基于近红外光谱技术的马铃薯叶片含水率高效预测

提出了运用近红外光谱技术检测新鲜马铃薯叶片中含水量的方法，并通过预测结果和运算量的对比得出一种高效率的预测方法。采集了900～2100 nm波段范围内110个新鲜马铃薯叶片的光谱反射率信息，经SG（Savitzky-Golay）平滑、多元散射校正（MSC）和标准正态变量变换（SNV）3种预处理后，分别建立偏最小二乘回归（PLSR）模型和BP神经网络模型，再运用回归系数（regression coefficients, RC）法在全波段光谱中提取特征波长，同样经3种预处理后分别建立预测模型。结果表明：在运用光谱全波段信息构建的模型中，经多元散射校正（MSC）预处理建立的BP神经网络模型预测效果最好，预测集决定系数R²为0.9791，均方根误差RMSE为0.3723；在基于特征波长构建的模型中，经SG平滑预处理建立的神经网络模型预测效果最优，预测集决定系数R²为0.9658，均方根误差RMSE为0.4759；验证了特征波段结合BP神经网络建立的模型与全波段建立的模型预测结果相差不大，因而能够极大地减少运算量，提高预测效率。     

场板的设计和分析

着重说明了场板设计中需要考虑的因素，给出了模拟结果与分析，并且给出设计结论。     

一种数字图像技术实现应变测量的设计与实验对比

基于数字图像处理技术设计实现了其在应变测量领域应用,采用了位移场-牛顿迭代法、应变估计处理进行了理论设计分析;在铝合金材料的变形测量实验中通过铝合金材料拉伸应变仪记录与数字图像设计方法对比得出:采用数字图像应变测量与记录仪基本一致,可以实现应变测量;构件表面散斑颗粒大小对设计的数字图像应变测量会产生一定的影响;文中设计的方法不仅实现了应变测量精度的改进,还提供了一种易于实施、有效的技术手段。     

常用路由协议分析及比较

计算机网络中,路由协议的选择至关重要,它直接影响到一个网络的性能,同时路由协议的选择又比较复杂.本文介绍了几种常用路由协议的工作原理,并对各种协议的特点及安全性进行了分析.     

谐波能量谱特征向量的高光谱影像Bayes分类

摘要：对于高光谱影像存在高维非线性、数据冗余多、纯训练样本难以提取等不足,本文引入频率域空间的谐波分析（Harmonic Analysis,HA）理论并提出了一种高光谱影像的HA-Bayes监督分类方法。该方法在保持高光谱数据空-谱特性不变的情况下,从光谱维角度分析不同分解层的影像光谱谐波特征,将高光谱影像变换成由谐波能量谱组成的频率域特征矢量信息。通过建立谐波能量谱特征向量的先验知识,实现Bayes准则下谐波能量谱特征矢量信息判别与分类,最终实现高光谱影像分类。将此方法应用到ROSIS高光谱影像分类时获得的分类总体精度达85.5%,Kappa系数也达到了0.812。进一步实验也证明频率域的谐波分析在高光谱遥感影像特征提取与分类方面具有更好的优势和潜力。     

高光谱成像技术实现马铃薯叶片叶绿素无损检测

针对马铃薯叶片，依托高光谱成像技术实现叶片叶绿素含量的无损检测。利用相关性分析获得马铃薯叶片叶绿素敏感波段，结合植被指数，建立基于光谱导数、植被指数的叶绿素含量传统预测模型与贝叶斯正则化-反向传播（BR-BP）神经网络模型。以489 nm光谱一阶导数值、修正型叶绿素吸收植被指数（MCARI）、陆地叶绿素指数（MTCI）为自变量建立BR-BP神经网络模型，其校正集决定系数、预测集决定系数、均方根误差分别为0.8464，0.6804，0.0746。研究表明，传统模型中光谱一阶导数-幂函数模型可较为准确地预测叶绿素含量，BR-BP神经网络模型相比传统预测模型具有更高的预测精度，因此可以实现马铃薯叶片叶绿素无损检测。     

由“龙王”台风所引发的宜居城市环境问题反思

2005年的“龙王”台风给福州市造成了严重损失,由此引发作者对宜居城市环境问题的思考。本文分析了当今城市人居建设中存在的主要问题,借助我国传统人居的智慧和启示,着重从规划、建筑以及人文环境等方面阐述了宜居城市环境建设的有关观点。     

浅析建筑可踏部位

随着经济的快速发展,房屋住宅、办公楼,公园景区等建筑物的大量兴建,在建筑工程的设计过程中,使得建筑物室内外临空处经常会遇到安全防护的问题。护栏底部有宽度大于或等于0．22m,且高度低于或等于0．45m的部位称为可踏部位。设计者在设计护栏可踏部位时,为确保安全,区分建筑种类,并考虑不同人体的需要,慎重研究后再加以规定。以满足对现代建筑使用性、针对性、安全性的要求。     

示范性软件职业技术学院教学模式的研究与实践

本文对示范性软件职业技术学院的教学模式进行了有益的探讨,给出了围绕一条主线、设立两个机制、搭建三个平台、坚持四个原则、提供五个保障、实现六个结合的改革思路,对提高示范性软件职业技术学院的教学质量具有重要的应用价值。