指纹识别系统中的模式识别技术

论述了用模式识别的方法实现人的身份识别的方法，分析了目前生物特征的特点，选择指纹作为识别的特征，并对指纹的特征、提取方法、特征的预处理以及对识别的结果的影响等进行了分析，介绍了作者已经实现的指纹识别系统中采用的基本方法，对指纹识别的应用前景做了概括性的展望．     

转几丁质酶基因烟草后代的遗传分析

本论文采用分子检测(PCR扩增、PCR-Southern杂交)与表型检测(接真菌实验、酶活力测定)相结合的手段，对花粉管通道法及载体法导入几丁质酶基因烟草后代的遗传表现进行研究。结果证明通过不同方法导入受体细胞基因组中的外源基因均能遗传给后代，并能在转化受体当代及后代中高效表达。但采用花粉管通道法导入的外源基因虽然能够遗传给后代，但分离比复杂，遗传规律性较差。而载体法导入的外源基因T1代x^2检测符合3：1的遗传分离比，遗传稳定性要好于DNA直接导入。因此，建立良好的遗传转化系统是外源基因稳定遗传和表达的前提。     

中药血竭的化学模式识别研究

建立了10种中药血竭样品的HPLC(High performance liquid chromatgraphy)指纹图谱，并把HPLC指纹图谱信息进行数据化及数据标准化处理；用重叠率与相关系数两个参数，从两个方面定量地对这10种样品的HPLC指纹图谱进行了相似性评价；在此基础上用系统聚类分析法定性地对这10种样品进行了分类和鉴别．从而建立了一种相对完善的中药血竭的化学模式识别技术，为中药血竭的质量评价和分类鉴别提供了一个很好的方法和思路．     

鼓泡塔和内循环气升式生物反应器混合特性比较

用脉冲示踪法测试了鼓泡塔和内循环气升式生物反应器的停留时间分布，对其流动混合特性作了比较研究．结果表明，内循环气升式生物反应器停留时间分布得到改善，强化了气液传质，有更好的混合效果，提高了反应效率．多参数模型较单参数模型能显著地反映出两种反应器的混合特性及其差别，移位对数正态分布函数模型对实验值的吻合程度优于组合模型．     

我国股票市场财富效应的实证分析

该文应用格兰杰因果关系检验和协整分析方法，对我国股票市场的财富效应作了实证分析，指出我国股票市场不具有财富效应而仅具有替代效应．     

网络并行计算在轨道结构动力分析中的应用

针对车辆-轨道结构动力分析问题，提出了一种基于网络并行计算环境的并行求解方法．考虑车辆和轨道结构特征，建立车辆-轨道结构动力分析模型，推求动力响应微分方程．针对推导的微分方程，改进串行求解算法，提出一种宏流水并行算法．针对算法的性质分析了该算法的适用范围，并从理论上分析了最佳节点机个数和最大加速比．考虑车辆通过轨道不平顺情况，实现了求解轨道结构动力响应的宏流水并行程序．分别在工作站和个人计算机组成的网络并行环境中，测试了提出的宏流水算法性能．实验结果表明，宏流水并行算法可以获得良好的加速比．     

改进的MPCA方法及其在批过程故障诊断中的应用

基于传统的多方向主元分析(MPCA)常会导致误诊断，且对批生产过程难以保证在线状态监测和故障诊断的实时性，提出了一种改进的MPCA方法，该方法采用多模型非线性结构代替传统MPCA单模型线性化结构，克服了后者不能处理非线性过程和实时性问题，并避免了MPCA在线应用时预报未来测量值带来的误差，提高了批过程性能监测和故障诊断的准确性．     

低信噪比神经元锋电位信号的分类方法

基于离散序列小波变换和主元分析，对低信噪比的神经元锋电位信号提出了新的分类方法。通过对原始信号进行尖峰检测，获得尖峰信号样本，对每个样本进行离散序列小波变换之后，再对小波变换系数进行主元分析，选取主元进行聚类，实现对原始信号的分类。将该方法应用于多电极细胞外记录的小鸡视网膜神经节细胞电活动信号分析，并据此推断出某电极附近的神经节细胞的个数。仿真结果表明，在低信噪比情况下，该方法比单纯通过小波变换进行分类的方法更有效。     

基于Groebner基法的一般串联6R机器人机构逆运动学分析

基于Groebner基法，仅用Duffy的含3个未知变元的4个运动学方程，附加3个正余弦恒等式，不增加其他几何约束方程，对一般6R机器人机构逆运动学进行符号解分析，并得出一般串联6R机器人机构逆解最多为16解的结论．本文使用的数学机械化方法可推广到涉及非线性代数方程组的其他机构学问题的求解．     

单自由度微位移机构柔性铰链的研究

采用正交试验法安排单自由度微位移机构柔性铰链的结构设计参数，运用有限元分析方法，建立该微位移机构的三维实体模型进行仿真计算，取得单自由度微位移机构对应于载荷的位移和应力数据，通过逐步回归分析法建立该微位移机构的位移和应力的数学模型，从而定量地分析柔性铰链结构参数对该微位移机构性能参数的影响．同时，由样机实测得到测量数据，验证了最优回归方程(数学模型)的计算结果．