滇橄榄不同采摘期果实品质的变化规律

分析3个品种滇橄榄（‘翠珠’、‘盈玉’、野生）在不同采摘期的果实品质（物理指标及还原糖、蔗糖、总酸、V_C、多酚、黄酮）变化规律,以确定不同滇橄榄品种的最佳采摘期。分析各品质指标的变化趋势并利用相关分析和判别分析对滇橄榄果实品质指标进行综合评价,分析得出物理指标呈现先上升后趋于稳定的变化规律;化学成分中总酸含量总体呈下降趋势后趋于稳定,除野生滇橄榄的蔗糖含量呈现先上升后下降趋势、‘翠珠’蔗糖含量呈下降后趋于稳定趋势外,3个品种的还原糖含量在整个采摘期都呈上升并趋于稳定的变化规律;活性成分中V_C和黄酮含量呈现先上升后下降、多酚呈现先上升后趋于稳定趋势的变化规律。最终确定‘翠珠’的最佳采摘期在10月末~11月末,‘盈玉’和野生滇橄榄最佳采摘期在10月末~12月末。此阶段的滇橄榄果实外观大小、化学成分和活性成分均处于较优水平;各指标间相关性分析表明,3个品种滇橄榄各指标间的相关性强弱顺序为:野生>‘盈玉’>‘翠珠’;建立的3个品种滇橄榄的贝叶斯判别函数经交叉判别验证,正判率为100 %,可以正确判别不同品种的滇橄榄。本文研究结果可为滇橄榄的采摘、增值加工以及商品分类提供理论依据。     

基于肤色分割和AdaBoost算法的彩色图像的人脸检测

文章提出了肤色分割和AdaBoost算法结合的人脸检测算法。首先,对彩色图像进行肤色分割,通过人脸肤色的统计特征得到候选人脸区域：然后,基于AdaBoost算法,使用由强分类器组成的级联分类器对候选人脸区域进行扫描,最终得到精确定位的人脸。实验证明,该方法具有肤色检测快速和AdaBoost算法误检率低的优点,可以有效的运用于多姿态、多人脸和复杂背景的情况。     

广东电网失步解列策略研究

分析了广东电网失步解列现状,根据广东电网十三五输电网规划确定的典型运行方式,按照《南方电网安全稳定分析计算导则》的要求,对典型运行方式下第II类和第III类大扰动进行计算仿真,研究电网故障后的稳定特性,研究振荡中心位置,确定最佳解列方案。     

基于Adaboost算法的驾驶员眨眼识别

驾驶员眨眼识别是汽车驾驶员疲劳检测的基础.采用了一种基于Adaboost算法的实时眨眼识别的方法,它将一簇弱分类器通过一定的规则结合成为一个强分类器,再把这些强分类器级联成为一个快速、准确的分类器.分析和讨论了训练阶段不同特征的负样本对最终检测结果的影响,提出了一种新型的负样本选择方法,并实验测试各种特征方法对特定目标的误检率,给出了一个理想的分类器.     

驾驶疲劳的眼睛状态检测算法

驾驶员疲劳状态的监控中,眼睛的状态检测是关键环节。在对眼睛进行定位的同时计算眼睛的状态,并采用kalman滤波方法对人眼进行预测和跟踪。实验证明该算法能有效和准确地检测到眼睛的位置和状态,同时算法需要的处理时间较少,可满足实时性的要求。     

膀胱肿瘤恒温热灌注治疗模拟设备的控制实验研究

众所周知,对实际被控对象的模型辨识是进行良好控制的重要前提。本论文研究了一种开环辨识方法。被辨识的对象是膀胱恒温热灌注治疗仪模拟设备,对该对象进行了开环飞升曲线测试,根据记录的输出曲线,采用改进的面积法对被控过程的一阶惯性加时滞模型进行参数估计,得到被控对象的传递函数。然后,根据所得到的过程模型,进行PID参数整定并进行了闭环的控制试验。实验表明,此方法具有较好的辨识精度,对测量噪声不敏感,闭环控制实验也表明了该控制系统的可行性。     

黔中安顺本寨大院建筑单元防御性研究

黔中安顺本寨作为屯堡建筑集团中典型的军事防御聚落,以大院建筑单元最能体现军屯文化的防御空间营造智慧.本文通过梳理本寨基本概况和防御层级构成、大院建筑基本特征,依次从外部防御、平面设防和精神防御三个层面总结大院建筑单元的特有防御策略,延续传统地域建筑的防御智慧.     

安顺天龙屯堡民居装饰文化基因研究

屯堡作为贵州地区独特的军事文化遗产,其建筑拥有着独具特色的装饰文化。文章主要基于"文化基因"的视角,通过实地调研安顺天龙屯堡民居,分析其屋顶、屋身、屋基装饰构件的装饰特色;从装饰分布、装饰技法、装饰纹样三方面分析屯堡装饰中所蕴含的文化基因和影响因子,并论述了装饰文化基因与影响因子二者之间关系;系统归纳了传统屯堡装饰文化特征,为传统屯堡民居装饰文化的保护与创新提供新的思路与方法。     

基于Adaboost算法的人眼检测中样本选择研究

人眼检测在表情识别和人脸识别中起着非常重要的作用,是驾驶员疲劳检测的基础。采用了基于Adaboost算法的人眼检测的方法,训练阶段中的样本选择是Adaboost算法的关键,分析和讨论了训练阶段不同特征的正、负样本对最终检测结果的影响,提出了一种新型的负样本选择方法,并实验得到了各种样本训练生成的分类器对人脸库的检测率和误检率,得出用去除眼睛部分余下的人脸作为负样本训练出来的分类器能有效降低误检率,为以后的眼睛分类器训练提供了实验依据。     

基于Adaboost算法的人眼检测中样本选择研究

人眼检测在表情识别和人脸识别中起着非常重要的作用,是驾驶员疲劳检测的基础。采用了基于Adaboost算法的人眼检测的方法,训练阶段中的样本选择是Adaboost算法的关键,分析和讨论了训练阶段不同特征的正、负样本对最终检测结果的影响,提出了一种新型的负样本选择方法,并实验得到了各种样本训练生成的分类器对人脸库的检测率和误检率,得出用去除眼睛部分余下的人脸作为负样本训练出来的分类器能有效降低误检率,为以后的眼睛分类器训练提供了实验依据。