新著《科学价值论》最近出版

“科学价值”与“科学的价值”具有不同的含义。后者是一个以科学为价值客体的概念，指“科学（对于人和社会来说）有什么意义，它包含了科学的多种可能的价值系列或集合。“科学价值”则相反，它是一个以科学为主体的概念，是以科学的需要和尺度为标准所作的价值判断，其确切涵义应该解释为“对于科学的价值”或“在科学上的价值”，即（包括人和社会的活动在内）任何事物“对于科学来说的价值”或“在科学上的价值”，即（包括人和社会的活动在内）任何事物“对于科学来说有什么意义”，它们“是否适合于科学的尺度、满足科学的需要、为科学服务”。     

以矩形/长方体为周期复合材料的弹性力学问题的多尺度分析

针对呈矩形／长方体为周期的复合材料弹性力学问题，对具有高速震荡系数的弹性方程给出了一种多尺度渐进分析方法，描述了以矩形／长方体为周期的复合材料以及相关的弹性力学方程．对此种周期区域进行双尺度分析得到其计算力学性能参数的公式及相应位移场的一些理论结果，给出了基于双尺度方法来计算复合材料的多尺度计算程序．     

CCI土壤湿度产品在中国区的降尺度与融合研究

以欧洲航天局主/被动微波遥感融合的土壤湿度产品数据为主要数据源,结合地表参数、亮度温度、土壤质地、地形、降雨等辅助数据,提出基于移动窗口的线性、非线性联合的土壤湿度降尺度模型,对中国区域2003年1—12月的CCI土壤湿度产品数据进行降尺度,提高CCI土壤湿度数据的空间分辨率,使其更适用于农业、水文模拟等精细尺度的应用要求。为了克服CCI数据冬季缺失较多的情况,利用第3代再分析资料ERA-Interim表层土壤湿度的降尺度和重采样结果与之进行融合,生成空间覆盖完整的2003—2013年中国区月1 km土壤湿度数据集,并利用站点实测数据集对其进行了验证。结果表明,依据主/被动微波融合CCI、ERA-Interim再分析土壤湿度数据以及辅助数据的基于移动窗口和线性非线性集成的中国区地表土壤湿度降尺度和融合方法,提高了CCI土壤湿度数据集的空间分辨率和空间覆盖,同时还一定程度上提高了土壤湿度的估算精度。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

左截断右删失数据下尺度参数与协变量相关时广义指数分布的估计及应用

在左截断右删失数据类型下,当时间变量T服从广义指数分布时,针对尺度参数是否受协变量影响建立两种模型,并用极大似然估计法给出参数估计,用Newton-Raphson算法求解参数估计.将两种模型分别应用到变压器寿命数据集和Channing house数据集中,得到了其生存函数和风险函数.     

广义多尺度决策系统的局部最优粒度选择

在实际应用中,人们常常选择比较合适的粒度层次来解决相应的问题。在经典的多尺度决策系统和粒度层次构造过程中,属性取值常由人工选择某些固定粒度层次。本文针对广义多尺度决策系统,由属性取值的尺度组合来构造粒度层次,进而研究局部最优粒度的选择问题。首先,介绍了广义多尺度决策系统的概念。然后,在协调的广义多尺度决策系统中定义了最优粒度和局部最优粒度,并给出了基于属性组合的最优粒度与局部最优粒度的选择算法。最后,在不协调的广义多尺度决策系统中引入了广义决策,定义了广义决策最优粒度和广义决策局部最优粒度,并给出了基于广义决策最优粒度与广义决策局部最优粒度选择算法。     

基于Euler公式的无尺度分布Gini系数估计公式

为了解决集中化指数代替Gini系数度量规模和空间分布不平衡引发的偏差问题, 提出一个Gini系数的近似估计思路。针对社会经济系统中的无尺度分布现象, 借助Euler公式, 基于Zipf定律, 推导一个累积分布的对数函数, 据此构造一个Gini系数的近似估计公式。将此公式应用于京津冀城镇体系, 借助夜晚灯光数据计算22年的Gini系数。结果表明Gini系数与集中化指数存在显著差异。由此得出结论: 集中化指数适用于有尺度分布现象, 所提新方法则适用于无尺度分布现象。研究结果有助于认识不平衡测度的适用范围, 并可为进一步发展Gini系数的直接估计方法提供参考。     

北京常见绿化植物生态调节服务研究

以北京世纪坛绿地为研究点,利用Li-6400便携式光合仪测定16种常用绿化植物的叶片光合、蒸腾速率,结合植物绿量,估算常见绿化植物的生态调节服务.结果表明,绿化植物光合速率日变化呈现单峰或双峰的变化趋势,而蒸腾速率日变化以双峰变化趋势居多,第1个峰值出现在09:00—11:00,第2个峰值出现15:00—17:00;植物叶片日固碳量为1.80~8.73g·m~(-2)·d~(-1),释氧量为1.31~6.35g·m~(-2)·d~(-1),释水量为1.53~4.80kg·m~(-2)·d~(-1),蒸腾吸热量为3.71~11.59 MJ·m~(-2)·d~(-1),降温值为0.25~0.77℃;单株植物的固碳量为21.97~1 550.64g·d~(-1),释氧量为15.98~1 127.74g·d~(-1),释水量为9.48~877.08kg·d~(-1),蒸腾吸热量为23.03~2 116.26 MkJ·d~(-1);聚类分析结果表明,阔叶乔木国槐、毛白杨和垂柳单株尺度的生态调节服务最强,在北京绿地绿化中可优选以上阔叶乔木,灌木植物连翘和针叶乔木油松有较高的生态调节服务,也是绿化植物的优选品种,草本早熟禾单株水平生态调节服务最差,但通过大面积的铺设,可实现其生态价值和景观价值.     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.     

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整（DTW,dynamic time warping）的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率（EER,equal error rate）为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。