根据ESI（Essential Science Indicators）的最新统计数据，我院陈华舟教授课题组有3篇高水平论文同时入选ESI全球TOP 1‰热点论文（Hot Papers）和Top 1%高被引论文（Highly Cited Papers）。其中2篇论文陈华舟教授都为第一作者，大数据处理与算法技术研究中心的骨干成员为论文的主要作者，桂林理工大学理学院为第一单位，另外1篇论文陈华舟教授为第三作者，桂林理工大学理学院为第二单位。

系列研究成果主要着眼于机器学习、人工智能等新型算法在农业复杂体系的光谱无损检测及快速分析中的创新应用。本次论文入选表明我院统计学和应用数学学科建设取得一定的阶段性成果。

论文1：A Fuzzy Optimization Strategy for the Implementation of RBF LSSVR Model in Vis–NIR Analysis of Pomelo Maturity，于2019年发表在IEEE Transactions on Industrial Informatics (SCI一区TOP，影响因子9.112)上，被引59次。

该项研究以可见-近红外光谱技术为基础，提出加核映射空间变换理论结合模糊建模机制，引入基于语言迭代的模糊建模机制，讨论机器学习算法中的多种核函数联合算法正则性优化的应用特性，通过构建误差反馈的网络优化模式实现光谱分析模型的智能优化设计，完成对柚子果实成熟度检测的可见-近红外光谱数据分析过程。实验表明，相关方法能够快速定位光谱特征变量，适用于现场在线检测的小型专用便携式光谱检测仪器的设计，为农业信息化发展提供重要的理论依据和技术创新。

论文2：A deep learning CNN architecture applied in smart near-infrared analysis of water pollution for agricultural irrigation resources，于2020年发表在Agricultural Water Management (SCI一区TOP，影响因子4.516)上，被引72次。

该项研究提出采用浅层卷积网络结构融合集成式算法，针对卷积网络模型结构复杂、待优化权参数较多的问题，利用决策树模型中的数据纯度分析手段，在一维红外光谱数据中进行特征提取，对比选择合适的池化函数能够减少参数寻优的维度，以降低网络模型的复杂度，验证了浅层卷积网络建模架构在一维光谱数据特征提取中的适用性。该算法框架应用于水污染综合指标的近红外快速建模预测，验证了其在光谱计量学领域的实用性，有望为解决农业耕作水循环与节水问题提供现代化智能技术支持。

论文3：Automatic detection of feather defects using Lie group and fuzzy Fisher criterion for shuttlecock production，于2020年发表在Mechanical Systems and Signal Processing (SCI一区TOP，影响因子6.823)上，被引40次。

ESI高被引论文（Highly Cited Papers）是指最近十年内发表论文中被引用频次排在相应学科领域全球前1%以内的论文。ESI热点论文（Hot Paper）是指近两年内发表的论文且在近两个月内被引次数排在相应学科领域全球前1‰以内的论文。ESI是当今世界范围内普遍用以评价学术机构和大学的国际学术水平及影响的重要指标，已成为教育部学科评估中重要指标之一。