回缩树冠对珍珠番石榴枝梢生长的影响

分别以0.4、0.8、1.3、1.8 m的树冠高度对珍珠番石榴成年树进行回缩修剪,以不修剪为对照,探讨对珍珠番石榴的树高、冠幅、总枝数、30 cm以上长的枝数、各级分枝数、枝长、枝粗的影响。建议回缩高度以0.8-1.3 m为宜。     

使用最小二乘法减少神经网络的隐单元

提出新的逐步减少神经元个数并保持神经网络性能的方法,每一步中利用提出的规则之一选择消去的单元,然后求解一个线性最小二乘问题调整网络中部分剩余权值,使简化网络的输入－输出关系在训练集上尽量保持不变,该方法可以得到比已有的启发式方法规模更小,但性能相近的网络,用反映国内生产总值与外贸总输出和总输入之间关系的例子说明了方法的有效性。     

一种关联规则挖掘的裁剪及优化方法

采用χ²相关性检验和有趣度量定义了两种可能的“unexpected”规则, 对关联规则挖掘的裁剪与优化问题给出一个比较全面和系统的解决方法, 并结合规则裁剪提出了完整的算法思想, 通过对实验数据的关联挖掘, 挖掘出有效、 新奇和意想不到的规则. 实验结果表明, 该优化方法具有良好的有效性和伸缩性.     

一个新的Hilbert型积分不等式及其推广

通过估算权函数及引入Beta函数,应用实分析技巧,建立一个新的含参数的具有最佳常数因子的Hilbert型积分不等式.同时,建立了两种最佳推广式及其相应的等价形式.     

基于密度峰值剪枝后的最短路径聚类算法

聚类是通过数据标签或者属性，将一系列经验数据按照相似性或者相近性进行归类.基于密度属性展开的聚类算法，主要聚焦在聚类中心的确定和剩余点如何分配的问题上展开讨论.针对基于密度峰值的可训练最短路径算法，通过密度峰值确定聚类中心，提出使用截断阈值、对路径图进行剪枝的算法改进.然后基于最短路径法对剩余点进行全局分配.实验结果证明，在保持聚类精度的同时，有效地提升了算法执行效率.     

不同修枝方法对杨树人工林生长、光合叶面积和主干饱满度的影响

【目的】杨树是我国长江中下游平原地区种植面积最大、木材产量最高的速生工业用材树种之一,如何在适地适无性系的基础上提高无节良材的出材率,是生产中需要解决的关键技术问题。研究不同修枝方法对杨树人工林生长、光合叶面积和主干饱满度的影响,旨在为杨树人工林的产量和质量提升提供依据。【方法】选择两种密度的无性系I-69杨人工林为研究对象,设计4种修枝处理方法,通过测量胸径、树高、枝下高、主干不同高度的直径、光合叶面积,分析不同处理对杨树胸径年均生长量、树高年均生长量、枝下高、单株材积年均生长量、叶面积指数、不同高度主干分段饱满度变化的影响,再用改进层次分析法对不同处理的修枝成效进行综合评价。【结果】3年的研究结果表明,两种密度的I-69杨林分对4种修枝方法的响应存在差异:修枝处理1(T1)和处理2(T2)有利于株行距为3 m×6 m林分胸径、树高和单株材积的生长,而对株行距为6 m×6 m的I-69杨林分生长的影响差异不显著;与对照(T4)相比,修枝显著提高了林木枝下高,并降低杨树单株叶面积和林分叶面积指数;修枝对I-69杨主干不同高度区分段饱满度影响不显著,但修枝处理2有利于提高两种密度林分主干的饱满度。【结论】综合评价分析得出,采用处理2的修枝方法[第1年4月上旬不修枝,第2年3月下旬修除冠层Ⅰ的枝条(枝龄4 a),第3年3月下旬修除冠层Ⅱ的枝条(枝龄4 a)]对I-69杨人工林的效果最好,更有利于培育通直、饱满、无节的优质胶合板材。     

神经网络剪枝技术研究综述

本文梳理了神经网络剪枝技术的起源与研究进展，将其分为对权重参数稀疏化的非结构化剪枝和粗粒度的结构化剪枝，分别介绍了两者近年来具有代表性的方法。由于剪枝减少了模型参数，压缩了模型大小，使得深度模型能应用于嵌入式设备，表现出剪枝在深度学习模型压缩领域中的重要性。针对现有剪枝技术，阐述了一些在实际应用和衡量标准上存在的问题，并对未来的研究发展方向进行了展望。     

一种Alpha图像串匹配编码中熵编码的改进算法

在分析了Alpha图像的特征及其在串匹配编码过程中未匹配像素的分布情况之后，提出了一种Alpha图像熵编码的改进算法.该算法首先对未匹配像素进行滤波处理使其具有独特的分布性质，然后依据该性质进行分段编码以减少码流比特数，从而达到更好的压缩效率.实验结果表明，相比于LZ4HC，ZLIB，PNG等常用的压缩算法，改进算法具有编码效率高和复杂度低的优势.     

关联规则的哈希修剪算法研究

关联规则是数据挖掘的一个基本方法,本文首先介绍传统的Apriori算法的过程,分析它在处理大数据集时存在的问题.提出关联规则的一种改进算法,称为哈希修剪算法.然后比较改进的算法与传统的Apriori算法在算法时间复杂度、性能上的差异.通过实验得出,哈希修剪算法在数据挖掘中能够更加有效的处理数据.