河流地貌特征多样性的保护

河流作为一个有机的生态整体与生物多样性共存,构成了一种相互耦合的生态系统.河流丰富的地貌形态为流域生物多样性创造了很好的条件,是生物群落多样性的基础.现代水利工程应该克服对河流形态的多样化重视不足和忽略生态环境的缺陷,在治河过程中,尊重河流流域的自然状况,尊重各类生物的生存权利;认识并遵循河流地貌演变的客观规律,逐步完善河流生态工程建设措施;保护河流地貌形态特征多样性,为生物的生长、繁殖、栖息提供条件,达到保护河流生态系统多样性,维持河流系统健康的目的.     

长期不同施肥对玉米田间杂草生物多样性的影响

通过田间小区试验,研究了长期不同施肥对田间杂草总密度、优势杂草组成及生物多样性的影响。结果表明:综合施用N、P、K肥,不仅降低了田间杂草的总密度,降低了优势杂草在群落中的比重,而且有利于维持田间杂草的生物多样性;不施用N或P肥,田间杂草的总密度增大,优势杂草的比重也明显增强,但不利于维持田间杂草的生物多样性。所以,平衡施用N、P、K肥,有利于维持农田生态系统中的生物多样性,并能更好地进行杂草控制。     

首次利用机器人研究智利阿塔卡马沙漠上的生命的实验

智刺北部的阿塔卡马沙漠可能是地球上生命最稀少的地区，但是，目前已探明，在阿塔卡马沙漠与太平洋海岸山脉的交会区存在耐干旱的微生物。但对阿塔卡马亚区的生物多样性梯度及其生长环境仍未探明。这两方面是“阿塔卡马沙漠生命”这一科研项目的重点。为了开展这项研究，必须携带相关仪器设备穿越长长的阿塔卡马沙漠，进行地质和生物测量。 在本文中，我们从天体生物学和机器人学角度探索“阿塔卡马沙漠上的生命”这一课题。我们需着重解决目前面临的一些研究难题，以便在该沙漠上实现持续导航，探明其资源，从而实现在沙漠上长期生存。我们利用移动机器人“土卫七”，在智利开展了首次科学研究和技术试验，介绍了这些实验，最后发表了我们的分析结果。这些分析结果使我们能深入了解一位著名机器人天体生物学家的设计和我们在下一个野外实验阶段进行科学研究所使用的方法。     

卷积融合文本和异质信息网络的学术论文推荐算法

针对交互数据稀疏和推荐多样性问题,基于卷积协同过滤推荐框架提出卷积融合文本和异质信息网络的学术论文推荐算法（WN-APR）。首先学习不同语义下用户和论文的多样化特征,缓解数据稀疏问题;然后基于外积设计不同语义特征相互增强的方式融合它们,并使用三维卷积神经网络代替二维卷积神经网络充分挖掘不同特征对性能的影响;最后改进贝叶斯个性化排序损失函数增强推荐多样性。在CiteuLike-a、CiteuLike-t数据集上的实验结果表明,相比于基线模型,WN-APR在准确率和多样性的四个指标上都有所提升。     

微博

全部微博我的微群猜你喜欢相互关注同事同学朋友更多全部@趣味创意生活weibo.com/u/2706153815剪影摄影,一种非常有趣而又特殊的摄影艺术形式。在以夜晚或早晨的天空为背景衬托的剪影照片中,铭刻着一种美感和一定的神秘感;隐藏进了黄昏与黎明的阴影中,展示了摄影艺术的丰富性与多样性。下面是一组来自洛杉矶摄影师TJScott的剪影摄影作品。     

基于种群多样性的自适应PSO算法求解VRPSPD问题

为有效求解逆向物流车辆路径(VRPSPD)模型,本文提出一种基于种群多样性的自适应PSO算法(SDAPSO)。在SDAPSO运行时,根据种群多样性,自适应地对种群中运行较差的粒子进行扰动操作,提升这些粒子向最优解收敛的能力;同时,对全局最优粒子进行概率扰动,以增加种群的多样性。标准检测函数的仿真结果表明SDAPSO算法是对基本PSO算法的有效改进。在对VRPSPD模型求解中,通过与其它粒子群算法相比,表明SDAPSO是求解该类问题的一种有效方法。     

基于分组遗传算法的集成多样性增强及其应用

为了解决复杂工业过程的概念漂移问题,提高集成学习模型的泛化性能,基于分组遗传算法,提出一种用于提升基学习器间多样性的建模方法.该方法以在线极限学习机作为基学习器,根据基学习器在滑动窗口上的性能对其进行分组,并执行进化操作,同时引入基因流概念,增加了基学习器间的多样性,提高了集成算法在处理概念漂移数据流时的预测性能.最后使用合成数据集和真实数据集验证了所提算法的合理性与有效性.     

机动车辆装载问题的一种混合遗传算法实现*

针对货物装载地和运送目的地均已确定情况下的车辆装载问题,给出了基于遗传算法求解的数学模型,并对基本遗传算法的各个算子针对问题的特点提出了改进方法,同时引入启发式策略,形成了一种混合遗传算法.该算法的特点是各个算子都以提高算法收敛速度和解的最优性为目标,同时种群大小是动态变化的,以求在保证群体多样性的同时加快收敛速度.实验结果表明,该算法对求解此类问题是有效的.     

多样性制导分段进化的基因表达式编程

为了解决基于传统基因表达式编程（GEP）的函数挖掘及其改进算法仍然存在局部优化的缺陷这一问题,提出了以基因组多样性制导的分阶段进化挖掘算法DGGEP。给出了GEP 进化阶段和基因组多样性评估模式的定义;提出了描述进化阶段的进化因子概念和分阶段进化策略;采用动态遗传算子设计和群体规模控制方法,使进化更快速跳出局部最优。实验表明了新算法的有效性,能减少进化停滞代数65％以上,使群体的平均适应度提高12%以上。     

面向高效检索的多源地理空间数据关联模型

地理空间信息往往包含矢量数据、栅格数据和文本描述信息,这些信息之间通常相互联系.如何快速、全面检索和定位这些相关联的信息,是地理空间信息应用中的新需求.为提高地理空间数据检索和分析的性能,该文提出一种面向高效检索的多源地理空间数据关联模型MSGCM.该模型通过提取多源地理空间数据空间信息、语义描述信息、内容描述信息及其关联关系,构建特征要素图,并基于关联模式将多源地理空间对象融合到统一空间中.通过计算不同对象之间的关联强度,构建类似图的关联模型.为提高模型构建效率,提出了一种基于特征索引的分块构建方法.与已有方式相比,MSGCM模型可以有效支持多源地理空间信息的关联,进而能够支持地理空间信息查询、分析及综合展现等多种地理空间应用.实验及分析表明,MSGCM可以有效提高多源地理空间信息关联检索结果的多样性,并具备一定的可扩展性.