煤矿废弃地植物恢复品种选择模型研究

为了确定用于煤矿废弃地植被恢复的植物品种,根据土壤、气候各因素对植物生长的影响,采用相似算法,建立了煤矿废弃地植被恢复品种选择模型,该模型可以计算出两地土壤、气候的相似程度,并根据相似地区植被恢复的成功案例,确定用于植被恢复的植物适生品种集合.并以辽宁省阜新矿区为例,提出了适合当地煤矿废弃地土壤、气候的用于植被恢复的植物品种集合,结果表明本模型所采用的方法科学、合理.     

基于人才系统预测目标的物元模型

基于物元分析的基本理论,应用可拓学的方法,分析人才系统对人才市场的影响,建立了人才系统预测目标的物元模型。采用了以关联函数为基础的物元综合评判方法,并对人才系统预测目标的物元模型的优选,提出了对人才系统预测目标的具体方案。     

高校实施公开选拔和竞争上岗的程序问题研究

从理论和实践操作两方面，对高校实施公开选拔和竞争上岗的程序问题进行了阐述。坚持公正原则，合理设置公开选拔、竞争上岗工作程序，严格履行程序，才能保证公开选拔、竞争上岗工作的顺利推进。     

《烟台大学学报》(自)2000～2002年刊登数学论文被德国《数学文摘》收录、评论情况分析

利用德国《数学文摘》(ZBl MATH)数据库进行较为细致的检索，对其收录、评论的《烟台大学学报》(自然科学与工程版)2000年至2002年刊登的数学论文的数据从校内外作者刊登论文情况、基金资助项目论文、中图分类法分类几个方面进行了分析．结果表明，被收录比例达94．3％。被评论比例达87．9％，基金资助项目论文被评论比例达93．3％。其中占数学论文总数45．5％的微分方程方向论文被评论比例高达100％．     

构造特征复杂性减低的支持向量机

支持向量机(SVM)较一般的机器学习方法显示出更好的泛化能力.然而,在实际的数据中经常存在着大量冗余、噪声或者不可靠的特征,这严重影响到SVM的性能.因此,有必要减低特征复杂性以获取更好的SVM结果.本文提出了一种基于遗传算法(GA)的嵌入式框架下的特征优化算法,以构造改进SVM.针对选择的UCI成人数据库的实验表明,与原始的SVM相比,提出的改进SVM方法获得了更少的支持向量数目和更好的分类精度.     

一种物化Web视图的在线选择算法

建立了一个考虑更新代价的Web视图置换测度模型,并以此为基础,提出一种物化Web视图在线选择算法DCR.该算法在简单的缓存算法基础上引入了选择置换机制, 通过监测提交的用户查询, 决定是否将其结果予以保存, 必要时依据置换测度值的大小进行置换, 实现Web视图物化总量的控制, 防止视图过分物化, 以降低动态缓存管理、索引和检索的开销.同时可结合适当的维护方式, 提高更新效率, 避免频繁的更新对查询性能产生太大的影响, 使整个算法更具适用性. 实验表明, 在查询集较大、数据源更新比较频繁的场合, DCR算法可以降低视图检索开销, 并可通过机会更新有效减少了失效视图的数量,使算法在用户查询响应性能方面显示出较大的优势.     

西施舌稚贝对3种微藻选择性及摄食率研究

对西施舌稚贝的摄食率及藻类选择性变化进行研究.结果表明,西施舌稚贝对直径11.2 μm四爿藻具有较高的选择性,而对云霄微型藻和牟氏角毛藻的摄食率均偏低.西施舌稚贝对四爿藻的摄食率在第5 h时达到最高值(174.928×10-5mg·h-1).当西施舌稚贝分别摄食3种藻类时,在适宜的藻类密度范围内,摄食率均随着藻类密度的增大而迅速增加,当藻类密度达到一定值后,摄食率呈下降趋势.西施舌稚贝摄食率与藻类密度之间关系适用二次多项式表示.     

应用子空间信息准则选择模型参数

指出子空间信息准则是模型选择的一种新准则,它在一些假设条件下,给出推广误差的一种无偏估计.研究再生核Hilbert空间中,应用子空间信息准则于模型参数选择问题,证明子空间信息准则是推广误差的一种无偏估计,同时说明学习算法有较好的推广能力.     

基于网格和排序的自适应遗传算法及其性能分析

提出了一种改进的自适应遗传算法.它使网格法思想在二进制编码表示个体的情况下得以实现，因此保证了初始种群内个体的遍历性和多样性；其遗传算子由个体在种群中的排序位置自适应地决定.该算法能维持种群内个体在各个运行阶段多样性，加快种群收敛速度，克服遗传算法早熟现象.几种典型的多峰函数优化结果证明该算法的有效性和实用性.     

遗传算法-偏最小二乘法用于卵巢癌血清蛋白质组数据的特征挑选

统计学t检验结合引入的变量筛选方法——遗传算法-偏最小二乘法（GAPLS）对卵巢癌SELDI-TOF MS数据进行特征筛选，从15154个原始变量中筛选得到4个特征质荷比值，采用支持向量机（SVM）模型的留一法交叉验证结果为95.26%.结果表明这4个质荷比值具有重要的生物学意义，它们或许可以作为卵巢癌的生物标记物，同时GAPLS可以作为一种有效的蛋白质组数据的特征筛选方法.