉醇的含量.     

一种改进的M元扩频通信算法

针对采用码相位循环移位获得的M元扩频需要额外同步信息的问题,提出一种改进型扩频通信算法.该算法采用m序列及其倒序序列构成系统扩频码集;在同相支路上利用扩频码的码极性调制进行传输,同时在正交支路利用扩频码码相位调制,实现M元扩频.该算法利用2种扩频方式的自身特点可快速准确地获取载波相位信息,具有不需要额外提供同步资源的优势.仿真结果表明,该算法可有效提高系统资源的利用率.     

简化二重积分的方法

探讨二重积分的解题方法,得出了简化二重积分计算的三种方法:选择合适的坐标系、利用对称性和利用物理应用法。     

船舶牵引机械的结构优化设计

以初步设计方案为基础,利用ANSYS Workbench集成建模功能,实现了PRO/E船舶牵引机械实体模型与ANSYS Workbench的双向关联性,建立了船舶牵引机械有限元模型,并对主要结构参数进行优化,给出参数对结构刚度的敏感度。通过优化方案使整机质量减少24.1%,从而为船舶牵引机械的小型化、轻量化提供了依据。     

拓扑绝缘体与低维超导体的电输运特性

拓扑绝缘体这种具有新奇量子特性的物质和具有百余年研究历史的超导体都是当前凝聚态物理学领域的研究热点．本文简要介绍了拓扑绝缘体、超导体的研究背景和基本特性,重点回顾了拓扑绝缘体、超导薄膜及纳米桥、超导纳米线以及纳米尺度下拓扑绝缘体．超导异质结构的电输运特性．并对该领域的进一步发展做出了展望．     

高等植物硅素营养研究进展

硅在地壳中含量为27.6%,大部分以二氧化硅（SiO2）的形态存在,能被植物吸收的有效硅只有50～250mg/kg,植物吸收硅后土壤溶液中硅的浓度仍能保持在一恒定水平.硅在植物内主要以二氧化硅胶（SiO2＊nH2O）的形态存在于表皮细胞和细胞壁上,含量随物种不同而差异很大,同时还受植株部位、栽培方式及环境条件等因素影响.植物吸收硅主要以单硅酸形式,不同植物吸收硅的能力不同,水稻具有主动吸收硅的能力,大多数植物被动吸收硅.硅素对植物的形态结构和体内其它元素产生影响,能调节植物的光合作用和蒸腾作用,能增强植物抗倒性和抗旱性,高浓度的硅对真菌孢子的萌发和菌丝的生长有抑制作用,硅素能够提高植物对病虫害的抗性,降低病虫害的发生.     

微波等离子体CVD金刚石薄膜的显微结构

用扫描电镜（ＳＥＭ）和透射电镜（ＴＥＭ）对６种微波等离子体ＣＶＤ金刚石薄膜的表面形貌和显微结构进行了研究，结果表明：在金刚石晶粒长大过程中，（１１１）面方向长大时产生密度很高的微挛晶缺陷，而（１００）面方向长大时产生的晶体缺陷较少。     

Reliable and Energy Efficient Target Coverage for Wireless Sensor Networks

A critical aspect of applications with Wireless Sensor Networks (WSNs) is network lifetime.Power-constrained WSNs are usable as long as they can communicate sense data to a processing node.Poor communication links and hazardous environments make the WSNs unreliable.Existing schemes assume that the state of a sensor covering targets is binary:success (covers the targets) or failure (cannot cover the targets).However,in real WSNs,a sensor covers targets with a certain probability.To improve WSNs’ reliability,we should consider that a sensor covers targets with users’ satisfied probability.To solve this problem,this paper first introduces a failure probability into the target coverage problem to improve and control the system reliability.Furthermore,we model the solution as the α-Reliable Maximum Sensor Covers (α-RMSC) problem and design a heuristic greedy algorithm that efficiently computes the maximal number of α-Reliable sensor covers.To efficiently extend the WSNs lifetime with users’ pre-defined failure probability requirements,only the sensors from the current active sensor cover are responsible for monitoring all targets,while all other sensors are in a low-energy sleep mode.Simulation results validate the performance of this algorithm,in which users can precisely control the system reliability without sacrificing much energy consumption.     

神经网络中的正交设计法研究

提出用正交设计法选择前馈型神经网络训练样本的方法,并且对其基本原理进行了探讨。文中以三层BP网络为例,根据特定位级的正交表获取相应的训练样本集,利用该训练样本集对网络训练,然后用经过训练的网络对各取值域作离散预测。详细的对比计算表明：1）将正交设计法应用于神经网络学习训练样本的选取上是成功有效的;（2）选用四位级或五位级的正交表来对网络样本做选择精度已经足够。另外,将网络隐层神经元个数对网络的影响与选用正交表不同位级对网络的影响的效果也作了比较。