榕江县稻田早熟马铃薯费乌瑞它高产栽培试验初报

摘 要：榕江县农推站开展了脱毒马铃薯费乌瑞它品种的播期、密度、种植方式及肥料等一系列研究。研究结果表明，费乌瑞它在本地区于12月中旬播种的产量表现最高；种植密度以9.0万穴/hm2 的产量表现最高；种植方式以稻草覆盖翻耕种植的产量表现最高；以钾肥450~500kg/hm2作基肥产量表现最佳。     

经导管肾交感神经射频消融术临床研究进展

【摘要】 经导管肾交感神经射频消融术（RDN）是治疗顽固性高血压的新手段，进一步研究发现RDN术还可治疗交感神经活性增高相关疾病，如代谢性疾病、心功能不全、心律失常、阻塞性睡眠呼吸暂停综合征、多囊卵巢综合征和肾功能不全等。本文就RDN术临床研究进展作一综述。
     

拥抱互联网,引领社区新未来

<正>案例:互联网"+"彩生活简述:作为社区家庭服务运营商,彩生活借助互联网把社区服务延伸到极致。通过不断革新的社区服务模式,重塑一个社区生态链,重塑一个彩生活。在信息大爆炸和互联网技术飞速发展的今天,整个物业管理行业"社区O2O、B2F"等成为热推的名词。2015年,物业管理行业迎来一股暖流,因为在今年的政府工作报告中,李克强总理首次提出"制定‘互联网+’行动计划,推动移动互联网、云计算、大数据、物联网等     

基于IWO-ESN的网络流量预测研究

为了提高网络流量的预测精度,针对ESN网络预测结果易受谱半径SR、神经元个数N、输入单元尺度IS、连接稀疏度SD以及嵌入维数p等参数的影响,利用IWO算法收敛速度快的特点对ESN模型参数进行优化。研究结果表明,IWO-ESN可以有效提高网络流量的预测精度,同时可以对ESN网络模型参数和嵌入维数p进行自适应选择,为网络管理优化和拥堵控制提供决策依据。     

基于贪婪局部路径重连的随机并行社区检测

为提高社区检测的效率与精度,提出一种随机并行的局部搜索算法。用图模型结构表示复杂系统,将顶点划分成簇。构建贪婪随机自适应搜索过程与路径重连过程,以解决加权图的模块最大化问题。引入一种{0,1}矩阵类特征并定义聚类的距离函数,从而进行顶点的邻域搜索,实现社区的高精度检测识别。实验结果表明,该算法的F_1值与NMI指标值均较高。     

变邻域量子烟花算法求解CVRP

针对带容量约束的车辆路径问题，提出一种融合量子进化算法和变邻域优化策略的变邻域量子烟花算法。该算法采用等分随机键与最大位置法结合的实数编码方式，通过量子旋转门和非门变异提高算法全局搜索能力，同时运用结合2-Opt的变邻域优化策略加强局部搜索能力。选取17个基准算例进行参数实验和对比实验，实验结果表明，相对于对比算法，所提出的算法具有较好的寻优能力和收敛速度。     

MIMO-GFDM系统中低复杂度动态禁忌搜索检测算法的改进

针对多输入多输出的广义频分复用（MIMO-GFDM）系统的等效信道矩阵维度极大，传统的MIMO检测算法复杂度高且性能不佳的问题，将大规模MIMO系统中的动态禁忌搜索（RTS）检测算法运用到MIMO-GFDM系统中，并解决了RTS算法初始值的求解复杂度高的问题。首先利用最小均方误差（MMSE）检测算法所用到矩阵的正定对称性将矩阵Cholesky分解，并结合Sherman-Morrison公式迭代计算初始值，降低了初始值求逆的高复杂度；然后以改进的MMSE检测结果作为RTS算法的初始值，从初始值逐步全局搜索最优解；最后通过仿真，对不同算法的迭代次数和误码率（BER）性能进行了研究。理论分析与仿真结果表明：在MIMO-GFDM中，所提改进RTS信号检测算法误码率远低于传统信号检测算法。在4QAM时，RTS算法大约有低于MMSE检测6 dB的信噪比性能增益（误码率在10^-3时）；在16QAM时，RTS算法大约有低于MMSE检测4 dB的信噪比性能增益（误码率在10^-2时）。与传统RTS算法性相比，所提改进算法在不影响误码率性能的同时降低了算法复杂度。     

云计算环境下有线通信网络连接方案优化

随着信息技术的不断发展,智能化网络在人们生活中得到了普及,为有线通信网络连接方案优化提供了基础条件,确保有线通信实现稳定连接。基于此,总结了有线通信网络的发展现状,并从云计算处理环境的建设、设计有效的连接方案、控制效率成本和连接方案的整体性优化理论四个方面,论述了云计算环境下有线通信网络连接方案的优化方法。     

基于深度概率图模型的鲁棒人脸画像合成

针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.     

比特串划分多索引的近邻搜索算法

哈希表示的比特串是解决海量数据相似性搜索问题最有效的方法之一.针对比特串索引方式导致搜索效果低下的问题,提出一种基于比特串划分多索引的近邻搜索算法.首先由于比特串划分本质是一个组合优化问题,采用贪婪的思想给出该问题的近似解;其次在近邻查询阶段,结合多索引结构提出新的查询扩展和融合机制;最后通过采用一种查询自适应的办法优化多索引之间的不平衡性.在MNIST, CIFAR-10, SIFT-1M和GIST-1M数据集上使用Matlab软件进行实验的结果表明,该算法在基于哈希表示的索引结构以及在近邻搜索方面具有有效性和通用性.