基于改进主成分分析方法的复杂环境系统质量评价模型

针对多元统计中主成分分析方法在复杂环境系统质量综合评价应用中的局限性,在对传统方法进行一系列改进的基础上,建立了主、客观指标赋权方法优点相结合的环境质量综合评价分层构权PCA模型,并基于该模型方法给出47个中国国家环境保护重点城市的污染与环保现状的评价实例.实证分析的结果表明这是一种适合于复杂系统环境质量综合定量评价、稳定性较好且切实有效的方法模型.     

一种新的时变多径环境下OFDM系统参数选取方法

分别针对CP长度大于和小于最大多径时延两种情况，分析了由时变多径环境引入的ISI分量和子载波间干扰（ICI）分量，提出了“基于多径时延分布”选取CP长度进而确定子载波数的方法。计算机仿真验证充分说明了该方法的优越性，所得研究结论对于不同信道环境下的实际OFDM系统参数选择具有指导意义。     

关于QF环的一个新刻画

忠实平衡自正交双模是模类里的一种重要的研究对象．它广泛运用于倾斜模和余倾斜模理论及CM—环理论中．本文首先给出Noether环中Strong Nakayama Conjecture成立的一个条件．通过忠实平衡自正交双模的右极小内射分解给出了左Noether环模类的一个上生成子．最后用忠实平衡自正交双模的性质给出了QF环的一个新的刻画。     

地区电信业务发展水平的主成分及聚类分析 

运用数理统计的方法对重庆市1997-2003年的电信业务发展情况进行综合评价,建立了评价指标体系，用主成份分析法对原始数据进行数学处理，得出表示电信业务发展水平的综合指标，再用聚类分析方法进行指标聚类分析，找出了影响重庆市电信业务量的主要因素，并对如何提高重庆市电信业务提出一点建议。     

广义特征值摄动问题的一种改进的通用方法

针对能同时处理孤立、相近及相重特征值3种不同情况的广义特征值摄动问题的通用方法，就正交规范化条件和特征向量的系数矩阵求法进行了改进。     

Ce改性CuO/γ-Al2O3的稳定性及催化活性研究

以CeO2作为改性添加剂、γ-Al2O3为载体、CuO为活性成分，用分层浸渍的方法制备出负载型CuO—Ceo2／γ-Al2O3湿式氧化催化剂；采用TG—DTA、XRD对其进行表征，研究了Ce的掺杂对载体及活性成分高温稳定性的影响并得出结论：在湿武氧化反应过程中，Ce的掺杂有效抑制了γ-Al2O3向α-Al2O3转变的高温相交，以及活性成分CuO与载体间相互作用形成CuAl2O4昀过程。通过对苯酚的湿式氧化降解实验，获知CeO2的加入可明显提高催化剂活性，其中6％CuO-6％CeO2／1—100％Al2O3的质量组分比对苯酚的催化活性最佳，反应30min，苯酚溶液COD的去除率为91．31%。     

一种基于SVR的综合预测方法及应用

针对一类因变量具有复杂自变量、且不具备相同采样周期的预测问题，综合运用支持向量回归估计(SVR)、多元回归和主成分分析等多种数据分析技术，提出了一种综合预测方法，建立起了飞机故障率与其错综复杂的影响因素间的一种数学关系，并且采用航空装备质量控制的统计数据对所提出的方法进行了实验，预测结果显示了方法的有效性。在影响因素量化过程中，还引入了Pearson相关系数方法。     

人载脂蛋白基因αpoAⅠ在毕赤氏酵母中的胞内表达

将PCR扩增得到的αpoAⅠ基因片段插入胞内表达质粒pPIC3．5K，重组的pPIC3．5K-αpoAⅠ用BglⅡ酶切后，转化Pichia pastoris GS115菌株，筛选获得G418高抗性转化子，再通过PCR鉴定证实口αpoAⅠ基因已整合到染色体上．其转化子经摇瓶发酵和甲醇诱导，收集细胞裂解后，用SDS-PAGE与Western blotting检测，证明胞内有明显的rApoAⅠ表达，其分子质量与人血浆提取的ApoAⅠ相同．     

低温等离子体促进水稻种子生长效应及NIR光谱分析

使用亚大气压下介质阻挡放电低温等离子体,对水稻糙米种子进行处理,不同气体、功率、处理时间下观测低温等离子体对糙米生长活力的影响;采用近红外光谱技术对处理后的糙米进行初步的理化性质分析.结果显示:空气等离子体放电对糙米生长活力的促进要优于氮气等离子体放电,空气实验组的最佳处理条件为(360W,5min),而氮气实验组的最佳处理条件为(360W,10min).另外,近红外光谱的主成分分析结果显示空气实验组(360W,5min)和氮气实验组(360W,10min)的糙米光谱与对照组光谱均存在明显差异.低温等离子体对水稻糙米种子的生长活力具有促进作用,能利用近红外光谱技术对作用效果进行初步评估.     

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.