- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
高光谱图像数据在玉米产量预测中的表现优于植被指数
摘要： 高光谱相机可提供数百个波长下的反射率数据。这些信息可用于推导与农艺和生理性状相关的植被指数（VIs）。然而，高光谱相机生成的数据比植被指数所能概括的内容更为丰富。因此，本研究探讨了使用高光谱图像数据的预测方程是否能比使用植被指数获得更好的籽粒产量预测性能。对于高光谱预测方程，我们考虑了三种估计方法：普通最小二乘法、偏最小二乘法（一种降维方法）以及贝叶斯收缩和变量选择程序。我们还研究了结合不同时间点采集的反射率数据的好处。数据由国际玉米小麦改良中心（CIMMYT）在2014年开展的11项玉米（Zea mays L.）高温干旱胁迫产量试验中生成。结果表明，使用62个波段的数据比使用单个植被指数能获得更高的预测精度。总体而言，收缩和变量选择方法的预测性能最佳。在使用单时间点数据的模型中，花后28天采集的反射率数据模型预测精度最高。与使用单时间点数据相比，结合多时间点采集的图像数据可提高预测精度。
关键词： 玉米产量、高光谱成像、预测精度、植被指数、贝叶斯方法
更新于2025-09-23 15:23:52
-
一种基于光谱分辨光散射的原位烟灰粒径分布测量新方法
摘要： 本研究展示了光谱弹性光散射技术的应用。通过分析光散射信号的光谱响应所提供的额外信息，仅需两个散射角度即可测量烟灰粒径分布。该技术还能提供与烟灰化学成分相关的烟灰光学指数光谱依赖性的定量数据。其测量原理是将两个散射角度采集的散射光谱进行比值处理，并运用分形聚集体瑞利-德拜-甘斯理论（RDG-FA）进行分析。研究表明，在无需预先获知分形前因子、颗粒初级直径、聚集体数密度及烟灰光学特性等关键参数的情况下，即可确定对数正态分布烟灰粒径的中位回转直径和几何标准偏差。通过在迷你CAST发生器产生的烟灰颗粒上开展概念验证实验，将光学测量结果与SMPS测得的烟灰粒径分布进行对比。研究采用统计贝叶斯反演方法获取后验分布，并特别着重于其不确定性量化。
关键词： 光散射、贝叶斯方法、光谱散射、光学特性、烟灰、粒径分布
更新于2025-09-23 15:23:52
-
一种具有激光刻蚀蛇形互连的柔性压电应变传感器阵列
摘要： 本文通过为单样本分类器提供聚合特征，评估了多样本问题（如肌电（EMG）数据）的分类方法。研究发现，该方法在此类问题上的准确率优于多数投票等传统方法。文中描述并测量了该方法结合置信度量（表示单样本分类失败概率，即风险函数）的分类改进效果。预期结果对临床决策支持系统的开发具有参考价值。
关键词： 贝叶斯方法、机器学习、统计学习、模式分析、决策支持系统、监督学习
更新于2025-09-23 15:21:01
-
后加载基片集成波导带通滤波器，具有宽上阻带和降低的电场强度
摘要： 本文通过向单样本分类器提供聚合特征，评估了多样本问题（如肌电图数据）的分类效果。研究发现，该方法在此类问题上的准确率优于多数表决等传统方法。文中描述并测量了结合置信度指标（即表示单样本分类失败概率的风险函数）时该方法的分类改进情况。研究结果有望为临床决策支持系统的开发提供参考。
关键词： 贝叶斯方法、机器学习、统计学习、模式分析、决策支持系统、监督学习
更新于2025-09-23 15:19:57
-
日本光伏与风能资本成本预测：贝叶斯方法
摘要： 本研究采用贝叶斯方法估算日本光伏与风能的未来资本成本。该研究方法通过观察特定时期的实际成本，对不同成本估算方法得出的未来成本进行复合计算。研究以2011年后既往研究的资本成本估算值及日本2015-2017年实际成本数据作为输入参数，并通过将复合值与2017年实际成本对比验证该方法的有效性。对比结果表明：当实际成本处于估算成本区间内时，贝叶斯方法获得的成本估算值具有特别有效性。研究同时运用该方法估算了2030年资本成本——通过观察实际成本数据，将2030年资本成本的概率密度分布向估算成本区间的上限方向更新。这种递减方法得出的结果表明：日本2030年资本成本预计将处于估算成本区间的上限区间。
关键词： 贝叶斯方法、能源政策、可再生能源、陆上风电、光伏发电、海上风电
更新于2025-09-12 10:27:22
-
X射线计算机断层扫描中用于迭代重建的误差分裂前向模型及其在高斯-马尔可夫-泊松先验条件下的应用
摘要： 为提升工业领域中对体积内部进行控制时的图像质量，三维X射线计算机断层扫描（CT）中的基于模型的迭代重建（MBIR）方法相比解析重建方法已展现出显著优势。MBIR方法对重建体积施加先验模型，并融合先验模型与投影数据中包含的信息。三维CT中的投影存在多种来源迥异的不确定性因素，这些因素虽被MBIR方法纳入考量，但因其来源不同却通常在前向模型中被合并为单一项。本文提出通过在光子计数的泊松统计中新增误差项来推导新前向模型，该误差项对应单色模型与实际射线多色性的偏差。通过对泊松对数似然函数进行泰勒展开，我们得到一个考虑两项不确定性的新型代数前向模型——称之为误差分离前向模型。针对不同类型的不确定性分别设置先验模型：测量不确定性采用高斯分布建模，而线性模型不确定性则采用重尾分布以增强重建过程的鲁棒性。我们给出了误差分离前向模型参数的设定策略。随后将该模型与体积的高斯-马尔可夫-泊松先验模型结合应用于完整MBIR方法，用于工业无损检测中分段恒定物体的重建。实验表明，相较于传统前向模型，采用误差分离前向模型配合高斯-马尔可夫-泊松先验能同时获得更优的鲁棒性与精确度。
关键词： 三维计算机断层扫描、迭代重建、高斯-马尔可夫-泊松模型、误差分裂法、前向模型、贝叶斯方法、无损检测
更新于2025-09-04 15:30:14