核主成分分析方法在农业机械性能综合评价中的应用

核主成分分析(KPCA) 方法是通过非线性变换,将指标原变量空间映射到高维特征空间,并在高维特征空间中进行主成分分析的方法.为此,将该方法应用于农业机械性能综合评价的研究中,不仅实现了数据降维,而且还有效地处理了各指标的非线性影响,与其它评价方法相比较,评价结果更客观且指导性较强,取得了良好的效果.     

我国各地区经济实力综合评价研究

介绍了主成分与聚类分析方法原理,以8项经济指标构建了综合反映各地区经济实力的评价体系,分析了经济指标间的关系和影响经济发展的主要因素,并对2006年我国大陆31个省(直辖市、自治区)的经济数据,利用多元统计中的主成分和聚类分析方法,对各地区综合经济实力进行了排序和分类.     

基于PCA_SVR的油菜氮素光谱特征定量分析模型

研究了采用光谱分析技术对油菜植株全氮进行定量分析的方法.采用逐步回归法对氮素的光谱特征波长进行选择,为克服光谱变量间多重共线性的影响,对变量进行了主成分分析(PCA),为提高模型的拟合优度,应用支持向量机回归(SVR)建立油菜氮素的定量分析模型.对不同氮素水平的油菜冠层光谱数据进行分析,结果表明,406、460、556、634、662、675nm的光谱反射率与油菜含氮量呈极显著相关.植株全氮SVR模型预测值与实测值的相关系数为0.89,模型的检验误差(RMSE)为2.51.     

苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.     

缺失SBTi—A2大豆杂交后代品系籽粒化学成分分析

对一个杂交组合后代１０个稳定缺失胰蛋白酶抑制剂（ＳＢＴｉ－Ａ２）品系及其亲本籽粒化学成分组成进行的分析比较表明，大豆籽粒中缺失ＳＢＴｉ－Ａ２对其蛋白质含量及天门冬氨酸、甘氨酸和丙氨酸含量有一定影响，表现为缺失ＳＢＴｉ－Ａ２品系显著低于高亲和双亲平均值；而对其他氨基酸和脂肪含量及脂肪酸组成基本没有显著的影响。     

通过调配培养基优化葡萄试管苗的培养质量

通过分析田间植株营养成分调配了葡萄的生根培养基H配方.比较了H,1/2 MS,以及1/2B53种培养基对试管苗的培养效果.一元方差分析表明,H和1/2 MS生根率显著大于1/2B5配方,H配方的株高和比叶面积显著高于另外2种配方.主成分分析表明,H的综合培养状况优于另外2种培养基.总结认为,基于植株营养成分分析进行培养基优化的方法可以在藤本植物上得到运用,主成分分析方法在评价试管苗综合生长状况上有独特的优势.     

我国市售虾酱产品品质分析与评价

为了解我国市售虾酱产品的品质现状，探究不同品种虾酱之间的品质差异，采集了32种市售虾酱，进行了感官评价和水分、盐分、蛋白质、氨基酸态氮等理化指标的检测，对品质相关数据进行了统计分析和主成分分析，并进一步采用电子鼻和气相–离子迁移谱(GC-IMS)对气味进行了分析。结果表明，市售虾酱色泽和质地差异相对较小，而气味差异较大。理化指标中，市售虾酱的氨基酸态氮含量变异系数为33.91%，离散程度最大。在主成分分析中，提取到3个主成分，累计方差贡献率达82.32%，表明能够涵盖虾酱品质的基本信息，水分、氨基酸态氮、气味是影响虾酱综合品质的关键指标。电子鼻聚类热图表明，在欧式距离4.03处可将32种虾酱聚为4类，原料是影响聚类的主要因素。对海银虾、蜢子虾和白虾3种原料的虾酱进行GC-IMS分析，共鉴定出63种挥发性成分，主要是醇类。研究结果可为虾酱产品品质评价与生产工艺改进提供参考。     

公钥密码算法及特点

随着计算机网络的发展，信息安全要求的日益提高，公钥密码算法体现出了秘密密码算法不可替代的优越性。本文详细介绍了公钥密码体制常用的算法及其所支持的服务，并就公钥密码新的研究方向进行了展望。     

Jackknife method for estimating the variance of the age composition using two-phase sampling with an application to commercial catches of swordfish (Xiphias gladius)

An estimate of the age composition of a commercial swordfish catch and its variance was obtained using the replicate full jackknife estimator for two-phase sampling where the sampling units in the first phase are clusters (vessel-trips) and the units of the second phase are individual fishes. The jackknife variance estimator was compared with an analytical estimator of variance commonly used in fisheries studies which ignores the clustering, and assumes simple random sampling of individual fish. The application of these naïve estimators to the Chilean South Pacific swordfish fishery results in an underestimation of the variance. This is a consequence of using an inappropriate primary sampling unit of analysis in the first-phase sample where the vessel-trip unit is replaced by an individual fish unit, thus ignoring the intra-cluster correlation in age samples. The jackknife estimator of variance is an alternative useful for complex two-phase sampling designs.