不同类型水稻两用核不育系配组F1代产量性状的比较研究

通过利用4个常用两用核不育系与10个恢复系杂交．对F1代产量性状进行差异性分析、一般配合力比较、相关性分析和通径系数比较．结果表明．不同类型不育系配组后代性状中．均有不同的优势表现．对产量的主导影响因子不同．一般配合力表现差异较大．且对产量的相对影响重要性不同．在配制组合中，要综合兼顾各性状间的关系．不同不育系不同对待。     

变量核Marcinkiewicz积分交换子在弱Herz空间上的有界性

研究带变量核的Marcinkiewicz积分与Lipschitz函数生成的交换子μ_Ω~b的有界性,应用原子分解理论及核函数Ω的性质,证明了μ_Ω~b是Herz型Hardy空间到弱Herz空间上的有界算子.     

超形变核态的相对论对称性研究

相对论对称性在原子核的壳层结构及其演化中扮演重要角色.探讨超形变核态的相对论对称性,利用相对论平均场理论计算超形变核态的结合能、单粒子能级,提取单粒子能级的自旋和赝自旋能量劈裂,分析这些能量劈裂与原子核形变及自旋和赝自旋双重态量子数间的关系,进而研究超形变核态的自旋和赝自旋对称性及其随形变变化的规律,结果表明超形变核态的自旋和赝自旋对称性与双重态量子数和形变都相关.     

基于核最小二乘回归子空间分割的高维小样本数据聚类

针对基于线性表示理论的子空间分割方法没有考虑高维小样本数据的非线性性质,借鉴核理论,提出核最小二乘回归子空间分割方法,使子空间分割方法适合高维小样本数据的非线性性质.经6个基因表达数据集和4个图像数据集上的实验,表明该方法是有效的.     

三种多元复合结构的核壳催化剂研究进展

以核壳结构复合而成的催化剂,在催化反应中常表现出较高的整体活性、大的比表面积、优异的择形催化效果和良好的热稳定性.部分催化载体因具有优异的择形效果和结构稳定性,在多元复合核壳催化剂的设计中也占据了一定的地位.本文主要介绍了几种常用催化剂载体(Al_2O_3、SiO_2、ZSM-5)参与复合的核壳催化剂制备与应用的概况.     

新合成核素~(223)Np及其α衰变链上核素的半衰期计算

基于α衰变的两势方法理论模型,采用考虑了同位旋效应的唯象cosh型α-子核核势和考虑了壳效应及质子—中子相互作用的α预形成因子解析式系统地计算了最近新合成的短寿命核素223Np及其α衰变链上核素α的衰变半衰期.计算结果表明,采用考虑了壳效应及质子—中子相互作用的α预形成因子的α衰变半衰期的理论计算结果能更好地符合实验数据.这项工作可以作为将来实验和理论研究α衰变及核结构的参考.     

基于RGB通道下模糊核估计的图像去模糊

图像去模糊旨在从受损图像中恢复出清晰图像。由于模糊过程未知,精确地估计出模糊核函数,成为得到清晰复原图像的关键。对于彩色图像来讲,现存的方法只考虑在灰度域估计模糊核。事实上,各个通道的色彩分量图所受到的模糊核函数的影响是不同的。为此,提出一种获得更加精确的模糊核的方法,利用彩色图像的3个色彩通道(RGB channels)代替灰度域分别进行模糊核估计,并将估计出的模糊核应用到基于细稀疏表示的复原模型中进行去模糊处理。仿真实验表明,提出的方法比目前的方法能够获得更好的图像复原效果。     

改进的核极限学习机定位算法

针对神经网络无线定位方法,存在训练耗时长,定位结果易受噪声干扰的问题,提出了一种改进的核极限学习机无线定位算法。采取在同一位置进行多次测量的方法得到训练数据;把同一位置测得的数据划分为一个样本子空间并提取样本子空间的特征,以样本子空间的特征代替原来的训练数据;利用矩阵近似及矩阵扩展的相关理论改进核极限学习机算法;将处理过的训练数据利用改进的核极限学习机进行训练,得到定位预测模型。仿真结果表明,在相同数据集下,改进的核极限学习机训练用时短、定位速度快;在相同噪声干扰情况下,此算法定位预测误差小。经验证,该算法不但能提高网络的训练速度、定位速度,还能有效地降低噪声的干扰,提高定位精度。     

钯催化烯丙基酯亲核取代反应的研究进展

钯催化不对称烯丙基取代反应是一种合成手性化合物的重要方法之一. 本文综述了近年来钯催化烯丙基酯衍生物亲核取代反应的研究进展,重点讨论了钯催化剂、烯丙基酯衍生物底物的结构、亲核试剂类型、溶剂及添加剂等因素对烯丙基亲核取代反应的影响. 并对可能的反应机理进行了讨论.     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。