外场与腔场非共振驱动Jaynes－Cummings系统的准能解

本文主要求出了Ｊ－Ｃ系统受与腔场非共振的外场驱动时的准能级及态的近似表达式，设外场与腔模的失谐量△_ｃ远小于耦合常数ｇ，并且腔模光子数较小，在计算中可略去。结果可知，失谐量△_ｃ存在使能级中心位置移动，但对能级分裂量没有影响。相应的光场态为两个位移福克态的叠加。     

低压加热器水位的模糊自调整PID控制

应用模糊自整定 PID控制器控制低压加热器的水位 .利用 ZN法确定 PID参数的初始值 ,用模糊推理的方法对 PID参数进行在线自整定 ,提高了系统的鲁棒性 ,明显改善了系统的性能     

有界区域上一类p-Laplacian方程解的存在性与多解性

主要运用变分法,在较弱的超p次条件下研究了有界区域上的一类p-Laplacian方程无穷多解的存在性. 推广和改善了参考文献中邹文明和刘轼波、李树杰等的结果.     

基于次最优模型降阶的自整定PID控制器

针对过程工业中含有振荡环节和大滞后环节较难控制的被控对象,设计了一种基于频域辨识的自整定PID控制器.该控制器采用次最优模型降阶算法,辨识出二阶加纯滞后的模型;然后基于给定的相位裕度和幅值裕度,整定出PID参数.并通过仿真实验表明对于不同的被控对象,自整定得到的PID参数均能取得较好的控制效果.     

基于模糊集合理论和OWA算子的群决策偏好集结模型

将OWA算子和模糊集合理论应用到群决策偏好集结领域,给出了相应的集结群决策信息的模型和实施步骤.最后通过一个算例的演算来说明如何将模糊集合方法和OWA算子应用到群决策偏好集结领域,并给出算例分析.     

一种自剪切内含肽重组酿酒酵母表达优化研究

自剪切内含肽纯化系统在大肠杆菌中已经得到很好的应用。为了在真核生物中应用该系统,以酿酒酵母为宿主,p HR质粒为表达载体,构建微型内含肽ΔI-CM intein酿酒酵母表达系统。以猪免疫球蛋白Ig G的Fc domain为亲和标签,绿色荧光蛋白gfp为报告蛋白,在酿酒酵母GPD强启动子作用下,表达出融合的Fc-intein-gfp蛋白。检测发现融合序列在起始密码子ATG前加入一段Kozak序列有利于gfp表达。在此基础上,将微型内含肽ΔI-CM intein序列替换成密码子优化的ΔI-CMintein-O序列,显著促进gfp蛋白的表达量,初步实现了ΔI-CM intein融合蛋白的高效表达。为新型自剪切内含肽酿酒酵母表达系统的建立和重组蛋白高效纯化的实现奠定了基础。     

AlGaAs/GaAs超晶格价带的自旋劈裂

对由Al_yGa_(1－y_As，Al_xGa_(1-x)As和GaAs三种材料构成的超晶格价带的自旋劈裂进行了研究．通过改变材料组分和层厚，发现当超晶格单胞对其中心点是不对称结构时，对应的自族向上和自族向下的子带产生劈裂，而且劈裂主要发生在重空穴带和轻空穴带相互作用较强的地方．     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。     

自回归系数的Bootstrap检验

在自回归模型中,德宾-沃森(D-W)检验是一种使用非霄广泛的自回归系数检验.但D-W检验有一个很大的限制:当检验的统计量落入了所谓"不确定域"则无法进行检验.本文利用Bootstrap重复抽样方法对自回归系数进行捡验.蒙特卡罗研究表明,该方法消除了不确定域,改善了检验效果.