采用典型相关分析对合成孔径雷达(SAR)图像的多分辨率表示进行融合并应用于目标识别。多分辨率表示能够层次化地描述目标特性从而为后续分类提供更多可用信息。为了保持多分辨率表示之间的相关性并去除它们的冗余性, 采用多重集典型相关分析对其进行融合, 获得统一的特征矢量。融合后的特征矢量有效继承了各个分辨率的鉴别力, 有利于提高识别算法的精度和效率。采用稀疏表示分类作为基础分类器对测试样本进行类别判断。在MSTAR公开SAR图像数据集上对提出方法进行了性能测试, 实验结果验证了所提方法的有效性。

对于高光谱影像地物分类问题, 为更加有效地利用像元空间信息和光谱信息, 提高地物分类精度, 提出了多核融合多尺度特征的分类方法。首先, 通过多尺度空间滤波和PCA白化, 提取出多尺度特征;接着在核稀疏表示分类器内使用多核方式对分别表示每项特征, 在分类器内实现特征自动融合, 根据子核与理想核、子核之间距离求取核组合的权重, 使用训练集所构成的字典在特征空间内对待测样本进行线性表示, 根据每类地物的重构误差确定待测像元所属地物类别。实验结果表明: 对于Indian Pines影像和Pavia University影像总体分类精度分别达到99.51%和97.96%, 较传统方法明显提高, 并且对于小样本地物识别精度也都能达到90%以上。本文算法对于高光谱影像地物具有更强的识别能力, 并且具有较强的稳定性和鲁棒性。

近红外光谱检测和模式识别方法相结合, 在药品的现场快速无损监督管理中有广阔的应用前景。 传统的鉴别方法以最小化错误率为目标, 往往忽略了样本数据的类别不平衡性, 从而使得少数类样本被多数类样本淹没, 降低少数类样本对分类器的影响, 使分类结果更加倾向正确识别多数类样本, 严重影响鉴别结果。 针对药品光谱数据中真假药品类别不平衡问题进行研究, 融合平衡级联和稀疏分类方法(SRC), 提出一种级联的稀疏分类药品鉴别方法(BC-SRC)。 文中在多数类样本中选取和少数类数目相同的样本作为训练样本, 并在多数类样本中进行多次平行采样使得多数类样本被全部获得过（采样次数为多数类样本数与少数类样本数商的向上取整), 最终得到测试样本的多组预测结果, 根据得到的多组结果获得最终预测标签。 将提出的方法在Matlab 2012a上进行仿真实验, 通过三组样本集的实验证明该方法的有效性, 实验结果表明该方法优于常用的偏最小二乘(PLS)、 极限学习机(ELM)和BP神经网络分类法, 特别是在解决类别不平衡问题时, 当不平衡因子大于10时, BC-SRC算法分类相对于其他算法性能更好, 且稳定性更高。

针对现有人脸识别方法在光照变化、表情变化及噪声干扰等情况下识别率下降的问题，本文将主成分分析 (PCA)，图像的小波包分解 (WPD)和稀疏表示分类 (SRC)等算法结合起来进行研究分析，提出了一种融合小波包细节子图及稀疏表示 (FW-SRC)的人脸识别方法。该方法首先将图像小波包分解以后的子图像进行加权融合，对融合后的图像进行特征提取并构造特征空间，然后用样本在特征空间上的投影集构造稀疏字典，最后通过对人脸图像的稀疏表示实现分类识别。采用 Yale B、AR和 CMU PIE人脸库分别进行了光照、表情及噪声鲁棒性的测试，实验结果表明本文方法不仅提高了人脸识别率，而且在光照强度变化、表情变化以及噪声干扰的情况下具有良好的识别性能。

巨噬细胞对病原菌的吞噬以及随后的降解在机体免疫防御中起重要作用。近年来, 对增强巨噬细胞吞噬能力的研究越来越被重视。弱激光具有独特的生物组织学作用特征, 从而调节机体多种功能。本文重点探讨了He-Ne 激光(632.8 nm)照射对巨噬细胞吞噬功能的影响及分子信号调控机理。实验结果表明, 弱激光能够通过激活巨噬细胞内Src激酶增强巨噬细胞的吞噬能力。

为了实现光纤陀螺的工程化，对数字滤波器的结构进行了改进，提出了一种多级抽样率转换器(SRC)与梳状带阻滤波器相结合的滤波算法。把闭环光纤陀螺的信号处理系统分为环内和环外两个部分，环外输出使用了加凯泽－贝塞尔窗的FIR滤波器。介绍了改进算法的优点，给出了新算法的实现方法。使用MATLAB对算法进行了仿真实验。结果表明，改进算法可明显地提高数字信号的处理效率，可保证在采样频率变换的过程中有用信号不会产生混叠，提高了光纤陀螺的精度。