基于分解的QC-BIBD-LDPC码

在分析Bose平衡不完全区组设计的基础上,对其关联矩阵进行列分解,给出了准循环低密度校验码的一种仿真实现。仿真结果表明,利用此种方法构造的LDPC码具有性能接近随机构造的最优LDPC码,并且编码简单,只需用反馈移位寄存器以线性的复杂度实现。     

云南不同茶树品种(系)叶性状及变异性

叶性状研究是探讨不同类群植物的适应策略和机理提供快捷简便的方法,是提供有关植物生长和适应环境的重要信息,但关于茶树叶性状的研究却鲜有报道。以云南30种茶树品种(系)为研究对象,对其叶面积(AR)、叶鲜重(FW)、叶干重(DW)、叶厚度(TH)、叶绿素含量(CClC)、叶缘锯齿数、侧脉数、叶长(LL)、叶宽(WD)等进行测量,得到不同茶树的比叶面积(SLA)、叶干物质含量(DMC)等叶性状指标。研究结果如下：(1)各因子变化范围：AR(8.58-48.72cm₂)、FW(0.233-1.656g)、DW(0.090-0.605g)、CClC(60.89-163.49CCI)、TH(0.17-0.34mm)、SLA(60.69-133.06cm₂.g_-1)、DMC(0.350-0.557g.g_-1),其中云南茶树叶片叶绿素含量平均110.81CCI,最高值高达163.49CCI,极显著高于其他地区植物;(2) 叶性状因子相关性结果表明： SLA与DMC之间呈极显著负相关(p＜0.01),SLA与TH、DW、CClC呈极显著负相关(p＜0.01),AR与LL、FW、DW、WD、CClC呈极显著正相关(p＜0.01),FW、DW两个因子与AR、LL、WD、TH均为极显著正相关关系(p＜0.01),TH与CClC呈极显著正相关(p＜0.01);(3) 基于叶面积仪测量法将云南30种茶树划分为大、中、小叶种,这与此前分类有所出入;(4) 30种茶树品种(系)的叶性状变异范围为9.26-40.27%,排序为FW＞ 枯落叶干重＞DW＞AR＞ LL ＞CClC＞MX WD＞AV WD＞ SLA＞TH＞DMC,云南30种茶树叶性状较其他地区相比整体变异性较小,大部分为低变异系数(9.26-40.27%),其中SLA和DMC变异系数分别为16.18%和9.26%。     

乙酸乙酯-乙苯二元混合溶液的折射研究

计算混合溶液折射率的新方法:n=1 ∑wiρMDMi,对于无机混合溶液、乙醇水溶液和丙三醇水溶液等有着很好的适用性,但对含有羰基和苯环官能团复杂物质是否适用还不清楚.本文对含有羰基和苯环官能团的、不同浓度乙酸乙酯-乙苯溶液折射率进行计算,计算结果与实验测量值吻合的非常好,进一步证实了该方法对酯类、芳香族溶液的适用性,并给出了该溶液浓度、密度和折射率计算所需的重要参数值.这些结果也支持了该方法的理论基础,证明了该方法的电子云导体理论模型的合理性.还用Lorentz-Lorenz公式计算了这些混合溶液的折射率,并对2种计算方法的偏差进行了比较.     

二元胶体的熵驱动相变

利用二元胶体的硬球模型,讨论了胶体的熵驱动相变机制,排斥体积发挥了重要作用,增加小球的自由体积,导致系统的平移熵增加,同时系统的混合熵减少,随着溶液浓度增加,必须保证小球有足够的平移熵,导致系统相分离的发生,溶液呈现宏观有序.     

应用无性繁殖单亲遗传算法实现精馏分离序列优化综合

由于精馏分离序列与二叉树之间具有同构性,在数据结构上精馏分离序列可以抽象为二叉树,直接采用二叉树结构编码方案可以同时表达个体的基因型和表现型．借鉴生物界单亲父本可以经过无性繁殖得到子代的现象,对进化和遗传等重组算子进行设计．应用图论方法建立有效的二叉树结构演化重组机制,从而形成无性繁殖单亲交叉和变异算子．实例表明无性繁殖单亲遗传算法能够成功解算大规模精馏分离序列优化综合问题．     

时空轨迹中隐含的周期性行为模式

将人类时空轨迹中隐含的信息进行可视化并转换为语义语言是公安工作的迫切需要。使用聚类算法将空间轨迹数据离散化,设计等间距抽样算法规整时间序列数据,从而将连续域上的时空轨迹数据表示为离散的二值序列,为使用离散傅里叶变换和循环自相关方法查找时空轨迹中隐含的周期性行为模式做好数据准备;并通过调整采样时间跨度以增强稀疏二值序列的周期性特征。实验表明可以有效提取时空轨迹中的周期性行为模式,而具有季节性和随机变化的行为模式也具有重要参考价值。案件的发生是由人的行为导致的,所以对人类时空轨迹的研究成果也可以应用于案件分析。     

基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

双值约束三次规划问题的全局最优性充分条件

利用拉格朗日函数L-次微分的方法,给出了双值约束的三次极小化问题的全局最优性充分条件,而且得到了此类三次规划问题在一些特殊情况下的结果,与已有文献中的相应结论是一致的;同时给出例子说明给出的最优性条件能有效用于确定给定的三次极小化问题的全局极小值;所得结果改进和推广了相关文献中的相应结果.     

基于生物信息的未知二进制协议聚类方法

协议聚类是协议逆向工程技术中非常重要的一步，针对二进制协议更加透明且满足的协议种类更加广泛的特点，提出了一种基于基因和蛋白质生物信息的二进制协议聚类方法，能够从原始序列角度对大量协议直接进行聚类.本文方法首先将原始二进制报文转化成四进制基因形式，使用快速聚类方法计算碱基两两组合的k-seed值生成距离矩阵，并用UPGMA计算最小距离生成树得到初始分簇；其次，将每一簇四进制协议报文转化成十六进制蛋白质链，得到序列更有语义的方式并采用基于改进mBed算法的聚类方法将其进行高精度聚类.通过对已知和未知协议单纯和混合场景下的测试表明，该方法能够对二进制协议实现高效并且高准确率的聚类，具有较高的应用价值.     

由粗到精和特征筛选的精确回归预测方法及其在二语习得中的应用

针对数据分布不均匀且因素多而容易造成预测不精确的问题,提出一种结合由粗到精与特征筛选的精确回归预测方法.首先,由于数据分布不均匀且预测区间大,直接预测难以精确地拟合,提出一种由粗到精的预测方法,并使用决策树进行粗分类,预测目标所在的子区间,然后在子区间内实现精确的回归预测.其次,如果数据量少且特征因素多会引起过拟合,而且部分冗余特征会影响模型的预测精度,因此,提出一种基于特征筛选的回归预测方法以提高预测精度.在大学生的英语成绩与其人格因素数据集上进行相关实验,结果证明了由粗到精和特征筛选方法与传统回归模型相比精度更高且稳定性更好.通过提出的人格因素与英语成绩回归预测模型,可以制定合理的培养方案弥补学生人格因素中的短板,提升学生的自身竞争能力,从而更好地推动中国的英语教育.