局部信息保持极限学习机的遥感图像分类

极限学习机ELM(Extreme learning machine)以其简单快速和良好的泛化能力在模式识别和机器学习领域得到了广泛的应用。近年来,研究人员将其应用到高光谱遥感图像分类问题中。然而,由于数据样本有限,极限学习机及其相关技术在遥感图像中存在数据学习不充分的问题。流形学习算法揭示了数据内在的几何结构信息。根据遥感图像的特点,基于流形学习的思想,将遥感图像数据样本的流行结构引入到ELM模型中,提出一种基于局部信息保持极限学习机LPKELM(locality information preserving extreme learning machine)。为了验证所提算法的有效性,使用两个高光谱遥感图像数据集进行实验。实验结果表明,LPKELM的分类性能优于SVM、KELM、KCRT-CK和MLR算法。     

自干型水溶性醇酸树脂的配方设计

建立了适合于水溶性醇酸树脂配方设计的通用程序。讨论了醇酸树脂的基本参数K、油度L、醇超量R及酸值Sv对醇酸树脂干燥时间和硬度的影响。结果表明当K=1、L=50%、R=1.2时,醇酸树脂膜有最短的干燥时间,所得膜的硬度也最高;Sv越大,干燥时间越长,但是膜的硬度越大。     

高光谱图像分类的融合分层深度网络联合稀疏表示算法

在高光谱图像分类领域中每个像素的局部邻域一旦包含来自不同类别的样本,联合稀疏表示将受邻域内字典原子与测试样本之间同谱异类的影响,严重降低分类性能.根据高光谱图像的特点,文中提出融合分层深度网络的联合稀疏表示算法.在光谱和空间特征学习之间交替提取判别性光谱信息和空间信息,构建兼具空谱特征的学习字典,用于联合稀疏表示.在分类过程中将学习字典与测试样本间的相关系数与分类误差融合并决策.在两个高光谱遥感数据集上的实验验证文中算法的有效性.     

聚酰胺类液晶高分子研究现状

本文扼要介绍了液晶聚酰胺发展概况,并对热致聚酰胺合成中的链结构设计问题进行了讨论。     

一种基于压缩感知的邻域优化算法

非线性降维方法是目前对降维研究有着重要影响的方法,但在降维过程中经常会遇到局部邻域信息量不足、短路和噪声干扰等问题,严重影响降维效果,很难广泛应用于真实数据的处理中.对以上问题分析发现,其主要原因在于经典降维算法都是采用全局固定的邻域大小.提出了一种基于压缩感知的邻域优化算法,运用压缩感知技术对高维空间目标点近邻进行压缩采样,构建“收—放”模型,自适应得到最优子空间,同时优化邻域组成元素,使得数据的整体降维效果更加稳定.通过手工流形和真实数据集的实验,验证了算法的有效性和稳定性.     

苯基胍胺甲醛树脂合成研究

苯基胍胺甲醛（ＢＧＦ）树脂聚合度为２～４时，其性能最好，并可降低固化温度。探讨了采用共溶剂水醇体系在缩聚反应中ｐＨ值、水／醇体积比、加水时间等对ＢＧＦ树脂分子量分布的影响，最终制得单体含量为１７％，２～４聚体含量为６６％，固含量约３０％的ＢＧＦ树脂。     

低温溶液缩聚法合成聚对苯二甲酰己二胺的研究

本文研究了以对苯二甲酰氯和已二胺为单体、酰胺-盐(NMP-LiCl+CaCl_2)为溶剂体系、三乙胺为酸吸收剂的低温溶液缩聚法聚对苯二甲酰已二胺的合成。在优选的聚合条件下,可以获得聚合物对数比浓粘度(ηinh)为0.8的均相溶液(30℃,浓H_2SO_4中测定),这对原液纺丝和薄膜制备是极为有益的。聚合物的DSC分析表明,其T_m和T_d分别为370℃和468℃     

高固含量涂料的进展

介绍了高固含量涂料的设计，主要综述了近年来高固含量聚丙烯酸酯、聚酯和聚氨酯涂料的合成及性能。     

室温交联丙烯酸酯聚合物乳液及其涂料的研究

一种具有优良化学和物理性能的换代型乳液 ,用它制作的水性清漆和墙体漆具有优良的耐水性、耐老化性、很好的硬度及高光泽等特点。讨论了关于室温交联的问题 ,介绍了乳液物理化学性能及内外墙漆的性能。