液晶可变相位延迟器的相位延迟特性

为了快速准确地获取液晶可变相位延迟器(liquid crystal variable retarder,LCVR)在不同波长时的相位延迟特性,根据LCVR双折射效应、透射光光强的斯托克斯矢量与相位延迟关系,采用光强法测量LCVR相位延迟特性,即将LCVR相位延迟特性的测量转换为对透射光光强与LCVR驱动电压的测量。设计了基于托克斯矢量与穆勒矩阵的LCVR相位延迟特性测量系统,该系统能实时、准确地自动测量LCVR相位延迟特性。而且,利用Labview软件平台实现了系统控制、数据处理、界面显示和报表生成功能的一体化,采用最小二乘法对相位延迟特性曲线进行拟合。实验结果表明:该系统测量误差小于1%,能够准确地测量LCVR的相位延迟特性,符合科研与工业领域的需求,因此具有广泛应用前景。     

液晶可变相位延迟器相位延迟的精确定标

为了能够利用液晶可变相位延迟器(LCVR,liquid crystal variable retarder)对 光波的相位延迟进行准 确测量,提出一种基于Stokes参量测量光强法和最小二乘法的LCVR对光波相位延迟的精确定 标方法。从理论分析光波经LCVR后影响相位延迟变化的因素,采用基于Stokes参 量测量的光强法分别对波长为405、532、632和641nm入射光相位延迟随电 压的变化进行测 量, 并实验验证归一化后的相位延迟变化只与驱动电压有关;基于最小二乘法对不同波长的 初始相位延迟量进行定标研究,导出不同波长入射光经LCVR后初始相位延迟量定 标方程,用671 nm波长 的激光对定标方程进行了验证,经定标方程求解的671nm波长的初始相位延 迟量与实 际值偏差为 1.4 nm,且任一驱动电压下,相位延迟量的实际测量值与公式定标计算 值最大相对误差为0. 18%。最后,通过与其他定标方法的比较,进一步说明采用本文方法定标的精确性 和可靠 性。     

基于单偏振器的液晶相位延迟器光电特性

液晶相位延迟器(LCVR)是一种新型偏振器件,精确标定其光电特性是实现基于该器件的精密光学偏振测量的关键环节.通过建立探测光强与相位延迟值和器件方位角的数学模型,提出了一种基于单偏振器的测量新方法,可快速计算出不同电压作用下的LCVR本征轴方位角和相位延迟值.该方法具有测试结构简单、相位延迟测量过程无需机械旋转、全谱测量速度快的优点.此外,该测量结构便于集成在其它偏振测量结构中,实现LCVR的在线、实时标定.实验结果表明基于上述方法的测试系统,LCVR的相位延迟测量重复性优于5‰,本征轴方位角的测量分辨率优于0.1°.     

液晶可变延迟器的双折射色散研究

为了实现液晶可变延迟器(LCVR)对不同波长入射光相位延迟的精确控制,发挥其在光信息和光学测量领域的应用优势,对其双折射色散特性进行了研究分析。根据折射率椭球理论分析了LCVR对入射光的双折射色散满足柯西色散关系;分别测量了LCVR对532、635、670 nm激光在不同驱动电压值下的延迟量;讨论和分析上述测量结果,求解出LCVR满足的柯西色散经验公式的系数,利用归一化的方式确立了色散定标方法,并用650 nm激光进行了实验验证。实验结果表明,LCVR对不同波长的入射光存在双折射色散;650 nm激光延迟量的实测值与双折射色散定标值偏差不大于0.007λ,定标方法准确可行。     

基于LBP与LSSVM的数字图像分类算法

针对数字图像的高精度分类问题,提出了一种新型数字图像分类算法。在该算法中,局部二值模式(Local Binary Patterns,LBP)算子被用于数字图像的LBP图构建LBP图的直方图被用于构建图像样本的特征向量;大量样本的特征向量构建的训练数据集被送入最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)进行最优分类模型的构建。在测试数据集的分类测试中,对本文所提出算法与传统支持向量机算法、极限学习机算法和Hopfield神经网络方法进行了比较,在宏查准率、宏查全率和分类时间几个典型性能指标的测试方面,本文所提出的LBP-LSSVM算法均表现出了优异的性能。     

小时间尺度网络流量混沌性分析及趋势预测

小时间尺度的网络流量的混沌性被噪声掩盖难以预测,本文通过局部投影降噪得到可预测的混沌性流量趋势.针对网络流量存在的时变性和长周期性,提出一种最优样本子集在线模糊最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)预测方法:以与预测样本时间上以及欧式距离最近的样本点构...     

一种特殊支持向量回归机算法研究

支持向量机SVM(Support Vector Machines)是数据挖掘技术的新方法,支持向量回归机对函数拟合(回归逼近)具有重要的理论意义和应用价值.分别采用光滑化函数法和求解LC1函数类型方法对牛顿型算法进行研究求解.     

支持向量机无损测量组织光学参数的研究

本文研究了新近发展的支持向量机(Support Vector Machine,SVM)算法用于无损确定组织光学参数的特性和规律。利用蒙特卡洛模拟的样本数据系统研究了训练集样本数量对SVM预测精度的影响,在训练样本数为15的条件下,对μs',μa预测误差仅为1%、5%。实验研究了基于CCD测量的漫反射光和SVM算法确定组织模拟液光学参数的可靠性与精度。结果表明,支持向量机能够实现对光学参数的准确测量,结合CCD技术可应用于实际确定生物组织光学参数。     

基于双环混合偏振矢量光束实现光学囚笼实时操纵的理论研究

理论上提出了一种通过调节双环混合偏振矢量光束的偏振态来实现光学囚笼实时操纵的新方法。双环混合偏振矢量光束是由双环径向光束通过一个波片后形成的,光束偏振将变为包含线偏振、圆偏振和椭圆偏振的混合状态,且偏振态强烈依赖于空间位置和相位延迟角度。利用衍射积分公式数值模拟了双环混合偏振矢量光束经过强聚焦系统后在焦点附近的强度分布。数值结果显示当相位延迟角度为0时能形成光学囚笼,当相位延迟角度不为0时能控制光学囚笼打开的程度。将液晶可调相位延迟器(LCVR)作为可调波片,LCVR可以由外部电压实时控制使其相位延迟角度能在0～π之间连续取值,这样就可以通过调节LCVR的外接电压实现焦平面光学囚笼的实时开和关。     

高光谱全偏振成像快捷测量技术研究

为了实现声光可调滤波器(AOTF)和液晶可调相位延迟器(LCVR)相结合的新型高光谱偏振成像系统全Stokes参量的快捷准确获取,提出了一种新的测量方法。该方法采用一个驱动信号源同时控制系统中两个LCVR,当LCVR在不同波长下进行相位调制时,依次取4个固定的驱动电压,求得不同波长下LCVR1和LCVR2的4组相位延迟,通过相应的数学计算即可快速精确求得目标光全部Stokes参量。波长为632nm时,以偏振方向分别为0°、90°、45°的偏振片和1/4波片为目标物,毛玻璃为背景,通过系统成像后获取了全部Stokes参量的图像。结果表明,该测量方法不仅可以快速准确地获取目标物全部Stokes参量,而且系统成像质量良好。对532nm波长下的真假树叶进行高光谱偏振成像,进一步验证了该测量方法的快捷准确和系统的可靠性。理论分析了影响Stokes参量测量精度的因素,为提高系统测量精度提供了理论基础。     

近红外光谱和模式识别技术在西湖龙井与浙江龙井茶叶鉴别中的应用

为了鉴别西湖龙井和浙江龙井茶叶,采用近红外光谱分析技术结合化学计量学方法建立了识别模型。先对原始光谱进行标准正态变换（StandardNormalVariant,SNV）预处理,然后分别采用最小二乘判别分析（Partial Least Square Regressiondiscriminant Analysis,PLSDA）、最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）和径向基人工神经网络（Radia lBasis Function Neural Network,RBFNN）三种模型对西湖龙井和浙江龙井茶叶进行预测。最小二乘支持向量机参数通过网格搜索和完全交叉验证得到优化。经优化后,惩罚系数（y）和核函数参数（б2。）分别为229．1和124．9;RBFNN最佳隐藏层神经元个数为27个。通过比较可知,LSSVM的预测性能最好,其校正集均方根误差（RMSECV）和相关系数（R。）分别为0和1,验证集均方根误差（RMSEP）和相关系数（R2）也分别为0和1,分辨正确率为100％。     

基于遗传算法和LSSVM的网络安全事件发生频率预测

Since the frequency of network security incidents is nonlinear, traditional prediction methods such as ARMA, Gray systems are difficult to deal with the problem. When the size of sample is small, methods based on artificial neural network may not reach a high degree of preciseness. Least Squares Support Vector Machines (LSSVM) is a kind of machine learning methods based on the statistics learning theory, it can be applied to solve small sample and non-linear problems very well. This paper applied LSSVM to predict the occur frequency of network security incidents. To improve the accuracy, it used an improved genetic algorithm to optimize the parameters of LSSVM. Verified by real data sets, the improved genetic algorithm (IGA) converges faster than the simple genetic algorithm (SGA), and has a higher efficiency in the optimization procedure. Specially, the optimized LSSVM model worked very well on the prediction of frequency of network security incidents.     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

基于EMD-LSSVM的多尺度混合建模方法及其应用

激光陀螺漂移时间序列具有非平稳和非线性的特点,单一预测模型难以准确跟踪其变化趋势。研究了基于经验模态分解（EMD）和最小二乘支持向量机（LSSVM）的多尺度混合建模方法及在激光陀螺漂移预测中的应用。首先,利用经验模态分解将漂移时间序列分解为多个本征模式分量,在采用具有适当核函数的最小二乘支持向量机分别对这些分量进行预测后,以加权集成方式得到最终预测结果。最后,将该方法用于激光陀螺的随机漂移预测中,仿真结果表明:该方法能够准确预测激光陀螺漂移值,取得了比单一模型更好的预测效果,能够为激光陀螺的漂移补偿、故障预报和可靠性诊断提供参考。     

基于MFCC和二乘向量机的话者识别系统

讨论了以二次等式约束条件为基础的一种改进的向量机即最小二乘向量机(LSSVM)算法,用其对话者进行识别,并与传统的支持向量机(SVM)进行了识别比较。实验中,采用美尔倒谱系数(MFCC)作为话者语音特征参数。实验表明,基于LSSVM的话者识别比传统的SVM话者识别计算复杂度小,训练时间短,效率更高;同时,识别率也有一定的提高,对话者识别有很强的适应性。     

基于KPCA和LSSVM的蜂蜜近红外光谱鉴别分析

为快速鉴别普通植物源与中草药植物源蜂蜜,提出一种核主成分析和最小二乘支持向量机相结合的蜂蜜近红外光谱定性分析新方法。利用傅里叶变换近红外光谱仪测定普通洋槐蜂蜜和益母草、黄连两种中药植物源蜂蜜样本的近红外光谱并预处理,然后对光谱进行核主成分分析,提取非线性特征,最后设计基于纠错编码最小二乘支持向量机的多类分类器模型。采用网格搜索法确定模型最优参数,利用最优分类模型对未知类别蜂蜜样本进行识别,正确率可达96.67%。结果表明,基于KPCA和LSSVM的近红外光谱定性分析算法鉴别普通植物源与中草药植物源蜂蜜是可行的。     

用于故障诊断的新型多专家系统

为了能在复杂系统发生故障时,更快更好地诊断和排除,结合支持向量机、模糊积分和专家系统的各自特点,提出了最小二乘支持向量机(LSSVM)与模糊积分(FI)的多专家系统整体结构和诊断模型.LSSVM具有模型结构简单、推广能力较好和全局最优解等优点,将其用于专家系统中,实现知识自动获取和快速逻辑推理;FI方法的运用,则提高了多专家协同诊断的精度;专家系统完成知识库管理与维护、符号推理诊断以及解释等工作.该方法克服了传统的诊断专家系统缺少有效的自学习、自适应机制,难以解决非线性系统故障问题的不足.因此,这对于解决复杂系统多征兆、多原因的故障问题,是一条方便快捷的途径.     

基于GA优化LSSVM高炉铁水含硅量预报

铁水含硅量是表征高炉生铁质量的重要指标,也是反映高炉内部热状态的重要参数。为了提高铁水含硅量测量精确度,保证高炉顺行,提出一种基于最小二乘支持向量机(LSSVM)的铁水含硅量预报模型,采用遗传算法(GA)确定模型参数的优化组合,以改善模型性能。将某钢管厂高炉的实际运行数据经过预处理后作为模型的训练和测试样本,进行模型预报实验,并与神经网络模型和时间序列分析模型的预报性能进行了比较。基于 GA优化参数的 LSSVM模型对铁水含硅量预报的最大相对误差为5.8%,相关系数为0.926375,预报精确度比直接 LSSVM模型提高了2.1%,比前向神经网络模型提高了4.3%。     

组合核函数优化的稀疏最小二乘支持向量机

针对传统最小二乘支持向量机(LSSVM)稀疏性较差的问题,在传统支持向量机的基础上提出了新的LSSVM模型,并对其进行优化。利用选主元Cholesky分解,进行迭代操作,简化求解过程;利用径向基-卡方组合核函数,提高核函数的稀疏性;最后利用遗传算法,对组合核函数与支持向量机的参数寻优,解决了传统LSSVM在大样本情况下稀疏性较差,求解时间过长的问题,提高了LSSVM的泛性与精确度。仿真实验证明了所提出的模型是有效的。     

IGBT老化状态下基于BAS-SVM模型的结温预测方法

为进一步研究IGBT老化对其结温的影响,提出了一种新型的结温预测方法。通过功率循环加速老化实验,模拟模块实际运行老化状态,获取了不同老化程度下的饱和压降、集电极电流和结温数据,并进行分析。采用数据驱动的方法,建立了基于天牛须搜索算法优化支持向量机(BAS-SVM)的结温预测模型。结果表明,与粒子群算法-支持向量机(PSO-SVM)模型和天牛须搜索-BP神经网络(BAS-BP)模型相比,BAS-SVM模型更能有效缩短训练时间,收敛速度更快,且对IGBT结温的预测精度更高,是一种更有效的预测模型。