根据生物膜能流理论和电子传递模型，结合快相与弛豫两种激发条件，对复杂的光合作用过程进行分析并简化计算，提出植物光合作用参数反演方法。利用滑动窗口斜率判定法确定最大荧光产率；利用线性最小二乘算法解析快相荧光过程获得光化学量子效率和功能吸收截面；利用离散迭代算法解析弛豫荧光过程获得质体醌平均还原时间常数。对对数生长期以及铜离子胁迫条件下的平裂藻和斜生栅藻进行实验测量，结果表明该方法反演结果具有良好的稳定性和重复性，光化学量子效率、功能吸收截面和质体醌平均还原时间常数的测量结果相对标准偏差分别为1.25%、1.50%和1.83%，其中光化学量子效率与脉冲振幅调制技术的测量结果线性相关系数达到0.9714。该方法为研究植物生理研究提供一种光学分析手段。

主要研究了一种新的基于LASSO算法的恒星α元素丰度估计方法。 海量恒星的α元素（O, Mg, Si, Ca 和Ti）丰度信息将有助于我们了解银河系的演化进程。 但目前从中低分辨率光谱中确定α元素丰度的方法主要是模板匹配法, 但该方法算法复杂, 优化参数较为困难且对噪声敏感, 因此有必要研究新的方法。 实验结果显示, LASSO算法对ELODIE光谱的α丰度的估计精度为0.003（0.078）dex。 为验证光谱分辨率变化对LASSO算法结果的影响, 我们首先用ELODIE光谱通过高斯卷积得到了分辨率为42 000, 21 000, 10 500, 4 200和2 100的光谱, 然后使用LASSO算法估计α元素丰度, 精度分别为0.003 3（0.078）dex, -0.05（0.059）dex, -0.007（0.060）dex, 0.008 0（0.069）dex和-0.004 5（0.067）dex。 上述结果证明LASSO算法对分辨率变化不敏感。 为验证LASSO算法对信噪比变化的鲁棒性, 使用ELODIE光谱分别构造了信噪比为30, 25, 20, 15和5的光谱。 LASSO算法在上述数据集上的精度分别为-0.002(0.076)dex, -0.09(0.073)dex, 0.003 6(0.075)dex, 0.007 6(0.078)dex 和-0.009(0.08)dex, 因而LASSO算法对信噪比变化不敏感。 因此, LASSO算法适用于低分辨率低信噪比的LAMOST和SDSS光谱。 LASSO算法在SDSS光谱上的估计精度为0.003 7（0.097）dex, 而在球状星团和疏散星团成员星上的结果显示LASSO算法给出的丰度与文献给出α丰度值误差在1σ以内。 因此, LASSO算法能够用于估计恒星的α元素丰度。

工作空间测量定位系统是一种采用光平面交汇原理的大尺寸坐标测量系统, 测量过程中发现扫描光面并不是理想平面, 影响了测量精度。提出了一种思路: 利用二次曲面方程来描述扫描光面。运用线性最小二乘法对扫描光面上的离散点进行拟合, 得到二次曲面方程, 在正交线性变换的基础上, 分析了扫描光面的形状。对同一组测量点数据分别用二次曲面和平面进行拟合, 将拟合的效果进行比较, 结果表明: 利用抛物柱面方程能够更准确地描述扫描光面。

光谱端元选择是高光谱数据解混分析的重要前提。 在各种端元选择算法中, N-FINDR算法因其自动性和高效性受到广泛欢迎。 然而, 该算法需要进行数据降维预处理, 且包含大量的体积计算导致该算法的运算速度较慢, 限制了该算法的应用。 为此提出基于线性最小二乘支持向量机的N-FINDR改进算法, 该算法无需降维预处理, 且采用低复杂度的距离尺度代替复杂的体积尺度来加速算法。 此外还提出对野值点施加有效控制以赋予算法鲁棒性,以及利用像素预排序方法来降低算法的迭代次数。 实验结果表明, 基于线性最小二乘支持向量机的改进N-FINDR算法在保证选择效果的前提下复杂度大大降低, 鲁棒性方法和像素预排序方法则进一步提高了算法的选择效果和选择速度。Vector Machines