半群PODn的理想的极大正则子半群

设Xn={1,2,…,n}是自然序集,POn和PODn分别为Xn上的部分保序变换半群和部分保序(反保序)变换半群.得到了PODn的理想的极大正则子半群的完全分类.     

关于指数型Radon变换的注记

讨论了实函数指数型Radon变换的一些性质,并将其推广到复函数的情形,最后给出了参数为纯虚数时指数型Radon变换的反演公式.     

推广的线性变换半群的正则性

给出推广的线性变换半群的定义并讨论了这一类半群的正则性。     

结合冠层密度的森林净初级生产力遥感估测

【目的】 森林冠层密度与林分年龄、植被生长状况有关,在区域森林净初级生产力遥感估测中,结合森林冠层密度以期提高估测精度。【方法】 以广东省韶关市为研究对象,选用2017年Landsat-8 OLI影像、2017年357块森林资源连续清查固定样地数据为主要信息源,分别采用随机森林、多元线性回归、人工神经网络和K最近邻分类法等4种模型,结合森林冠层密度制图器(FCD)进行区域森林净初级生产力特征变量的选取、参数建模、模型精度评价和森林净初级生产力空间制图。【结果】 特征变量中,红光波段(B4)、归一化植被指数(NDVI)、比值植被指数(RVI)、叶面积指数(LAI)、缨帽变换土壤植被因子、纹理特征和地形特征在森林净初级生产力反演中有重要作用。将森林冠层密度因子加入反演模型后,4种遥感估测模型精度均有大幅度提高。对4种遥感估测模型进行性能比较,随机森林模型精度最高,其次是多元线性回归模型、人工神经网络模型,K-最近邻分类模型精度最低。研究区内森林净初级生产力平均值为10.689 t/(hm²·a),高森林净初级生产力 [≥18 t/(hm²·a)]林分面积仅占研究区的19.61%,主要分布在海拔较高的西北部。【结论】 结合冠层密度进行森林净初级生产力的建模,可有效提高模型估测精度。     

基于轻小型无人机雷达的植被高度反演方法

针对目前主流雷达传感器难以满足轻小型无人机载荷需要,且存在着数据获取成本高及算法模型复杂的问题,在自行研制的一种高度集成、轻量化且具有高可靠性的轻小型无人机雷达系统基础上,发展了一种植被高度信息反演新方法。该方法中使用二维滤波抑制直耦波能量,基于剩余图像熵的自适应主元分析去噪方法解决传统方法主元选择不稳定的问题,并基于互相关信息的后向投影算法进一步增强目标信号,最后应用Sobel算子提取植被高度。实验结果表明,该方法反演得到的植被高度和验证数据的相关性达到0.92,均方根误差可达1.28 m。     

竞赛图的零因子半群

讨论了竞赛图的零因子半群.一个半群S的零因子图是一个有向图Γ(S),其顶点是S中非零的零因子,S中两个不同的元x,y有一条有向边x→y当且仅当xy=0.该文证明了如果S是一个没有非零幂零元的有限半群且图Γ(S)的顶点数大于1,那么图Γ(S)不是一个竞赛图.另外对于任意的正整数n,该文完全决定了顶点数为n蹬任一个竞赛图的所有零因子半群.     

受控线性Schr(o)dinger方程的温和解

用Fourier变换,得到在有界区域上i△所生成的半群表达式,并用它引进了受控Schr(o)dinger方程的温和解,证明了解的存在唯一性及解对初值和控制的连续依赖性.为Schr(o)dinger方程的最优控制问题的研究打下了基础.     

广义Brandt半群的Cayley图

研究广义Brandt半群上的以Green等价类为连接集的Cayley图,通过对连接集为L-类,R-类和H-类等3类Green等价类的Cayley图间的同构条件的的讨论,分别刻画了这3类Cayley图的结构,揭示了广义Brandt半群是一个完全0-单的纯正半群的本质特征.     

基于结构补偿的非线性全局场磁化率反演方法

定量磁化率成像是近年来磁共振成像领域中一项热门研究技术.定量磁化率成像技术通过逆向求解磁化率与相位的关系表达式,可定量地计算生物组织内部的信息变化,为相关的疾病诊断提供有效的辅助手段.定量磁化率成像需经过背景场去除、反演等多步计算,由此可导致误差的逐级传导并累加,从而降低定量磁化率重建精度.本文提出一种基于结构补偿的非...     

基于Landsat-8 OLI数据的海南牛路岭水库水深的反演研究

基于遥感数据的水深反演对加快海南省基础水文数据的收集和简化整片水域水文数据的动态监测有着重要意义.利用Landsat-8 OLI卫星遥感影像和乘船采集的实测数据,在单波段法、多波段比值法和底部反照率独立水深算法（B算法）中选出了最适合水深反演的模型,即B算法模型,并针对B算法模型中对于深度小于10 m和大于30 m的水体其反演精度不佳的问题,提出了分区反演的处理方法 .结果表明,对于改进后的B算法模型,其平均绝对误差降低了45.7%,平均相对误差降低了42.3%,而且水深反演精度得到了明显提高.故改进后的分区反演B算法模型与牛路岭水库的实际水深分布更为契合,可以将其用来获取整个水库的水深数据.