Hilbert空间中的fusion-Besselian框架与拟fusion-Riesz基

fusion框架作为Hilbert空间中g-框架的特例,与g-框架有许多类似的性质.该文在已有文献的基础上,借助算子理论知识,举反例说明去掉有限维空间的条件下结论不成立,进一步给出fusion-Besselian框架的算子刻画.结合fusion-Besselian框架的算子刻画和反例1,阐明在探讨该类框架性质时,应关注其适用条件和范围.随后讨论拟fusion-Riesz基与拟Riesz基、fusion-Besselian框架之间的关系.最后讨论fusion-Besselian框架和拟fusion-Riesz基的算子扰动,所得结论补充了算子扰动方面的研究.

关于GC-Fusion框架的若干等式和不等式

人们对框架理论研究的日益广泛和深入,目前对框架的研究已做了多种推广.GC-Fusion框架就是Fusion框架的一种广义的连续形式的推广.本文针对GC-Fusion框架建立了若干等式和不等式.

Hilbert空间中K-fusion框架的稳定性

给出Hilbert空间中K-fusion框架概念和一些相关的性质,应用算子论的方法讨论Hilbert空间中K-fusion框架在算子扰动或序列扰动下的稳定性,并得出K-fusion框架稳定性的一些等价条件,进一步将已有文献中fusion框架稳定性的结果推广到K-fusion框架上.

K-Fusion框架扰动的稳定性

本文研究了在Hilbert空间中K-fusion框架扰动的稳定性.利用分析与框架理论上的方法和技巧,得到了K-fusion框架满足扰动稳定性的充要条件以及其他的充分条件,所得的结论推广了fusion框架扰动稳定性的相关结果.

Fusion框架序列的一些性质

本文从空间夹角的角度对fusion框架序列和fusion-Riesz框架序列进行了研究,得到了一些新的性质。

Fusion框架系统的局部框架扰动的稳定性

该文在Hilbert空间中一般的框架序列扰动形式下,利用正交投影的性质和对偶框架的性质研究了原序列张成的闭子空间与扰动序列张成的闭子空间的关系,并探讨了局部框架的一般扰动对fusion框架系统稳定性的影响.这些结果推广和改进了由Casazza,Kutyniok和Li等得到的著名结果.

Fusion框架算子扰动的若干性质

针对Hilbert空间中fusion框架的算子扰动情况进行研究.如果{(Wj,vj)}j∈J是H的fusion框架,有界线性算子T∈L(H)为满的且满足TWj■Wj(j∈J),得到了{(TWj,vj)}j∈J也是H的fusion框架的结论.通过对两个子空间间隙的概念得到了算子扰动的另外一个结果.

伪狂犬病病毒Bartha株gC膜外区部分基因的原核表达及纯化

构建伪狂犬病病毒(PRV)gC膜外区部分基因的重组质粒,原核表达并纯化目的蛋白。根据GenBank已发表的伪狂犬病病毒Bartha(PRV Ba)株gC基因的序列(NC EU719641),设计并合成了1对引物,以PRV Ba株为模板,PCR扩增出PRV gC膜外区部分基因片段;将该基因片段克隆到原核表达载体pET-28a上,转化大肠埃希菌BL21(DE3),经IPTG诱导,获得大小为35 ku的重组蛋白,命名为pET-gCN813。按照His-Bind纯化试剂盒说明书纯化表达产物,获得融合蛋白的纯化产物。

猪伪狂犬病毒gB和gC蛋白B细胞表位编码序列的融合表达及活性测定

依据猪伪狂犬病毒g B和g C蛋白的B细胞表位编码序列,分别设计g B和g C蛋白B细胞表位编码序列的融合扩增引物,利用融合PCR技术,将g B和g C蛋白B细胞表位编码序列有机地融合为g B-C表位编码序列。将融合基因片段插入到原核表达载体p ET28a,并转化大肠杆菌BL21(DE3),1.0 mmol/L异丙基硫代半乳糖苷(IPTG)诱导表达重组蛋白。SDS-PAGE结果显示,融合蛋白g B-C能够高效表达,重组蛋白的分子质量约为38 ku;经Western blot鉴定分析,小鼠抗His标签单克隆抗体和PRV阳性血清均能识别表达的重组蛋白。表明成功表达了融合蛋白g B-C,且表达的重组蛋白具有较好的免疫学活性。

K-g-框架的等价刻画和K-框架交织的擦除

讨论Hilbert空间K-g-框架的等价刻画和K-框架交织的擦除。用g-Bessel序列{Λj:j∈J}的导出序列{vjkπWjkΛj}j∈J,k∈Kj来等价刻画{Λj:j∈J}成为K-g-框架。给出了一个充分条件,在一对可K-交织的K-框架的基础上,使得擦除若干元素后剩下的元素仍然可K-交织。

基于改进YOLOX-s的机场跑道冰雪状态感知

针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-s模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;将颈部结构中路径聚合网络替换为双向特征金字塔,以提升特征融合能力;在加强特征提取网络尾部添加自适应空间特征融合结构,进一步增强特征融合效果;使用α-EIoU优化损失函数,提高模型收敛速度与精度.实验结果表明,改进后的YOLOX-s模型在跑道冰雪实验系统所得的冰雪污染物数据集上平均精度达到了91.53%,比原始的YOLOX-s模型提高了4.68%,能够为机场跑道除冰雪作业提供决策支持.

Fusion框架的若干性质

主要是在Hilbert空间中对Fusion框架做进一步研究,令{(Wi,vi)}i∈I是H的Fusion框架,有界线性算子T∶H→H为满的且T+TWiWi,得出(TWi,vi)}i∈I也是H的Fusion框架的结论,改进了Casazza和Kutyniok等人的相应结果,最后对Bessel Fusion序列对的扰动性进行了扩展.

Hilbert空间K-Fusion框架的构造

给出Hilbert空间中K-fusion框架的多种构造方法,包括利用一个K-fusion框架的合成算子去构造另一个K-fusion框架,利用两个fusion-Bessel序列及有界线性算子K去构造K-fusion框架.最后利用关于两个fusion-Bessel序列的有界线性算子S(VW)去构造新的K-fusion框架.

K-fusion框架的刻画

引入Hilbert空间中K-fusion框架的概念,利用合成算子的性质进行刻画,并讨论其与K-框架的关系.

基于智能感官和气质联用分析不同产地的蒜

为探究A(山东)、B(云南)、C(江苏)、D(辽宁)产地大蒜品质的差异,实验采用色差仪、电子舌、电子鼻、气质联用结合主成分及数据融合、维恩图分析不同产地的大蒜在色差、滋味、气味、整体风味轮廓以及具体风味物质方面的差异。实验结果显示:A、B色差明显,C、D差异较小。电子舌滋味强度分析显示酸味、咸味和鲜味最强的分别是B、D、C。电子舌和电子鼻传感器数据融合主成分分析表明B、C较为相似,与A有一定相似度,与D差异较为明显;数据融合主成分分析还表明在评价大蒜风味时,大蒜气味所占权重更大,而滋味权重较小;数据融合聚类分析结果与数据融合主成分分析结果一致,且能够说明A与B、C更为相似。GC-MS分析结果表明,4个样品共检测到31种挥发性物质,A、B、C、D分别检测到12,21,18,17种,其含量分别为95.679%、95.357%、92.737%、88.893%。维恩图分析表明,不同产地的大蒜共有物质7种,均为含硫化合物。含硫化合物是不同产地大蒜的主要挥发性物质,分别占总含量的95.045%、93.866%、92.209%、87.346%;二烯丙基二硫醚、烯丙基甲基二硫醚是大蒜含硫化合物中最主要的物质,含硫化合物的种类和含量可能是不同产地大蒜的主要区别。

Hilbert C~*-模中K-Fusion框架的刻画

首先通过权重集的选取改进了Hilbert C＊-模中fusion框架的原有定义．然后将K—fusion框架的概念由Hilbert空间推广到HilbertC＊-模中，并且利用算子理论方法得到了Hilbert C＊-模中K—fusion框架的一些等价刻画．

编织Fusion框架

Hilbert空间上的两个fusion框架{（Xn,un）}n=1^∞与{（Yn,vn）}n=1^∞称为woven的,若存在一致的常数0〈A≤B〈＋∞使得对N的每个子集σ，序列{（Xn，un）}ncσ∪{（Yn,vn）}n∈σc是个fusion框架且有fusion框架界A，B．序列{（Xn，un）}ncσ∪{（Yn,vn）}n∈σc称为一个编织,两个fusion框架称为弱woven的，若不要求对所有的编织存在一致的框架界．证明了Hilbert空间上的两个fusion框架{（Xn,un）}n=1^∞与{（Yn,vn）}n=1^∞，若满足dim Xn〈∞且dim Yn〈∞（任意n∈N），则它们是Woven的当且仅当它们是弱woven的．

fusion-Riesz框架的算子扰动

利用Hilbert空间中两个闭子空间的间隙(gap)的一些性质,对fusion-Riesz框架的算子扰动进行研究,取得了一些新的成果.

基于色谱和光谱数据融合的不同植物源食用油判别方法与模型

利用气相色谱和近红外光谱技术对不同植物源的4种食用油(葵花籽油、大豆油、玉米油和花生油)进行表征分析,基于表征数据分别建立了偏最小二乘判别分析(PLS-DA)模型,并在此基础上探究了数据级数据融合方法,构建了基于色谱和光谱数据融合的不同植物源食用油判别方法与模型。主成分分析(PCA)结果显示,气相色谱判别分析主要是依据脂肪酸组成信息,近红外光谱主要是基于样本中含氢化学键的表征进行分类。数据融合模型的灵敏度和特异度均为1.000,分类误差为0.000,降低了交互验证的平均分类误差,模型具有良好的稳健性。与基于单一数据的模型结果相比,数据融合分析策略提高了模型的分类精度和鲁棒性。

有限维Hilbert空间中框架和fusion框架的最大鲁棒度

根据框架的最大鲁棒度的定义,给出框架的最大鲁棒度的性质,并讨论经过一些矩阵扰动后框架最大鲁棒度的变化.对fusion框架的最大鲁棒度的上界进行估计,得到经过一些特殊扰动后fusion框架的最大鲁棒度的变化.