磁场处理种子对玉米籽粒灌浆过程和产量性状的影响

玉米种子经0.003mT,50mT和100mT的磁场处理后,灌浆速度增大,籽粒中营养物质含量增高;穗粒数、粒重等性状得以改善,双穗率增加,空秆和倒折率降低,产量提高2.06%-9.46%;与对照相比丹玉13号0.003mT、掖单19号100mT处理的增产效果达到了5％显水平,掖单19号0.003mT达到1％显水平。     

北方粳稻籽粒多胺合成与灌浆的关系

以不同水稻品种为试材,研究了籽粒多胺含量与灌浆进程的关系,结果表明:在灌浆期 ,籽粒多胺含量依次为:腐胺穴PUT雪>亚精胺SPD>精胺SPM;随花后时间的推移,各种胺 含量逐渐减小。势粒中,SPD与PUT变化趋势大致相同,在雪灌浆期呈下降趋势;在灌浆 后期,各品种籽粒SPD和PUT含量差别不大,SPM含量下降幅度较PUT和SPD小。常规稻沈 农8714与沈农 8801在不同灌浆阶段SPD含量均高于杂交稻辽优18与辽优3225。弱势粒 中, 不同品种多胺含量在整个灌浆期间差别均较大, PUT、SPD和SPM含量降低速度均 较快, 而且峰谷出现的时间也提前。PUT含量最高时灌浆速率最大沈农8801, SPM 对 灌浆后期籽粒充实起主要作用。     

不同水稻品种播期与品质的关系

通过对6个品种的分期播种试验,研究了稻米品质性状在播期间和年季间的变异特征。通过对各播期米质性状的综合评定得出,沈农315、奥羽316和沈农9457适于推迟播期到第2期或第3期;垩白是辽宁省地区推迟播期、品质改良的关键因素,垩白度较高的品种随着播期延迟垩白度显著降低,相反则升高;温度因子中灌浆结实期的日较差和齐穗后的有效积温对品质性状影响较大;品种的灌浆速率与垩白度有较大关系,而播期对灌浆速率影响很大。     

湖南烤烟总糖、还原糖含量与几种土壤养分的关系分析

研究了湖南烤烟177份烟叶样品糖含量与土壤养分的关系。结果表明:(1)烟叶糖含量在样品间存在着广泛的变异,B2F、C3F和X2F等级的总糖含量分别为22.28±3.32%、24.84±2.91%和24.18±3.49%,还原糖含量分别为19.69±2.47%、22.10±2.55%和21.33±3.08%;(2)不同等级烟叶中糖含量与土壤全氮和碱解氮含量呈负相关,而与土壤全钾和速效钾含量呈正相关,但不同等级烟叶中影响糖含量的主导因子不尽一致;(3)对土壤中全氮、全钾、碱解氮和速效钾含量进行分组,研究了烟叶总糖和还原糖含量在不同组间的变化,表明烟叶糖含量一般随土壤钾素含量增加而增加,随土壤氮素含量增加而降低。     

土壤有机质含量与玉米生产力的关系

土壤有机质是土壤肥力的重要指标。本文通过空间移位的方法,将东北黑土带由南向北5个点有机质含量为18.1g kg-1、31.1g kg-1、54.6g kg-1、103.9g kg-1、53.6g kg-1的农田黑土,分别移至黑龙江省的海伦市和吉林省的德惠市的两种气候下,通过田间试验的方法,研究了黑土有机质含量与玉米生产力的关系。结果表明,在相同的施肥条件下,土壤有机质含量与玉米产量间不存在显著相关关系,产量差异不显著;施肥对各种有机质含量的黑土均有显著增产作用,增产幅度在12.3%～64.1%,黑土带的南部区域德惠市的施肥增产作用要明显高于北部区域海伦市的增产作用。     

通过全局核降低高斯核的局部风险与基于遗传算法的两阶段模型选择

支持向量分类时,由于样本分布的不均匀性,单宽度的高斯核会在空间的稠密区域产生过学习现象,在稀疏区域产生欠学习现象,即存在局部风险.针对于此,构造了一个全局性次核来降低高斯核产生的局部风险.形成的混合核称为主次核.利用幂级数构造性地给出并证明了主次核的正定性条件,进一步提出了基于遗传算法的两阶段模型选择算法来优化主次核的参数.实验验证了主次核和模型选择法的优越性.     

田间配置方式对不同穗型水稻生理特性的影响

田间配置方式对不同穗型水稻生理特性影响的结果表明,品种间叶绿素含量存在较大差异,辽粳326的上2叶叶绿素含量显高于奥羽316;品种、行距对可溶性糖含量的影响达到极显水平,行向之间、行向与品种互作对可溶性糖含量的影响达到显水平,辽粳326比奥羽316高,40cm行距高于30cm行距,南北行向高于东西行向。行距对群体光合速率影响较大,扩大行距对提高群体中午时的群体光合速率有利。     

普适性核度量标准比较研究

核方法是一类应用较为广泛的机器学习算法,已被应用于分类、聚类、回归和特征选择等方面.核函数的选择与参数优化一直是影响核方法效果的核心问题,从而推动了核度量标准,特别是普适性核度量标准的研究.对应用最为广泛的5种普适性核度量标准进行了分析与比较研究,包括KTA,EKTA,CKTA,FSM和KCSM.发现上述5种普适性度量标准的度量内容为特征空间中线性假设的平均间隔,与支持向量机最大化最小间隔的优化标准存在偏差.然后,使用模拟数据分析了上述标准的类别分布敏感性、线性平移敏感性、异方差数据敏感性,发现上述标准仅是核度量的充分非必要条件,好的核函数可能获得较低的度量值.最后,在9个UCI数据集和20Newsgroups数据集上比较了上述标准的度量效果,发现CKTA是度量效果最好的普适性核度量标准.     

内核脱钩技术在检测rootkit木马信息隐藏中的应用

简要讨论了Windows内核系统服务调用机制,分析了基于rootkit技术的木马通过内核态挂钩SystemServiceDispatch-Table隐藏各种敏感信息的一般原理.在检测SystemServiceDispatchTable挂钩隐藏注册表键值的基础上,提出两种内核检测脱钩方法,实现了对rootkit挂钩的有效检测与脱钩,确保了系统荻取注册表等敏感信息的完整性.     

一种新的混合核函数支持向量机

针对单核函数支持向量机性能的局限性问题,提出将sigmoid核函数与高斯核函数组成一种新的混合核函数支持向量机.高斯核是典型的局部核;sigmoid核在神经网络中被证明具有良好的全局分类性能.新混合核函数结合二者的优点,其支持向量机的分类性能优于由单核函数构成的支持向量机,实验结果表明该方法的有效性.     

高斯核函数选择的广义核极化准则

核函数及其参数的选择是核方法研究中的一个基本却很困难的问题,高斯核是目前各类核方法中最常使用的一种核函数.关于高斯核参数的优化已有很多研究,然而这些方法大多存在时间复杂度高,或是算法实现困难,或是样本数据需服从多元正态分布的前提假设等不足.提出的广义核极化准则可用来解决分类问题中的高斯核参数优化,该准则通过保持类内局部结构信息及中心化核矩阵以更准确地刻画特征空间中类别间的分离度,进而获得更好的高斯核参数来提高分类性能.给出了广义核极化准则对应目标函数的近似最优解的存在唯一性证明,且由于该准则独立于学习算法,因此可用许多成熟的优化算法来寻找最优参数.此外,还补充了已有文献提出的局部核极化准则对应目标函数近似最优解的存在唯一性证明,并且指出该准则是所提出的广义核极化准则的一个特例.针对多分类问题,分别给出广义核极化准则及局部核极化准则的多分类拓展形式.在标准数据集上的实验结果表明所提准则的有效性.     

A set of new Chebyshev kernel functions for support vector machine pattern classification

In this study, we introduce a set of new kernel functions derived from the generalized Chebyshev polynomials. The proposed generalized Chebyshev polynomials allow us to derive different kernel functions. By using these polynomial functions, we generalize recently introduced Chebyshev kernel function for vector inputs and, as a result, we obtain a robust set of kernel functions for Support Vector Machine (SVM) classification. Thus in this study, besides clarifying how to apply the Chebyshev kernel functions on vector inputs, we also increase the generalization capability of the previously proposed Chebyshev kernels and show how to derive new kernel functions by using the generalized Chebyshev polynomials. The proposed set of kernel functions provides competitive performance when compared to all other common kernel functions on average for the simulation datasets. The results indicate that they can be used as a good alternative to other common kernel functions for SVM classification in order to obtain better accuracy. Moreover, test results show that the generalized Chebyshev kernel approaches to the minimum support vector number for classification in general.     

多核模糊聚类

针对单核聚类的性能局限性问题,提出将高斯核、Sigmoid核以及多项式核等多种核组成一种新的多核函数,并利用于模糊核进行聚类。高斯核在聚类中有广泛应用,同时Sigmoid核在神经网络中被证明具有很好的全局分类性能。将不同的核函数组合起来的多核函数将结合各种核函数的优点,其聚类性能优于利用单核的模糊核聚类（KFCM）,实验结果表明了该方法的有效性。     

基于随机傅里叶特征空间的高斯核近似模型选择算法

核方法是一种把低维空间的线性不可分问题转化为高维空间中线性可分问题的方法,其广泛应用于多种学习模型。然而现有的核模型选择方法在大规模数据中计算效率较低,时间成本很大。针对这一问题,本文引入随机傅里叶特征变换,将原始核特征空间转换为另一个相对低维的显式随机特征空间,并给出核近似误差上界理论分析以及在核近似的随机特征空间中训练学习模型的误差上界,得到核近似的收敛一致性和误差上界与核近似参数之间的关系。基于随机傅里叶特征空间选择出最优模型参数,避免了对最优原始高斯核模型参数的大规模搜索,从而大幅降低原始高斯核模型选择所需的时间成本。实验表明,本文给出的误差上界确由核近似参数控制,核近似选择的最优模型相较于原始高斯核模型有较高的准确率,并且模型选择时间相对网格搜索法大幅减小。     

基于多核融合的中文领域实体关系抽取

针对传统径向基核函数的训练矩阵中所有元素都十分接近零而不利于分类的问题,该文提出了一种融合了改进的径向基核函数及其他核函数的多核融合中文领域实体关系抽取方法。利用径向基核函数的数学特性,提出一种改进的训练矩阵,使训练矩阵中的向量离散化,并以此改进的径向基核函数融合多项式核函数及卷积树核函数,通过枚举的方式寻找最优的复合核函数参数,并以上述多核融合方法与支持向量机结合进行中文领域实体关系抽取。在旅游领域的语料上测试,相对于单一核方法及传统多核融合方法,关系抽取性能得到提高。