为了克服单一模型预测精度很难进一步提高的不足, 利用近红外光谱分析结合基于Stacking框架的异构集成学习模型实现对油页岩含油率的检测。 以松辽盆地某区块所取230个油页岩岩芯样本为研究对象, 使用低温干馏法测量油页岩样本的含油率, 同时扫描每个样本对应的近红外光谱数据。 样本使用蒙特卡洛算法进行异常样本剔除, 将剔除异常样本后的213个数据按照3∶1的比例随机划分为训练集和预测集。 利用去趋势加基线校正方法进行预处理消除光谱数据中噪声和基线漂移, 利用随机森林算法进行波长重要性排序并保留重要波长, 在此基础上采用CARS算法进行特征波长提取, 进一步降低数据维度。 最后, 构建以PLS, SVM, RF和GBDT为初级学习器, PLS回归模型为次级学习器的Stacking集成学习模型, 各初级学习器模型参数使用网格搜索进行寻优。 使用决定系数和预测均方根误差作为各模型的评价指标, 探究单一模型和集成学习模型对油页岩含油率预测的准确性。 研究结果表明, RF-CARS方法能够有效筛选重要波长, 进而提高模型效率。 基于Stacking的异构集成学习模型与单一模型(SVM和PLS)和同构集成学习模型(RF和GBDT)相比有更好的预测效果和更强的稳定性。 在多次随机划分数据集的基础上, Stacking集成学习模型的平均决定系数R2为0.894 2, 相比于其他单一模型平均提高了0.062 3； RMSEP为0.586 9, 比其他模型平均降低了0.147 4。 说明, 基于Stacking的异构集成学习模型能够组合初级学习器的优势, 提高油页岩含油率预测精度, 为油页岩含油率快速检测提供了一种新方法。

为了提高基于近红外光谱的土地覆盖分类模型的准确率, 以欧盟统计局发布的土壤近红外光谱数据为研究对象, 研究基于短时傅里叶变换（STFT）预处理方法和不同卷积尺度融合的土地覆盖分类模型, 实现耕地、 林地和草地的快速区分。 为适应二维卷积要求, 将一维光谱的400～2 500 nm波段的4 200个波长进行短时傅里叶变换, 转换成二维图像同时提取光谱数据的频谱信息。 将样本按6∶2∶2的比例随机划分为训练集、 验证集和测试集。 建立单一尺寸卷积核卷积神经网络（CNN）以及多尺寸卷积核融合的卷积神经网络土地覆盖分类模型, 为了防止模型出现梯度消失现象, 网络采用ReLU激活函数以及批标准化（BN）、 Dropout等方法。 并采用早停法（early stopping）训练网络, 防止模型出现过拟合风险。 首先, 探讨了不同STFT窗口长度（64, 100和128）、 不同卷积核尺寸（3×3, 5×5和7×7）等对模型分类效果的影响规律。 实验结果显示: 当STFT窗口长度为100、 窗口重叠长度为50%时, 模型总体分类准确率均最高; 模型的分类准确率随卷积核尺寸的增大而降低, 较小尺寸卷积核模型准确率更高, 卷积核尺寸为3×3的CNN模型总体分类准确率达到了78.76%, 高于卷积核尺寸为5×5和7×7的CNN模型分类准确率; 不同尺寸卷积核的模型都对某一种土地覆盖类型的分类效果良好, 对于耕地, 3×3卷积尺寸的CNN模型分类效果最佳; 对于林地, 5×5卷积尺寸的CNN模型分类效果最佳; 对于草地, 7×7卷积尺寸的CNN模型分类效果最佳。 其次, 提出了基于多种尺寸卷积核融合的Fusion-CNN模型, 该模型综合了不同尺寸卷积核的分类优势, 模型对于3种土地覆盖类型的分类准确率均有了不同程度的提高, 模型总体分类准确率达到84.39%。 Fusion-CNN模型克服了单尺寸卷积核CNN模型对于合适的卷积核尺寸选择周期长、 调参步骤繁琐的缺点, 能简化和加快建模过程。 使用Fusion-CNN卷积融合网络可以更有效地对土壤近红外光谱的内部特征信息进行自动抽取, 从而得到较高且稳定的土地覆盖分类准确率。

为了提高透明液晶显示器的透明度，降低后置光源功率，对透明液晶显示器所使用的彩膜的色度与透过率关系进行研究。首先通过选择适当的透过谱RGB三色色阻，制作10%NTSC及45%NTSC的彩膜样品，测试其白光透过率，然后制作透明显示展示柜，比较搭配不同色度域的彩膜的透明显示柜的透明效果。实验结果表明，通过选择性降低彩膜色阻色度，提高彩膜透过率从而实现高透明液晶显示器，并采用此种方案制作色度域为45%和10%NTSC的彩色透明液晶显示器样品，其白光透过率分别达到了10%和15%，制作的透明显示展示柜具有更好的透明效果。

透明显示器适用于建筑物窗户、汽车车窗与商店橱窗等多种应用，除了原有的透明显示功能以外，还具有未来可能作为信息显示器的发展潜力，因而备受市场关注。但是目前厂商开发的重点仅集中在如何提高透明液晶面板的全光透过率，而对其色度特性研究却很少，导致在实际应用上全光透光率高的产品，其背后物品的色彩显示并不准确，应用效果不理想。在本文中，我们采用本公司量产的31.5 UV2A透明液晶面板，对不同颜色光线通过透明显示器时的色度坐标偏移情况进行研究，确定了透明显示器对色度的影响。

残像是TFT-LCD的一种显示特性，主要表现为当液晶显示器长时间显示同一个画面，在把画面切换到下一个画面时，原先的画面会残留在下一个画面中。本文的加强篇二从材料面的彩膜、液晶、配向膜及工艺面的配向膜工程、ODF工程导致的残像具体分析了其原因和改善方法。

残像是TFT-LCD的一种显示特性，主要表现为当液晶显示器长时间显示同一个画面，在把画面切换到下一个画面时，原先的画面会残留在下一个画面中。本文的加强篇一从设计面的Feed through DC成分、非对称像素结构、TFT相关的特别是Leak系导致的残像，具体分析了其原因和改善方法。

残像是TFT-LCD的一种显示特性，主要表现为当液晶显示器长时间显示同一个画面，在把画面切换到下一个画面时，原先的画面会残留在下一个画面中。文章基础篇系统地介绍TFT-LCD残像的分类、发生机理、试验条件、判定方法和对策方向，为改善相应的显示残像问题提供较佳的处理方案。