在基于独立分量分析的人耳识别方法研究基础上,提出复合结构分类器的人耳识别通用模型.该模型首先根据人耳的几何特征对人耳进行粗分类;然后应用独立分量分析的方法提取代数特征,支持向量机进行细分类,最后给出分类结果.这与人类由粗到细的识别过程是相符合的,能够克服单一独立分量分析识别方法的特征提取时间过长、特征数过多的缺点,同时避免了归一化过程中丢失比例结构特征的问题.实验结果表明,该模型取得了较高的识别率,尤其适用于规模大的复杂人耳库

实验一 节肢动物与昆虫外形及头部 实验二 昆虫口器 实验三 昆虫胸部的基本构造及胸足和翅 实验四 昆虫腹部基本构造 实验五 昆虫生物学 实验六 六足总纲及昆虫纲的分类鉴定 实验七 直翅目昆虫分类 实验八 半翅目昆虫分类 实验九 同翅目昆虫分类 实验十 鞘翅目成虫分类 实验十一 鞘翅目幼虫分类 实验十二 鳞翅目成虫分类 实验十三 鳞翅目幼虫分类 实验十四 膜翅目成虫分类 实验十五 双翅目成虫分类 实验十六 昆虫内部器官的位置及消化和排泄器官 实验十七 昆虫的循环系统和血细胞、呼吸系统、生殖系统 实验十八 昆虫的神经系统 实验十九 昆虫种群的空间格局 实验二十 昆虫种群生命表的组建和应用 实验二十一 群落组成及优势种群数量调查

低温球磨分散结合真空热压烧结工艺制备了石墨烯增强的Al-15Si-4Cu-Mg基复合材料.采用扫描电镜、X射线衍射、能谱分析和透射电镜表征了复合材料微观结构，通过抗拉强度和硬度测试，研究了石墨烯添加量对石墨烯/Al-15Si-4Cu-Mg复合材料微观组织和力学性能的影响.结果表明：当石墨烯质量分数分别为0.4%和0.8%，石墨烯沿基体晶界均匀分布，钉扎晶界，石墨烯与Al-15Si-4Cu-Mg基体界面结合良好，初晶β-Si、Mg2Si和Al2Cu相弥散分布于基体中.当石墨烯质量分数上升至1%，石墨烯分散困难，过量石墨烯富集于晶粒边界处，诱发脆性鱼骨状Al4Cu2Mg8Si7相沿晶界析出.当石墨烯质量分数为0.8%时，石墨烯/Al-15Si-4Cu-Mg复合材料的拉伸强度和硬度分别达到321 MPa和HV 98，相比纯Al-15Si-4Cu-Mg复合材料分别提高了19.3%和46.2%；当石墨烯质量分数为0.4%时，复合材料的屈服强度高达221 MPa，硬度和塑性亦获得明显改善

4.1 对称元素和对称操作 4.1.1 对称元素和对称操作的定义 4.1.2 对称元素和对称操作的类型 4.2 对称操作的乘积、乘法表 4.2.1 对称操作的乘积 4.2.2 对称元素和对称操作之间的一般关系 4.2.3 分子全部对称操作集合的性质 乘法表 4.3 群的基本概念 4.3.1 群的定义 4.3.2 群的几个例子 4.3.3 子群，类和群的同构 4.4 对称点群 4.4.1 对称点群 4.4.2 分子对称性的系统分类法 4.4.3 实例 4.5 群的表示 4.5.1 对称操作的矩阵形式 4.5.2 群的表示 4.6 群的不可约表示的性质 4.6.1 “广义正交定理”及其推论 4.6.2 群的特征标表 4.6.3 可约表示的分解 4.7 基函数 4.7.1 基函数 4.7.2 对称性匹配的线性组合(SALC)投影算子法 4.8 群论和量子力学 4.8.1 本征函数是不可约表示的基 4.8.2 能级的简并度等于不可约表示的维数 4.9 群论在化学键和分子力学中的应用 4.9.1 亲化轨道(D3h 对称性) 4.9.2 休克尔（Huckel）分子轨道(HMO)理论 苯分子 4.9.3 分子振动 H2O 分子 4.10 直乘积表示、分支规则 4.10.1 直积表示 4.10.2 对称直积和反称直积 4.10.3 选择定则 4.10.4 分支规则

海底金矿矿山水害对矿山生产、人员施工及矿山设备等产生较大威胁，是矿山开采中的自然灾害之一，快速有效的判别出矿山水害水源对于事故的防治有重要意义。三山岛金矿的巷道围岩裂隙普遍并长期存在涌水现象，矿区开采中矿井水害的水源主要有海水、第四系水、基岩裂隙水、地下水等，为了准确快速的判别矿井水水源，有效预防矿井水突水及水害威胁，本研究结合监测点水样的水文地质条件与不同监测点水样的水化学成分分析，选取Mg2+、Na++K+、Ca2+、SO42?、Cl?和HCO3 ?共6项指标作为判别因子，通过主成分分析得出不同水样的矿化程度。在贝叶斯算法分析原理的基础上，将马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)引入到贝叶斯方法中，运用统计软件SPSS统计，构建贝叶斯判别分析模型，得出基于水样样本信息的算法估计的后验分布，得出矿山水害水源的分析方法。运用三山岛金矿水害取水点的水样分析数据进行详细的分析验证，建立矿井突水水源模型，进行不同水样的信息分析，得出贝叶斯统计函数并进行水源判别结果分析，验证了贝叶斯矿山水害水源判别模型的准确性和实用性，对现场工作的开展和水害防治有一定的指导意义

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1 m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

《现代数值分析》课程参考资料（数值线性代数）Predictions for scientific computing 50 years from now,L.N. Trefethen, Mathematics Today, 2000

一、Hermite插值问题的提出 二、 三次 Hermite 插值