基于小波变换的合成孔径雷达图像分割研究

图像分割在后续的图像处理中起着至关重要的地位,合成孔径雷达（SAR）的相干斑噪声的存在,降低了图像的质量,传统的方法对不能很好地对图像进行分割。该文结合SAR图像和小波变换的特点,提出了一种新的图像分割方法。首先利用小波变换对图像进行软阈值滤波处理,降低相干斑噪声的影响,然后对重建后的图像进行阈值分割。经试验证明了该方法的有效性。     

基于减法聚类产生具有优化规则的模糊神经网络及其软测量建模

提出了一种通过调整减法聚类半径优选模糊规则的软测量建模方法。首先用减法聚类建立T—S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,之后利用梯度下降混合最小二乘算法精调参数。最后用该方法对初馏塔石脑油干点进行软测量建模,结果表明能较快确定优化模型,并能满足软测量建模精度要求。     

大鳞副泥鳅性腺发生和分化的组织学研究

通过人工繁殖技术获得大鳞副泥鳅幼体,采用石蜡显微切片技术对幼体性腺发生、分化的组织学特征进行了系统观察.结果表明大鳞副泥鳅是在出膜后14 d出现了未分化性腺,卵巢分化始于25日龄,到45日龄分化完全;精巢则是分化于30日龄,于75日龄分化为I期精巢.卵巢分化早于精巢.从性腺分化开始,将要发育为卵巢的性腺还表现为体积快速增大,向体腔中间靠拢,横截面变宽,而将要发育为精巢的性腺则呈两端尖中间稍突的梭形,增生并不明显,这些特征可能与雌雄性腺的发育和生殖细胞的分化速度有关,可以作为大鳞副泥鳅性腺早期分化的形态特征.     

集对逻辑及其运算定律

解决现行的集对联系函数四则运算中存在的不确定性问题与逻辑谬误.分析联系函数与模糊隶属函数在表达事物之间联系的相似性,借鉴模糊逻辑的基本方法,定义了以联系度为真值形式的集对命题,进而给出集对逻辑的析取、合取、取否运算法则,建立了集对逻辑的基本框架.在此基础之上,分析了集对逻辑运算的七大运算定律:对合律、幂等律、交换律、结合律、分配律、吸收律和摩根律,由此证明集对逻辑运算构成的代数(S,,,)为软代数.     

Rayleigh-Benard对流初值敏感度模拟研究

通过建立自由界面的Rayleigh—benard对流模型,数值模拟得到了具有不同涡数的benard花胞的稳定二维流场。研究中分别以正反向2、3涡的benard流动作为初始值,在对应相同工况下做数值模拟计算,结果验证了不同初始值对稳定benard花胞的形成无影响。     

基于最小二乘支持向量机的振动切削力软测量模型及其应用

为提高振动切削过程工件加工精度,利用最小二乘支持向量机建立振动切削力软测量模型;利用数控车床振动切削实验系统所采集数据作为最小二乘支持向量机的输入参数,振动切削力作为输出参数进行仿真分析。研究结果表明:该振动切削力软测量模型具有较高的建模精度和较强的泛化能力;对振动切削力进行软测量后,加工工件表面粗糙度平均误差可降低50%以上,圆度平均误差可降低70%以上。     

递推部分最小二乘方法

部分最小二乘(PLS)回归可较好地解决多元线性回归中的共线性问题,目前被广泛地应用于过程建模和监控.作者首先给出核PLS算法,然后在此基础上推出递推部分最小二乘(RPLS)方法,可以基于新数据和旧的PLS模型参数更新PLS模型.将该递推PLS方法和传统PLS方法同时用于仿真研究,结果表明递推算法性能和传统方法的相近,而计算量大大减少.     

基于支持向量机的软测量模型及应用

支持向量机(Support Vector machine, 简称SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法.针对软测量过程中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持向量机的软测量模型及算法.为小样本、非线性、高维数一类软测量问题的建模提供了一种有效的途径.通过对"纸张水分在线测量系统"应用表明,基于SVM的软测量模型及算法在测量精度和推广性能上都具有一定的优越性.     

不同紫锥花种属中挥发性组分的气相色谱/质谱分析

通过气相色谱/质谱联用技术分析了三种常见紫锥花种属E. Angustifolia, E. Pallida和 E. Purpurea中挥发性组分.从结果分析,这些挥发性组分对于其药效也有部分贡献.     

软磁材料应用研究进展

软磁材料因其饱和磁感应强度高、磁导率高、矫顽力低、损耗低和环境稳定性好等优点,被广泛应用于通信、电源、计算机和各种电子产品等领域。随着信息技术和电子产品数字化的发展,电子仪器设备向着精密化、高效化和节能化方向发展,这就对软磁材料和元件提出了新的要求和挑战。如何取得具有较高饱和磁感应强度和低损耗的软磁材料已成为研究的重点。本文对传统软磁材料与新型软磁材料的研究现状作了总结,并对软磁材料的发展趋势作了展望,为后续软磁材料的发展提供指导方向。