杉木纤维用材优良无性系的选择

对杉木无性系生长性状、木材基本密度和管胞长度的遗传变异进行了研究。结果表明，无性系间树高、胸径、材积、木材基本密度和管胞长度存在显著至极显著差异。5个性状（树高、胸径、材积、木材基本密度和管胞长度）都受中等强度的遗传控制，无性糸重复力分别为0．771，0．651，0．566，0．529和0．495。树高、胸径和材积与木材基本密度、管胞长度间以及木材基本密度与管胞长度间呈遗传负相关。通过多性状综合指数选择选出2个纤维用材优良无性系。     

一种改进的计算机免疫模型

通过对生物免疫系统和计算机免疫系统的比较,提出了一种改进的计算机免疫模型.该模型针对计算机免疫系统中自体动态变化比生物体更为频繁的特点,提出了成熟免疫细胞的否定选择机制,并给出了成熟细胞的否定选择算法;同时模型还针对计算机免疫系统中非自体的多样性和广泛性,提出了对记忆细胞的动态降职机制,并给出了记忆细胞动态降职算法.将该模型运用于网络入侵检测应用的实验表明,模型具有更强的动态特征和鲁棒性.     

操盘手的挤出效应

高级别直销商对低级别经销商的“挤出效应” 1．从上向下挤出笔者提到过累计级差制的“格雷欣法则”——在累计级差制下，容易出现寄生的高级别直销商“挤掉”有能力的下属高级别直销商，让下属成熟部门直接归自己所有，从而一夜之间多出好几个成熟下级部门，使自己级别猛然上升的逆选择现象——“寄生挤出效应”。     

一种基于分形维的快速属性选择算法

属性选择是数据挖掘、文档分类和多媒体索引等领域研究的一个热点问题·利用分形维进行属性选择是一种新的方法,它利用数据集的分形维作为属性的重要性度量·基于分形维的快速属性选择算法(IFAS),利用后向属性选择策略和降维操作的投影特性,根据E维的分形树导出E 1维的分形树(用来计算分形维的数据结构)·因此,只需扫描一次数据集,避免了FDR算法多次扫描数据集的问题·通过图像特征数据集合和合成的分形数据集对两种算法进行性能测试·实验结果显示,IFAS算法明显优于FDR算法·IFAS算法的时间和空间复杂度都为O(n),响应时间与属性维数呈线性关系·     

非对称信息条件下供应链管理质量控制策略

研究非对称信息条件下供应链管理的质量控制问题·建立了供应链合作关系中的购买商和供应商的质量成本模型,其中包括供应商的生产理性约束条件·分析了非对称信息条件下购买商与供应商质量成本的委托代理关系,质量水平的不可观测性则表现为供应商的信息隐匿·实质上,这是一个委托代理中的逆向选择问题·购买商的质量成本是目标函数,供应商质量成本的一阶条件转化为状态空间方程,运用极大值原理求解该问题的最优质量控制·并进行了非对称信息条件下供应链的质量控制仿真实验·     

黑枕黄鹂繁殖习性的研究

对黑枕黄鹂的分布和数量、迁徙及活动规律、繁殖习性作了全面系统的报道．黑枕黄鹂分布于海拔800m以下的低山阔叶林中，在海拔300m的次生阔叶林中种群数量较大，为典型的低山带鸟类．春季迁来时间一般在5月中旬，8月中下旬迁出．主要在阔叶林中的阔叶树上营巢．巢位选择过程中，巢址多在树冠下层的外侧，巢筑在离树干较远的侧枝水平枝权间．营巢期6～7d．窝卵数为3～5枚．雏鸟一般13．5d离巢．雏鸟生长方程为：W=59.1/1 e^-0.613(t-1.994).     

基于多Agent系统的智能路由选择算法

路由选择是计算机网络的关键技术之一，其优劣直接影响着网络的服务质量和网络资源的负载平衡程度．中针对多Agent系统的特点和目前路由选择算法的不足，提出了基于多Agent系统的智能路由算法，该算法不仅有智能决策能力，而且有良好的分布特性．     

可拓方法在电力目标市场确定中的应用

电力目标市场的确定是制定电力营销策略的基础。首先运用可拓学中的物元理论建立了按分类电价分类的用电市场细分及其细分市场的物元模型，在模型中考虑了影响目标市场选择的相关因素如市场份额、市场增长率、电费回收率、电力消费弹性等，使这些因素不相容性能很好地在一个物元模型得到解决。然后介绍了可拓评价方法的基本原理和一般步骤。最后应用优度评价方法于某电力公司电力目标市场的确定，在应用中采用了层次分析法确定影响目标市场选择的相关因素的权重。采用该方法得到的电力目标市场符合某电力公司的发展目标，从而为某电力公司制订切实有效的营销策略提供了可靠的依据。     

火烧对栗斑腹鵐巢址选择的影响

通过对灌丛化草原中火烧和未烧样地内环境因子的测定和多元总体的假设检验,比较了两个样地内不同样方组间的特异性和各变量差异程度.结果表明山杏高度和数量、贝加尔针茅密度、大油芒密度、兴安胡枝子高度、火绒草高度和植被盖度这7个因子属于栗斑腹巢址选择的重要因素.火烧不仅清除了枯草及其中的食物,而且减弱或破坏了这些因素对栗斑腹巢址选择的作用,从而给其繁殖带来灾难性的破坏.     

一种支持向量回归中超参数自适应方法

在贝叶斯框架下支持向量回归SVR可视为最大化后验MAP回归函数估计的扩展.贝叶斯方法可用来实现模型中超参数的自适应,同时保持SVR稀疏性和凸二次规划的优点.在对SVR的MAP解做Laplace近似获得关于超参数的SVR模型中证据的平滑表达式,使用基于梯度的优化法可导出使证据最大化的最优超参数.通过引入ARD参数到高斯协方差函数中,可进行输入属性的相关性分析和特征选择.给出了在人工和实际回归问题上的应用及其他方法的对比分析.