城市生态系统网络稳定性的理论计算与分析

为了计算城市生态系统网络的稳定性,分析了城市生态系统网络的构成特点,确定了以网络基元为基本分析单位的网络稳定性计算思路,定义了标准网络基元及网络基元与网络整体稳定性的计算方法.虚拟生态系统网络样例计算证明该方法可行,并具体计算了实际三线城市生态系统网络的稳定性,计算结果合理.     

基于效能评估的空中对抗作战建模分析

针对效能评估与作战运用未能有效衔接的问题,研究了空中对抗作战中的兵力变化问题。给出了数据链体制下作战飞机效能评估计算方法,通过函数映射法将评估结果转化为平均战斗力水平,证明了二者的等价性和一致性。以蓝彻斯特方程为基础,建立了空中兵力变化的数学模型和有增援情况时的空战模型。将用微分方程描述的模型离散化,指出了离散时间步长所应满足的约束条件,形成了完整的模型求解数值计算方法。仿真实验结果表明,数据链可以改变双方作战实力,提高作战能力,增援作战时选择“局部最优增援时刻点”可以获得更高的增援效率。     

实验动物标本制作及其在实验动物学教学中的作用

摘要: 本文介绍了实验动物标本制作的方法和制作流程,并说明了实验动物标本制作在实验动物学教学中的应用。     

基于概念格的知识发现及其在高校就业数据分析中的应用

形式概念分析是数据分析与知识发现的有效工具,现已被广泛应用于各个研究领域。决策形式背景是形式概念分析中的重要关系数据库之一,其主要研究内容是基于规则提取的知识发现。本文借助于Wille概念格和面向对象概念格对决策形式背景的规则提取问题进行研究,给出了规则提取算法,并通过高校就业数据对算法进行了实证分析。     

试论术语学的建构是一种“科学研究纲领”的思想——兼评“交流(交际)术语学”在术语学发展中的作用

20世纪90年代至今,虽然传统术语学思想受到多方质疑,但当今全球化的术语学理论和实践并没有到消极的“十字路口”。与之相反,术语学建设变得更加稳健和朝气蓬勃。文章从科学哲学的角度,论述西方学者提出的“术语学是一种科学研究纲领”的思想,并对交流(交际)术语学在术语学发展中的作用做粗浅评价。     

运动疲劳大鼠丘脑腹外侧核神经元自发放电特征的分析

通过观察力竭运动对大鼠丘脑腹外侧核(VL)神经元自发放电活动的影响,探讨丘脑腹外侧核在运动疲劳中枢调控过程中的作用.选取雄性Wistar大鼠,随机分为对照组和疲劳组.采用跑台递增负荷运动方案,建立运动疲劳模型.采用玻璃微电极的体电生理学技术,观察丘脑腹外侧核神经元自发放电活动,并对其放电模式、放电频率、锋电位间隔直方图进行线下分析.得到了FG大鼠丘脑腹外侧核单簇发混合放电和规则单发放电神经元比例明显低于CG(P0.01),爆发式放电神经元比例明显高于CG(P0.01).FG大鼠丘脑腹外侧核神经元总放电频率显著低于CG(P0.05),规则单发放电频率有所升高,单簇发混合放电频率有所降低,但与CG相比均未见显著差异(P0.05).可以看出大鼠丘脑腹外侧核神经元参与了运动性疲劳的中枢调控.丘脑腹外侧核在运动疲劳引起间接通路与直接通路的调节功能失衡过程中起关键作用.     

二维直方图的HEVC帧内快速深度决策算法

针对高效率视频编码(HEVC)帧内预测高额的计算复杂度,提出一种基于二维直方图的快速深度决策算法.首先,对当前最大编码单元(LCU)采用3×3矩阵进行滤波;然后,分别统计原始LCU以及滤波后LCU的像素分布,生成二维灰度直方图.通过该二维直方图所表征的纹理特征,进行深度的自适应选择,减少不必要的深度计算.实验结果表明:同原始HM10.1相比,文中提出的算法可以节省编码时间21.6%,同时保证视频质量几乎不变.     

基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

面向大语料库的语音合成方法研究

针对几百小时粗标注大语料库, 提出一种新颖的语音合成系统构建方法。首先, 借助于语音识别、文本对齐和句法分析等技术实现大语料库的自动筛选与标注。 然后, 为了有效解决大语料库声学模型训练中存在的内存空间以及计算时间开销过大等问题, 优化了传统的训练流程, 在不损失声学模型准确性的前提下, 显著提高了模型的训练速度。主观实验表明, 与具有精标注的小语料库相比, 引入粗标注的大语料库可以带来0.5分左右的MOS提升。     

信息理论框架下的神经网络构建

神经网络模型的构建方法是神经网络研究的重点和难点,传统的构建方法建立在实验和重复学习的基础上,本文提出了一种信息理论框架下的神经网络构建方法基于熵的神经网络(EBNN).EBNN借助于前馈网络与决策树的等价性,采用熵做为神经网络构造的准则,利用决策树的构造思想和方法,建立了一种系统的神经网络构造方法.实验表明EBNN方法学习速度比传统BP网络快,但又不降低神经网络性能.