Description of the aberrant Leptopilina lasallei n. sp., with an updated phylogeny of Leptopilina Förster (Hymenoptera: Figitidae: Eucoilinae)

ABSTRACT

In the search for native Asian parasitoids of Drosophila suzukii, the notorious spotted-wing Drosophila (SWD), an odd new species of Eucoilinae was discovered. Leptopilina lasallei sp. nov. is herein described and diagnosed relative to other eucoilines associated with drosophilid hosts. Morphologically, L. lasallei is somewhat aberrant within Leptopilina; phylogenetically, L. lasallei is sister group to the core Leptopilina. In the process of investigating L. lasallei, a de novo molecular phylogeny of Leptopilina was generated and is included here. The integrated approach used for the characterisation of L. lasallei, and the resulting phylogeny of Leptopilina, produced data useful to select parasitoid species for SWD biological control.http://www.zoobank.org/urn:lsid:zoobank.org:act:402D504A-4616-4524-85D7-1C13A6276F06 http://www.zoobank.org/urn:lsid:zoobank.org:act:402D504A-4616-4524-85D7-1C13A6276F06     

基于贝叶斯理论与Vine Copula的化工过程异常事件数的预测

针对化工过程风险,提出了一种化工过程异常事件数的预测方法。化工生产过程中由于受到干扰,时常发生异常事件。异常事件如果得不到有效控制将引发生产事故,其发生次数越高表明发生生产事故的概率越大,因此,准确预测化工过程异常事件数有助于提高化工过程的风险管理水平。基于操作班组,采用贝叶斯理论与Vine Copula建立了动态预测模型,实现对化工过程一个轮班内异常事件数的预测。     

Spatial dependence model with feature difference

This paper presents a new spatial dependence model with an adjustment of feature difference. The model accounts for the spatial autocorrelation in both the outcome variables and residuals. The feature difference adjustment in the model helps to emphasize feature changes across neighboring units, while suppressing unobserved covariates that are present in the same neighborhood. The prediction at a given unit incorporates components that depend on the differences between the values of its main features and those of its neighboring units. In contrast to conventional spatial regression models, our model does not require a comprehensive list of global covariates necessary to estimate the outcome variable at the unit, as common macro-level covariates are differenced away in the regression analysis. Using the real estate market data in Hong Kong, we applied Gibbs sampling to determine the posterior distribution of each model parameter. The result of our empirical analysis confirms that the adjustment of feature difference with an inclusion of the spatial error autocorrelation produces better out-of-sample prediction performance than other conventional spatial dependence models. In addition, our empirical analysis can identify components with more significant contributions.     

理性群体决策的概率集结研究

探讨如何集结多个专家的不确定性信息,以获得群体一致判断．首先分析群体理性存在的可能性;在此基础上,给出了几种集结个体概率的模型及算式,讨论了这些模型的特点,实际应用的可能性;最后,评述了Ｄａｌｋｅｙ个体概率集结不可能性定理中潜在的问题。得出几个研究的结论,并且提出了需要进一步研究的问题。     

基于Gibbs-DA算法的贝叶斯分位回归模型研究

针对分位回归模型参数的不确定性风险问题,构建了基于Gibbs-DA抽样算法的贝叶斯线性分位回归分析模型.根据非对称Laplace分布的正态-指数分布的混合表示性质,利用数据扩展方法构建了潜变量,给出分位回归模型的似然函数,推断了多元正态先验分布条件下分位回归模型参数的后验分布,证明了潜变量的完全条件分布为广义逆高斯分布;结合Gibbs抽样和数据扩展方法,设计Gibbs-DA的仿真分析方案,并将其应用于我国能源消耗问题分析.研究结果表明:贝叶斯方法可以有效地应用于分位回归的建模以及我国能源消费弹性的分位问题研究.     

智慧学习环境中基于贝叶斯网络构建学生模型的研究

智慧学习环境是当前教育技术学界的一个前沿研究领域,从C/S架构的智能学习系统发展到B/S架构的智能化网络学习环境,学生模型仍然是其最核心的功能模块,是学生自我导向式学习情境中构建智慧学习环境的关键因素.本文采用文献分析法和实践调研法,从学生模型的分类、数据结构和建模方法等几个方面,对国内智能网络学习环境中学生模型的研究现状进行了较为详细的研究,并通过梳理近年来关于静态学生模型和动态推理模型的研究,提出了智慧学习环境中基于贝叶斯网络构建学生模型的框架,期望为智能学习系统中学生模型的理论研究和实践发展提供可借鉴的参考和经验.     

基于贝叶斯分类器的实时图像目标识别实验研究简

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法.实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行.实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性.     

数控机床不完全维修的贝叶斯可靠性评估

提出了在少样本故障数据情况下,数控机床不完全维修的贝叶斯可靠性评估方法,分析了广义更新过程虚龄模型参数的验前分布和后验分布,利用马尔科夫链蒙特卡洛仿真方法获得了模型参数、累计故障数、故障强度和可靠度等可靠性指标的贝叶斯点估计和区间估计,并分析了某一现场数控机床不完全维修的可靠性.结果表明,与极大似然估计方法相比,贝叶斯可靠性评估方法具有较高的精度.     

贝叶斯网络在故障诊断中的应用

贝叶斯网络适用于表达和分析不确定性和概率性的事物,由于具有能够对不完全、不精确或不确定的知识或信息作出有效的推理等特性,而成为目前不确定知识表达和推理领域最有效的模型之一。     

方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知

针对压缩感知(CS)重构算法在实际应用中自然图像的小波变换系数往往无法稀疏的问题,提出了一种方向提升小波变换(DLWT)域稀疏滤波的自然图像贝叶斯压缩感知算法(DLWT-SFTSW-BCS)。首先对自然图像进行方向提升小波变换得到小波变换系数;然后在随机测量之前利用稀疏滤波切除小系数,消除了小系数对大系数重构时的混叠干扰;最后结合小波树结构的贝叶斯压缩感知重构算法得到自然图像的重构图像。实验结果表明,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,DLWT-SF-TSW-BCS算法的重构峰值信噪比最大可提高10dB。