邻域谱概率协同表示的高光谱图像分类方法

为了提高高光谱遥感图像的分类精度, 通过结合像元邻域谱与概率协同表示方法, 提出了一种基于空间信息与光谱信息的分类方法。首先采用插值方法生成像元的邻域谱, 然后用概率协同表示方法将待测样本进行分类。用所提出的方法在AVIRIS Indian Pines和Salinas scene高光谱遥感数据库上进行分类实验, 并和主成分分析、支持向量机、稀疏表示分类器和协同表示分类器方法进行了比较。结果表明, 所提出的方法在AVIRIS Indian Pines数据库上识别精度比主成分分析法高约17%, 其识别精度和kappa系数都优于另外4种方法。该方法是一种较好的高光谱遥感图像分类方法。     

荷电细水雾对管道瓦斯爆炸超压的影响规律研究

为了研究荷电细水雾对瓦斯爆炸超压的影响规律和机理,采用小尺寸管道模拟瓦斯爆炸,研究不同荷电电压作用下的瓦斯爆炸超压和平均压升速率,以及不同雾通量作用下的瓦斯爆炸超压.结果表明:随着荷电电压的升高,瓦斯爆炸超压和平均压升速率受到明显的抑制;随着雾通量的增加,瓦斯爆炸超压明显降低.在实验条件下,和普通细水雾相比,当雾通量为4L、荷电电压为8kV时,瓦斯爆炸超压峰值降低10.798kPa,降幅达49.78%;平均压升速率峰值降低180.468kPa/s,降幅达49.90%.     

高光谱激光雷达谱位合一的角度效应分析

高光谱激光雷达以其谱位合一的技术优势为实现超三维精准遥感观测提供了可行途径,因此成为当前激光雷达与高光谱遥感领域共同大力推进的前沿发展方向。目前已有多型原型系统研发出来并得到了原理性验证,然而针对其数据处理核心环节问题的基础技术仍较为欠缺。典型问题之一是不同波段回波信号受激光入射角度的影响,该角度效应限制了高光谱激光雷达实现高性能遥感。以芬兰空间信息研究所高光谱激光雷达原型系统扫描桦树树干为例探讨了该角度效应,发现了不同激光波段对不同入射角度的回波强度响应模式,推导出了角度效应的基本规律及其精细尺度的统计规律,为后续该方向的系统研发、数据处理及信息提取等提供了可借鉴的底层机理与技术基础。     

二维沸石咪唑骨架有效催化二氧化碳电还原的研究

成功合成了2种金属有机框架材料，并探究其在CO₂电催化还原反应中的应用。结果表明，二维ZIF-L催化剂的CO₂电催化还原活性、选择性和稳定性显著高于ZIF-7。在-1.3 V（vs.RHE）时，CO法拉第效率可达78.5%,是相同电势下ZIF-7的近2倍；CO的电流密度为16.8 mA/cm²,高于文献中报道的Zn基MOFs上CO的电流密度值。二维ZIF-L催化剂独特的孔腔结构有利于CO₂的吸附，从而有效催化CO₂电还原。     

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。     

新型输电线路无人机验电装置研究

在开展线路检修等工作前，对停电线路进行验电操作，是事关工作人员人身安全的一个重要步骤。根据输电线路验电工作的现场需求和目前存在的一些问题，提出一种以多旋翼无人机为载体，以非接触式验电与接触式验电相结合为技术思路的新型输电线路无人机验电装置。     

电喷雾质谱法示踪钨回收过程离子的转化路径

将环隙式离心萃取器(ACCs)与电喷雾飞行时间质谱(ESI-TOF-MS)相结合，在线监测了回收过程中的钨萃取行为(宏观)和钨形态的转化路径(微观)，发现宏观萃取反应和微观离子形态转化同时发生并相互补充。伯胺N1923萃取钨在144 s内即可达到萃取平衡，萃取率高达98%以上，同时，酸钨比n(H)/n(W)是一个关键变量，当酸钨比n(H)/n(W)=2.4时，全流程钨回收率超过93%。最后，得到了基于钨形态监测的萃取机理，同时，减少原料液中W1含量，增加W10含量，可有效提高钨回收效率。     

计及Spark和属性权重的售电套餐推荐方法

针对电力市场用户群庞大，交易过程中售电套餐选择困难的问题，在Spark环境下设计了一种售电套餐推荐方法，同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先，计算出每个套餐属性的权重值，从而计算得到售电套餐综合相似度。然后，计及用户和套餐两方面提出一种售电套餐推荐方法，实现售电套餐的精准推荐。实验表明，提出的推荐方法能够明显提高推荐的准确度，并且在分布式环境下具有良好的推荐效率和可扩展性。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。