对羟基苯甲酸甲酯钠是一种常见的食品添加剂，如果长时间食用或者超量食用会对人体造成一定的危害。采用FS920荧光光谱仪对对羟基苯甲酸甲酯钠橙汁溶液和水溶液进行检测，实验结果表明两者的特征峰发生了明显的变化。经分析得出，对羟基苯甲酸甲酯钠橙汁溶液的荧光光谱受到橙汁荧光特性干扰，一定浓度范围的溶液光谱图存在较大差距，对羟基苯甲酸甲酯钠浓度与荧光强度之间的关系复杂。为了精确地检测橙汁中对羟基苯甲酸甲酯钠的浓度，结合荧光光谱法与最小二乘支持向量机，建立了橙汁溶液中对羟基苯甲酸甲酯钠的检测模型，使用改进的粒子群优化算法得到影响模型性能的正则化参数和核函数。实验得到了较为理想的结果，与普通反向传播（BP）神经网络、基本粒子群寻参的最小二乘支持向量机等方法相比，该方法性能最优，得到的平均回收率为97.05%，平均相对误差为2.71%，均方根误差为3.04%，模型输出与真实值之间的相关系数是0.9999。该方案可以做为橙汁中对羟基苯甲酸甲酯钠浓度的精确检测方法。

为优化手写签名识别算法性能,提出了一种局部二值模式(LBP)和深度学习相结合的手写 签名识别算法。针对签名图像进行预处理、维纳滤波去除噪声;将预处理签名图像分为3×4子 块,LBP应用于分块后的每个子图像,并将每个子块的纹理直方图特征连接起来,形成全局直方 图特征;将得到的特征向量作为深度信念网络(DBN)的输入,逐层训练网络,并在顶层形成分类 面,对签名图片进行识别。基于GPDS、MCYT及原创数据库进行实验,识别率误差分别为5.85%、 9.3%、1.17%,有效提高了手写签名的识别精度,符合实际应用的要求。