我国是世界上最早使用煤及煤精的国家之一, 但对考古出土煤精文物的研究发现, 煤精文物原材料的质地常常偏离宝石学中对有机宝石煤精的定义。 在此提出“煤精类文物”的概念, 将以往出土文物中如褐煤、 烛煤等与煤精文物材质近似但不同的材料归至同一文化概念中。 目前对于煤精类文物制品的科学研究仍存在较大空白, 其中最为基础的材质种类判别也没有科学的判断方法。 以陕西周原贺家墓地、 陕西咸阳岩村墓地、 新疆吐鲁番胜金店墓地、 新疆伊犁吉仁台沟口遗址四个遗址出土的16件煤精制品和原料为研究对象, 初步探索漫反射傅里叶变换红外光谱在出土煤精类文物成分分析中的应用。 结果表明, 不同遗址出土的煤精类文物的红外谱图有较为明显的不同, 同一遗址出土的煤精类文物的红外谱图在特征波段具有相似性, 不同遗址煤精类文物则差异明显。 使用Norris二阶导数法对红外光谱进行处理, 提高吸收峰分辨率, 为精细研究提供信息, 选择特殊红外光谱参数I=A820 cm-1/A2 870 cm-1定量分析不同样品的红外光谱, 结合静水称重得到的部分样品的密度信息, 对出土的煤精类文物制品材质的煤化程度初步判断。 结合红外光谱特征波数的强度进一步通过主成分分析解释煤精类文物的红外光谱信息, 来自不同遗址的煤精类文物样品在主成分分析得分图中得到了良好的区分, 并且可以与特殊红外光谱参数I判别的初步结论互相对应。 验证了以漫反射傅里叶变换红外光谱为主的无损分析方法在煤精类文物材质判别中应用的可行性; 若结合不同产地煤精矿样红外光谱, 则可以为煤精类文物产地判别提供研究方法。

在现代高技术战争中，以探测器为核心的光电设备极易受到激光的辐照干扰，严重的情况下则导致探测器内部结构损坏以及材料的永久性损伤致使探测器功能性损坏。所以激光对探测器的硬损伤一直都是研究的热点课题，而探测器的损伤判别方法和损伤阈值的确定则是深入研究损伤机理的关键。近几年来，激光对探测器的损伤判别法在不断改进，也出现了新的判别方法，这使得判别结果的准确性和可靠性都得到了提高。本文主要对强激光损伤探测器的判别方法重新进行了总结，介绍了各判别方法的作用机理及发展趋势，为探测器损伤机理的研究打下了良好基础，同时也为探测器的防护以及激光对探测器的故意损坏提供了理论依据和研究方法。

将Vague集理论引入到潜艇威胁目标类型判别问题中,建立了基于Vague集理论的潜艇威胁目标类型判别系统模型.通过满足表征目标类型隶属程度的特征参数Vague集与正负理想Vague集的最近最远距离来确定特征参数的影响权重,进一步利用特征参数Vague集与正负理想Vague集的加权距离来获得与各目标类型的贴近度值,据此来进行目标类型判别.仿真实例验证了该方法的有效性和可信度.

探讨了可见-近红外光谱技术快速无损识别不同品牌车蜡的可行性。 实验一共获得104 样本， 其中40个样本（建模集）用于建立模型， 剩余64个样本（预测集）被用于独立验证建立好的模型。 基于五种不同品牌车蜡的可见-近红外光谱分别建立了线性判别分析（linear Discriminant Analysis， LDA）和最小二乘支持向量机（least square-support vector machine, LS-SVM）模型。 基于两个算法的全波段光谱模型的预测集正确率分别达到了84%和97%。 进一步采用连续投影算法（successive projections algorithm, SPA）算法从751波段中选取了7个特征波段（351, 365, 401, 441, 605, 926和980 nm）。 基于SPA选择的变量建立LS-SVM模型， 准确率依然保持在97%。 说明SPA选择的特征波段包含了对于车蜡品牌鉴别最重要的光谱信息， 而大多数无用信息则被有效剔除。 将SPA与LS-SVM算法的车蜡识别模型在保证正确率的基础上， 还可以大大降低模型计算复杂程度， 说明该模型能快速准确的从车蜡可见-近红外光谱中提取有效信息， 并实现车蜡品牌的无损鉴别。

针对蜜瓜可溶性固形物含量透射光谱检测中, 异常建模样品对模型精度的影响及多种可能来源, 提出异常样品的综合评判方法。 为防止漏判, 分别针对不同来源, 采用基于预测浓度残差、 Chauvenet检验法及杠杆值与学生残差T检验准则对85个建模样品(偏最小二乘法建模)进行初步判别, 共判别出9个疑似异常样品。 为防止误判, 对疑似样品逐一回收, 考察其对建模与预测精度的影响。 先后回收5个样品后, 所建校正模型相关系数r为0.889, 均方根校正偏差RMSEC为0.601°Brix, 对35个未知样品的均方根预测偏差RMSEP为0.854°Brix, 比未剔除异常样品前所建模型（r=0.797, RMSEC=0.849°Brix, RMSEP=1.19°Brix）精度明显提高, 比剔除全部疑似异常样品所建模型（r=0.892, RMSEC=0.605°Brix, RMSEP=0.862°Brix）更稳定, 预测精度更高。