期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
草莓种质资源果实主要数量性状变异及概率分级 被引量:23
1
作者 杨雷 杨莉 +2 位作者 李莉 孙立祎 郝保春 《西南农业学报》 CSCD 2007年第5期1067-1069,共3页
通过对草莓种质资源的主要数量性状进行分析研究,得出了草莓果实主要数量性状的变异情况,并且对这些数量性状进行K-S检验,对符合正态分布的数量性状统一用(X-1.2818s)、(X-0.5246s)、(X+0.5246s)和(X+1.2818s)4个点分为5级,... 通过对草莓种质资源的主要数量性状进行分析研究,得出了草莓果实主要数量性状的变异情况,并且对这些数量性状进行K-S检验,对符合正态分布的数量性状统一用(X-1.2818s)、(X-0.5246s)、(X+0.5246s)和(X+1.2818s)4个点分为5级,从而使性状值落入1~5级的概率分别为10%、20%、40%、20%和10%;或用(X+0.5246s)和(X+1.2818s)2个点分为3级,性状值落入3级的概率分别为30%、40%和30%。 展开更多
关键词 草莓种质 数量性状 变异 概率分级
在线阅读 下载PDF
一种适合变形监测的单频单历元算法 被引量:3
2
作者 王振杰 赵斌臣 黄汝杰 《金属矿山》 CAS 北大核心 2008年第2期83-86,共4页
基于吉洪诺夫正则化理论,研究了一种适合变形监测的单频单历元算法。首先,分析了单频单历元相位双差观测方程法矩阵的特性;然后,基于吉洪诺夫正则化方法,将秩亏的法方程由秩亏变为满秩,可以得到模糊度的浮动解及其相应的均方误差矩阵,结... 基于吉洪诺夫正则化理论,研究了一种适合变形监测的单频单历元算法。首先,分析了单频单历元相位双差观测方程法矩阵的特性;然后,基于吉洪诺夫正则化方法,将秩亏的法方程由秩亏变为满秩,可以得到模糊度的浮动解及其相应的均方误差矩阵,结合LAMBDA方法可准确地固定模糊度,得到基线向量的单历元解。最后,通过一个3km长的基线算例说明该算法的有效性和实用性。 展开更多
关键词 单历元算法 变形监测 单频 LAMBDA方法 均方误差矩阵 正则化方法 基线向量 双差观测
在线阅读 下载PDF
钆掺杂巨磁阻材料Sr_2FeMoO_6正电子湮没谱 被引量:2
3
作者 路庆凤 胡艳春 +3 位作者 张星 徐勇光 张芹 李喜贵 《河南师范大学学报(自然科学版)》 CAS CSCD 北大核心 2008年第4期57-59,共3页
采用固相反应法成功制备了钆掺杂样品Sr2-xGdxFeMoO6(x=0,0.05,0.1,0.15,0.2).X射线衍射对样品的检测结果表明,在整个掺杂范围内样品单相性很好;利用正电子湮没技术对样品缺陷进行了研究,掺杂使微缺陷复合成大的空位团,导致缺陷尺寸变大... 采用固相反应法成功制备了钆掺杂样品Sr2-xGdxFeMoO6(x=0,0.05,0.1,0.15,0.2).X射线衍射对样品的检测结果表明,在整个掺杂范围内样品单相性很好;利用正电子湮没技术对样品缺陷进行了研究,掺杂使微缺陷复合成大的空位团,导致缺陷尺寸变大;采用标准四引线法测量了样品电阻率随温度变化,反位缺陷、缺陷尺寸及GdFeO3和GdMoO3团簇是影响样品电阻率的重要因素. 展开更多
关键词 正电子湮没 钆掺杂 Sr2FeMoO6
在线阅读 下载PDF
基于CNN和频率切片小波变换的T波形态分类 被引量:4
4
作者 谢佳静 魏守水 +3 位作者 江兴娥 王春元 崔怀杰 刘澄玉 《中国生物医学工程学报》 CAS CSCD 北大核心 2021年第1期1-11,共11页
心电实时监控是心血管疾病防治的重要手段。心电图中T波的变化是心肌缺血和心脏猝死等疾病的重要表征,T波形态自动识别是心电远程监控中一个重要问题。由于实时监护用心电的强噪声背景影响,传统的T波特征提取与分类算法遭遇瓶颈。提出... 心电实时监控是心血管疾病防治的重要手段。心电图中T波的变化是心肌缺血和心脏猝死等疾病的重要表征,T波形态自动识别是心电远程监控中一个重要问题。由于实时监护用心电的强噪声背景影响,传统的T波特征提取与分类算法遭遇瓶颈。提出一种结合切片频率小波变换和卷积神经网络的T波形态识别算法,包括:自动定位R波波峰位置与T波终点位置,从而确定一个包含有T波的片段;对该片段做频率切片小波变换,将生成的时频图像输入卷积神经网络,完成T波的形态分类。频率切片小波变换将信号转换到时频域上,呈现心电信号的时频能量分布特征;卷积神经网络的隐含层通过对时频图像进行3次卷积、激活与池化,完成时频图像的3次特征提取,这些特征具有平移、缩放不变性。使用欧盟ST-T数据库中的12 830个片段,采用3折交叉验证法来训练和测试卷积神经网络模型,最终使基于心拍的分类准确率达到97.34%,F1测度达到96.97%;基于样本实验的分类准确率为84.80%,F1测度为83.30%。模型在QT数据库测试的分类准确率为87.83%,F1测度为85.38%,泛化性能良好。对比其他T波分类算法(如决策树、支持向量机等),基于心拍实验的分类准确率提高1%~5%。研究结果证明,针对6类形态T波进行分类设计的算法不仅在分类准确率上有所提升,在鲁棒性和泛化性能方面也表现良好。另外,算法模型也适用于其他多种生理信号的分析,在医学图像分析领域也有一定的指导意义。 展开更多
关键词 心电图 T波形态分类 卷积神经网络 频率切片小波变换
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部