架空输电线路杆塔黑领椋鸟和喜鹊的巢址选择

2018年3～6月,对南昌市郊区输电线路杆塔上的黑领椋鸟和喜鹊的巢址选择进行调查.黑领椋鸟的营巢距灌丛和乔木的距离分别为(1.81±2.10)m和(11.13±7.20)m,均显著高于喜鹊距灌丛(0.22±0.67)m和乔木(6.22±4.29)m的距离,其余各参数差异无统计学意义.结果表明这2种鸟类巢址选择偏好相似.主成分分析表明:黑领椋鸟巢址选择的第1主导因子是安全因子(距干扰源距离、巢高度)和食物因子(距农田距离),影响喜鹊巢址选择的第1主导因子是安全因子和水因子(距水源距离).这2种鸟类对巢址选择的需求相似.     

郑州大学新校区喜鹊巢址选择研究

2008年3月至2009年2月对郑州大学新校区的喜鹊巢址选择进行了调查研究.结果表明,喜鹊倾向于在阔叶树上筑巢,尤其是响叶杨(Populus adenopoda)和悬铃木(Platanus acerifolia),两种树共占72.6%;喜鹊巢分布型属集群分布型;巢位高度、支巢树枝数、人为干扰度等3个生态因子是喜鹊巢址选择的主导因子.     

江西省白腰文鸟巢址选择

2015年12月与2016年3月,在南昌市江西师范大学瑶湖校区和宜春靖安县宝峰镇对白腰文鸟(Lonchura striata)的巢址选择进行了调查.主成分分析表明,影响白腰文鸟巢址选择的主要因素包括巢树与食物及水因子、安全因子和巢隐蔽因子.用5 m×5 m样方法对巢址和对照样方进行统计分析表明,巢树高和林冠宽度存在显著差异.这一结果表明,白腰文鸟倾向于选择树较高、林冠较宽的小生境营巢,这与巢需要高的安全性有关.     

菌圃材料对黑翅土白蚁采食工蚁踪迹活性的影响

【目的】研究菌圃、杂交鹅掌楸树干外表皮、密粘褶菌松木粉培养物共3种提取液对黑翅土白蚁采食工蚁的踪迹活性,揭示培菌白蚁在食物采集、加工、分配过程中信息联系机制,以便开发出针对培菌白蚁的高效食性饵剂。【方法】利用划线法测定采食工蚁对上、中、下层主巢菌圃与副巢菌圃的踪迹反应率与选择系数,选出最佳提取试剂; 比较菌圃、杂交鹅掌楸外表皮、密粘褶菌松木粉培养物提取液对采食工蚁的踪迹活性,测定采食工蚁对菌圃提取液踪迹活性的浓度效应。【结果】正己烷提取液的踪迹活性最高,乙醇、丙酮和乙酸乙酯提取液之间踪迹活性呈现不规律变化,蒸馏水提取液踪迹活性最低; 主巢下层菌圃踪迹活性物质含量高,为最佳提取材料; 经拟合,得到浓度(x)-踪迹反应率(y)方程:y = 1.695 8x³-13.346x² + 30.137x + 33.409。【结论】菌圃材料最佳提取溶剂为正已烷,黑翅土白蚁共生菌圃对采食工蚁具有明显的踪迹活性,踪迹活性强度显著高于林间采集材料(杂交鹅掌楸树干外表皮)的影响,与密粘褶菌松木粉培养物相近。采食工蚁在主巢下层菌圃踪迹活性最高,上层菌圃次之,中层菌圃和副巢菌圃最低,但相互之间差异不显著。     

经营城市的途径选择

经营城市途径选择已成为实现城市社会经济事业持续、健康、稳定发展重要问题．为此,选择18个城市的16个社会经济发展指标,采用主成分分析方法对影响四川经营城市的要素进行探讨,找出经营城市的思路,分析经营城市的策略．分析结果表明,四川经营城市的主成分是城市基本建设、土地与房地产开发、非农业人口,城市产业发展,从而提出了经营城市的策略应是加强城市基本建设,改善城市基础设施、经营城市土地资源、促进房地产开发,繁荣城市经济、加速城市产业发展,提升城市经济实力、有条件地加快城市化进程．     

红腹锦鸡逃逸种群的春季栖息地选择研究

2018年和2019年春季,借助于野外红外触发相机技术,在浙江省下渚湖国家湿地公园对红腹锦鸡逃逸种群的栖息地开展调查研究.结果表明,逃逸的红腹锦鸡倾向选择中坡位、坡度中等(31.57±2.78°)的阔叶林与针叶林栖息,其乔木盖度较低(50±7%)和倒木数量较少(每10 m2根数为4.71±0.86)而落叶盖度较大(90±4%),并具有优良的避风性和中等湿润度的土壤(p〈0.05或0.01);而海拔、乔木数量、乔木均高、坡向、灌木盖度和均高、草本盖度、离水源距离及干扰距离等生态因子对其栖息地选择的影响不显著(p〉0.05).分析表明,逃逸的红腹锦鸡种群主要在食物资源丰富、视野较为开阔的林地栖息繁衍和建群,其栖息地选择能随环境条件的变化而有一定程度的改变,具有一定的环境适应性和选择可塑性.综上所述,逃逸红腹锦鸡的栖息地选择可能受食物、隐蔽性、气候、地理条件和障碍物的影响.     

我国西部荒漠化地区生物质原料的选择

21世纪以来,中国承受日益严重的能源危机,开发新能源已经成为解决能源危机的主要途径之一。生物质能源作为新能源的一种,逐渐成为我国开发的重点,选择合适的生物质原料显得尤为重要。首先介绍了我国西部荒漠化地区的分布及自然环境特征,然后分析生物质原料的各种特性,最后基于主成分分析原理,建立荒漠化地区生物质原料的选择模型。对十种生物质原料的综合评价参数进行排名,并且对排名前3位的薇藻、文冠果和山樱桃进行了重点分析。     

PCA和粗糙集的联合自寻优特征选择在人脸识别中的应用

在人脸识别中,基于PCA和粗糙集的联合自寻优特征选择算法首先利用PCA对人脸图像进行人脸特征的提取和约简,在此基础上利用粗糙集的自寻优约简方法进一步得到能充分体现人脸信息的最小人脸特征集合。实验证明此算法应用于人脸识别中不仅大大减少了特征的数量以及分类过程中的运算量,还有效的提高了人脸识别的正确率和减少了识别时间,并且对于一定范围内的不同取样的训练具有一定的稳定性。     

佛坪大熊猫环境生态的研究（Ⅱ）：夏季栖居地的选择

采用系统抽样方法对佛坪自然保护区大熊猫的夏季栖居地进行了研究。结果表明：影响大熊猫夏季栖居地选择的主要因素有地理、植被层次结构、地表植被分布格局等８种;相比而言,秦岭南坡夏季栖居地选择因素多于北坡。     

基于PCA的脂肪肝超声RF信号特征选择

随着对脂肪肝超声图像识别的深入研究,越来越多的识别特征被提出来。而特征之间的相关性造成干扰信息,使得识别率反而下降。文中基于超声射频信号提取特征参数,通过两独立样本均数的t检验和主成分分析法,从10个特征参数中,组合前三个特征值的特征向量得到组合特征。前三个特征值的累积贡献率达97.86,在去冗余的同时,保留了绝大部分的原始信息。将改进方法应用于脂肪肝超声图像的识别,平均识别率从选用所有特征的75.63提高到了88.99。     

一种基于特征选择优化的图像检索方法

鉴于主成分分析方法忽略特征向量不同维度的差异,提出一种特征选择优化方法,即改进的PCA特征降维方法。该方法赋予不同维度的特征向量不同的权重,客观反映图像的颜色分布和边缘特性。将该降维方法应用到图像检索中,降低了图像检索系统的复杂度,检索效率提高了28.2%。     

基于PCA和信息增益的肿瘤特征基因选择方法

针对肿瘤基因数据因维度高和冗余基因较多而导致分类精度低的问题,提出一种基于PCA和信息增益的肿瘤特征基因选择方法.该方法首先使用PCA算法剔除冗余基因,获得预选特征基因子集;然后利用信息增益算法对预选特征基因子集进行优化选取,得到特征基因子集;最后采用不同分类模型对特征基因子集进行仿真实验.实验结果表明,所提方法提高了基因表达谱的分类精度,从而表明致病基因被有效地选取出来.     

基于主成分分析的对等网络邻近标识符选择

保持对等网络与底层网络的拓扑良好契合是保障对等网络性能的重要条件.以对等网络系统CAN为基础,将底层网络拓扑建模为高维欧氏空间,使用主成分分析法将底层网络拓扑映射到低维CAN逻辑空间,从而根据节点在底层网络中的位置决定其在对等网络中的标识符.实验结果表明,该算法能够有效减少对等网络链路延时,提高路由效率.     

企业信息化盟友选择的评价指标体系和模糊评价模型

企业信息化面临着盟友选择问题。针对企业信息化盟友选择问题的特点,分析了盟友选择的基本原则,依照“TQCSF”原则,提出了盟友选择的综合评价指标体系。由于盟友选择问题包含大量的不确定性和模糊性因素,为此将模糊理论的思想和方法引入盟友评价中。在主成分分析与模糊理论的基础上,构建了模糊综合评价模型。定性分析与定量研究相结合,为企业选择信息化盟友提供了一种符合客观实际的有效方法。     

基于样本选择的跨被试脑力负荷识别

人体的脑力负荷状态与人机操作工作时的工作效率,人力资源分配以及事故的发生等息息相关,因此研究操作人员的脑力负荷状态具有重要意义。为了解决现有脑力负荷识别方法由于训练集中样本数量过少导致分类效果较差的问题,本文提出了一种基于样本选择的跨被试脑力负荷识别方法。将其他被试的脑电数据作为训练集,参考目标被试的少量历史数据对训练集中的特征数据进行样本选择,实现减少样本数量的同时减少训练集和测试集之间的域差异,之后再通过主成分分析对样本选择后的自适应训练集和目标被试测试集特征进行特征降维,最后再用自适应训练集主成分建立支持向量机分类模型识别测试集样本的脑力负荷状态。结果表明,该方法可以在提高分类效率的同时提高分类精度,实现快速、准确的脑力负荷状态识别。     

多标记学习的嵌入式特征选择

维数约减是数据挖掘领域的关键技术.传统的降维方法主要解决单标记学习问题.由于多标记学习问题的复杂性,多标记降维方法很少.直接应用未监督的降维方法到多标记学习中,忽略了类标信息.而通过分解多标记问题为单标记问题,应用现有的有监督降维方法到多标记学习中,忽略了类标间的关系.现有的多标记有监督的降维方法是基于依赖最大化的维数约简(multi-label dimensionalityreduction via depen dence maximization,MDDM),它是一种特征抽取的方法.目前还没有多标记的特征选择方法.因为在多标记学习中如何评估特征,是一个很有挑战性的问题.本文提出一个嵌入式的特征选择方法MEFS(multi-label embedded feature selection),其中采用预报风险准则作为特征的评价准则.在公开评测的yahoo网页分类数据集上进行了两个实验:(1)分析多标记学习的性能指标对特征评估的影响;(2)比较MEFS与MDDM,PCA(主成份分析),LPP(局部保留投影)的降维效果,实验显示MEFS的性能优于新近提出的MDDM等一些流行的多标记降维方法.     

基于主成分聚类法的安徽省土地生态安全评价

为了明确土地生态状况,找出土地生态安全的影响因素,利用主成分分析和聚类分析方法,基于经济-环境-社会(EES)模型选取12个代表性指标,构建土地生态安全评价指标体系,对安徽省16个地级市的土地生态安全进行综合评价和等级划分.结果显示,安徽省16个地级市的土地生态安全综合得分排名为：合肥、芜湖、滁州、蚌埠、阜阳、亳州、马鞍山、淮北、六安、宣城、安庆、淮南、宿州、铜陵、黄山、池州;处于安全状态地级市有1个,临界安全状态的有6个,极不安全状态的9个;经济密度、农药施用强度、人均道路面积、城镇化水平、农业机械总动力是影响土地生态安全状况的主要因素.因此,安徽省应重视临界安全状态和极不安全状态地区的生态文明建设,利用科学合理的方法来提高土地生态安全水平.     

基于资金受限的多方案投资评价与选择方法

为了解决企业在资金受限情况下的决策问题,通过主成分分析法对多方案、资金受限项目的评价与选择进行了研究,并对多方案投资项目进行了实证分析和计算. 将计算结果与传统的决策评价方法进行了比较分析,探讨了这种多元统计分析方法的有效性和可靠性,为多项目方案决策提供了依据.