功能性肉制品的研究进展

功能性肉制品以其特殊的营养和保健功能,越来越受到消费者的青睐。研制和开发低脂肪、低硝酸盐、低盐、高膳食纤维等肉制品是功能性肉制品发展的主要方向。     

茶树品种光合与水分利用特性比较及聚类分析

在自然条件下测定52个茶树品种叶片的光合与生理参数并对其进行数值分类以及主成分、聚类和判别分析。结果表明, 叶片净光合速率(P_n)、蒸腾速率(T_r)、气孔导度(G_s)、胞间CO₂浓度(C_i)及水分利用效率(WUE)的品种间差异达极显著水平(P<0.01); 选出3个主成分分析, 方差累计贡献率达到96.98%, P_n、T_r、G_s为第一主成分的主导因子, WUE、C_i均为第二主成分和第三主成分的主导因子; 根据P_n、T_r、G_s和WUE 4个指标聚类, 52个茶树品种聚为5类, 其中I类的15个品种为高光合速率、中等蒸腾速率、低气孔阻力、高水分利用效率类型, 可用于茶树的品种改良; 在聚类分析基础上用判别分析选出对茶树光合与生理性状数值分类有显著影响的4个参数, 建立了5个判别能力较高的判别模型。     

凤城市耕地土壤有机质时空变化研究

为掌握凤城市耕地土壤的肥力状况,对比分析近25 a的土壤有机质含量变化情况。结果表明:近25 a凤城市各乡镇(区)土壤有机质平均含量由较缺乏转化为中等水平;随着耕作年限的增加,较小比例的五级(缺乏)水平耕地消失。     

朴素贝叶斯算法在蝴蝶兰病害分类中的应用研究

蝴蝶兰属于热带气生兰,对生长环境的温湿度非常敏感,温湿度过高或过低不仅对蝴蝶兰生长不利而且易引发多种病害。为此,利用传感器采集的蝴蝶兰生长环境空气温湿度数据,运用朴素贝叶斯算法对其进行分类,以此判断蝴蝶兰的健康状况,达到病害分类的目的。实验表明,该方法的平均分类准确率达到81%,与其它统计学预报方法相比,具有简单、易行的优点。     

基于TM遥感图像的土地覆盖类型识别分析——以和田河两岸绿洲为例

土地利用/覆盖变化（Land Use/Cover Change,LUCC）是全球土地利用/覆盖研究的一个主要核心内容。和田河两岸绿洲的可持续发展对干旱半干旱地区具有理论与现实意义。以和田河两岸地区为研究对象,利用1994年和2008年的Landsat TM/ETM+遥感影像,结合GIS技术提取分析和田河两岸地区1994年和2008年间土地利用动态变化信息,为今后该研究区土地的可持续利用与城市发展规划提供参考。      

船体结构焊接变形问题研究

焊接变形是影响焊接结构质量和生产率的主要问题之一。船体焊接变形的存在不仅影响焊接结构的制造过程,而且影响船体焊接结构的使用性能。详述焊接变形的分类和影响船体焊接变形的主要因素,为控制焊接变形提供理论与技术支持。     

基于最小平方误差的单倍体和二倍体分类方法研究

基于玉米油分的花粉直感效应,采用核磁共振鉴别单倍体,快速、准确、低成本地确定单倍体与二倍体之间的含油率阈值,是实现大批量自动鉴别的前提和关键。提出一种基于最小平方误差的单倍体和二倍体分类方法,通过少量籽粒确定含油率阈值的研究,对单倍体和二倍体进行识别。以10个玉米组合为研究对象,利用核磁共振分析仪测定各组合一定数量单倍体和二倍体籽粒的含油率,依据最小平方误差方法确定各组合油分阈值,并通过逐级递增训练集样本数量的方法,确定油分阈值所需训练集规模,获得含油率阈值,能够满足单倍体正确识别率及对二倍体正确拒识率的均值达到90%以上的要求,为核磁共振全自动单倍体鉴别系统的后期大规模分类提供参数指导,提高分选效率。同时因单倍体生产效率低,运用最小平方误差的方法,通过少量的单倍体及二倍体籽粒来构建油分鉴别单倍体模型,以较小的投入获得更优的分类效果在玉米单倍体自动化分选中具有非常重要的现实意义,将该分类方法应用到全自动核磁分选单倍体系统中,可以达到较好的效果,为加快单倍体工程化育种提供保障。     

基于辅助信息的森林蓄积量空间模拟

以北京市密云县一类清查的样地蓄积量为研究对象,结合与蓄积量相关的辅助因子,采用普通克里格法、协同克里格法对森林蓄积量进行空间插值估测,并与文献[25]同一研究区的基于偏最小二乘法回归法估测结果进行比较分析。结果表明,普通克里格法、基于辅助信息的协同克里格法、偏最小二乘回归法的蓄积量估测值与实测值间的相关系数分别为0.389、0.845、0.766;基于辅助信息的协同克里格法要优于普通克里格法和偏最小二乘回归法,能够明显提高预测精度;与普通克里格法相比,所产生的均方根误差减小了71%,预测值和实测值的相关系数提高了54%。最后生成了密云县森林蓄积量空间分布图。研究表明应用地统计学方法进行蓄积量估测具有很好的应用前景,可以为森林蓄积量的估测提供一种可行的方法。     

基于稀疏非负最小二乘编码的高光谱遥感数据分类方法

为了提高高光谱遥感影像的分类精度,提出了一种基于稀疏非负最小二乘编码的高光谱数据分类方法。采用非负最小二乘方法,将待测样本表示为训练样本的线性组合,并将得到的系数作为待测样本的特征向量,通过最小误差方法对待测样本进行分类。提出的方法在AVIRIS Indian Pines和萨利纳斯山谷高光谱遥感数据集上进行分类实验,并和主成分分析(PCA)、支持向量机(SVM)和基于稀疏表示分类器(SRC)方法进行比较,在2个数据集上本文方法的总体识别精度分别达到85.31%和99.56%,Kappa系数分别为0.816 3和0.986 7。实验结果表明本文方法的总体识别精度和Kappa系数都优于另外3种方法,是一种较好的高光谱遥感数据分类方法。     

测定中国真实失业率的一种尝试——基于股指的实证分析

文章针对这一问题,基于股票市场走势与宏观经济运行态势在长期上呈正相关这一基本经济理论,建立起失业率与股指之间的回归模型,选取1991年至2008年底的不同国家的失业率和股指数据,估计出失业率与股指之间的线性关系,将该模型用于中国历年实际失业率的估计,得到了一列修正后的中国失业率。