本发明公开了一种面向超光谱数据库的小波去噪算法，属于超光谱数据的处理方法，用于对带有噪 声的超光谱曲线进行降噪。本发明顺序包括小波降噪参数选择、小波降噪。本发明在小波降噪参数学习 过程中充分考虑了超光谱数据库中各种物质超光谱曲线的特性，快速的选择适合超光谱数据库绝大多数 光谱曲线的小波降噪参数，然后使用选择得到的参数对测量到的超光谱曲线进行降噪。该方法能快速的 针对各种不同应用场景的超光谱数据库选择与之适应小波降噪参数，提高了降噪的效果，提高光谱匹配 的准确率。

产品特点 　　高纯气相法纳米氧化铝ZH-Alum通过等离子体气相燃烧法制备，反应迅速、产量大、纯度高、原晶粒径小、分布均匀，比表面积大、表面干净，无残余杂质，松装密度低，易于形成单分散，粉体表面带电荷，气相法制备可以替代进口产品。 　　产品参数 产品名称 型号 平均粒度（nm) 纯度(%) 比表面积(m2/g) 松装密度(g/cm3) 晶型 磁性异物 颜色 气相法氧化铝 ZH-Alum80 20 >99.9 80+-15 0.03 混合相 <200ppb 白色 气相法氧化铝 ZH-Alum100 15 >99.9 100+-15 0.04 混合相 <200ppb 白色 气相法氧化铝 ZH-Alum150 10 >99.9 150+-20 0.05 γ相 <200ppb 白色 气相法氧化铝 ZH-Alum220 5 >99.9 220+-20 0.05 γ相 <200ppb 白色 加工定制 为客户提供定制颗粒大小和表面改性处理 　　产品应用 　　1、高纯气相法纳米氧化铝应用于锂电池隔膜材料，提高耐高温性和安全性;也用于锂电池阳极，提高导电性和可逆放电电容;用于负极包覆，提高耐温和安全性;用作锂电池电极涂层，可以起到隔热，绝缘的作用，提高安全性能; 　　2、高纯气相法纳米氧化铝掺杂铝到钴酸锂中，可形成固溶体，稳定晶格，提高倍率性能和循环性能; 　　3、用高纯纳米氧化铝对钴酸锂进行包覆，可以提高热稳定性，提高循环性能和耐过充能力，氧的生成和LiPF6的分解，可避免LiCo02与电解液直接接触，减少电化学比容量损失，从而提高LiCoO2的电化学比容量; 　　4、纳米氧化铝中铝离子的掺杂，可以提高电池的电压，提高电池使用的安全性; 　　5、高纯气相法纳米氧化铝应用于改性进尖晶石锰酸锂材料，生产出的电池可逆容量大; 　　6、石油化工：催化剂、催化剂载体及汽车尾气净化材料; 　　7、抛光材料：亚微米/纳米级研磨材料、单晶硅片的研磨、精密抛光材料。 　　包装储存 　　本品为塑料袋内包装，外面为纸箱包装，密封保存于干燥、阴凉的环境中，不宜暴露空气中，防受潮发生团聚，影响分散性能和使用效果;包装数量可以根据客户要求提供，分装。 　　招商代理 　　气相法纳米氧化铝ZH-Alum100替代国外进口产品、面向全国各大代理商和经销商招商，欢迎大家来厂考察交流。 　　技术咨询与索样 　　联系人：王经理(Mr.Wang) 　　电 话：18133608898 微信：18133608898 QQ：3355407318 邮箱：sales@hfzhnano.com

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

产品特点 　　高纯纳米二氧化锆通过等离子体气相燃烧法制备，纯度高、粒径小、分布均匀，比表面积大、表面干净，无残余杂质，松装密度低，易于分散，纳米氧化锆，硬度较大、常温下为绝缘体、而高温下则具有优良的导电性，具有抗热震性强、耐高温、化学稳定性好、材料复合性突出等特点。 　　产品参数 产品名称 型号 平均粒度（nm) 纯度(%) 比表面积(m2/g) 松装密度(g/cm3) 晶型 颜色 纳米二氧化锆 ZH-ZrO215N 15 99.99 65.16 0.11 单斜 白色 纳米二氧化锆 ZH-ZrO230N 30 99.99 45.68 0.35 单斜 白色 纳米二氧化锆 ZH-ZrO23Y 50 99.99 43.26 0.38 3Y 白色 纳米二氧化锆 ZH-ZrO25Y 50 99.99 43.14 0.42 5Y 白色 纳米二氧化锆 ZH-ZrO28Y 50 99.99 43.54 0.40 8Y 白色 加工定制 为客户提供定制颗粒大小和表面改性处理 　　产品应用 　　1、高纯纳米二氧化粉体烧结成的陶瓷由于其相变增韧的良好性能;在纳米复合材料研究中，将纳米二氧化锆作为弥散相对基体进行增强韧化;稳定纳米氧化锆作为一种理想的电解质已被应用于固体氧化物燃料电池中; 　　2、高纯纳米氧化锆具备特殊的光学特性,对紫外长波、中波及红外线反射率高达85%以上。涂层干燥后,纳米粒子紧密填充涂层之间的空隙,形成完整的空气隔热层,并且其自身低导热系数能迫使热量在涂层中的传递时间变长,使得涂层也具有较低的导热系数,从而可以提高涂层的隔热性能; 　　3、高纯纳米氧化锆还可以耐火材料：电子陶瓷烧支承垫板，熔化玻璃、冶金金属用耐火材料;在高技术领域的应用日益扩大; 　　4、高纯纳米氧化锆应用于各种油性涂料，油漆。提高耐磨性,用于功能涂层材料中有防腐、**作用，提高耐磨、耐火效果; 　　5、纳米氧化锆可以用在**度、高韧性耐磨制品：磨机内衬、拉丝模、热挤压模、喷嘴、阀门、滚珠、泵零件、多种滑动部件等。 　　包装储存 　　本品为充惰气塑料袋包装，密封保存于干燥、阴凉的环境中，不宜暴露空气中，防受潮发生氧化团聚，影响分散性能和使用效果;包装数量可以根据客户要求提供，分装。 　　技术咨询与索样 　　联系人：王经理(Mr.Wang) 　　电话：18133608898  微信：18133608898 QQ：3355407318 邮箱：sales@hfzhnano.com

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果

该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。 主要技术指标 不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。 该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。 表 1. 不同数据集下的训练样本选取数量 表 2. PaviaU 大学数据下不同方法的正确率比较

本发明公开了一种高光谱图像端元个数自动估计的端元提取方 法，首先使用 PPI 算法计算高光谱图像中所有像元的 PPI 值，根据像 元的 PPI 值确定初始候选端元集，并对初始候选端元按 PPI 值由大到 小进行排序；然后依次剔除初始候选端元集中独立性最弱的候选端元， 同时获得随端元个数递减的候选端元集的重构精度曲线和端元独立性 曲线，通过寻找这两条曲线变化的显著性位置确定端元个数的取值范 围；最后利用 SGA 算法获取不同端元个数下的二次选择候选端元集， 根据这些候选端元集所构成的重构精度曲线，确定最终的端元个数， 同时获得最终的端元提取结果。本发明不需要事先给定端元的个数， 有利于端元提取的自动化处理，同时提取的端元准确性高。 

本发明提供基于丰度显著性分析的高光谱图像解混方法及系统，包括建立待处理的高光谱遥感图像 的端元光谱库；用基于稀疏回归的混合像元分解方法对每个像元进行初步混合像元分解并按照丰度值的 大小降序排列，对排序后的丰度序列进行显著性分析，得到显著性丰度的临界值，然后根据预设的显著 性丰度阈值进行判断组成该像元的稀疏表示端元子集；最后采用丰度约束的最小二乘法再次进行混合像 元分解，将结果作为最终的混合像元分解结果。本发明可以得到更为稀疏和准确的像元表示端元

研究团队十余年来致力于光谱检测与分析领域，研发了数件产品，持有多项发明专利，发表了多篇高水平论文。例如， 1）采用紫外-可见光谱技术实现了水质COD和浊度的在线监测。自主开发了浸没式、小型化、一体化的采样分析的探头，直径仅50 mm，能耗低，可在野外无人值守环境工作。2）采用红外光谱技术实现水体CO2含量的在线监测，分辨率高，稳定性高。目前，探头正在三峡库区进行测试。3）建立一系列基于表面增强拉曼光谱效应的新型光学免疫检测方法，发展了相关纳米光学探针和微通道芯片器件，实现了血液、唾液等体外复杂环境中肿瘤标志物（包括循环肿瘤细胞、循环肿瘤DNA、肿瘤来源外泌体表面受体分子及内含miRNA分子等）的高灵敏、高通量和快速检测。