白头叶猴旱季食物营养对食物选择的影响

食物营养成分在灵长类食物选择中扮演重要角色.为探究白头叶猴食物营养成分及对其食物选择的影响,2010年10月至2011年3月对广西扶绥岜盆自然保护区内白头叶猴取食的14种主要食物和5种非主要食物进行采集,并通过常压恒温干燥法、凯氏定氮法等对各独立样本的水分、粗蛋白、粗脂肪、粗纤维和Ca、Fe、Zn、Mn等矿物元素的含量...     

韧性材料在球形压头渐进载荷下仪器化划入行为

使用半径为500μm的球形氧化锆陶瓷压头对3种高分子和20种金属材料在渐进载荷下进行微米划入测试,研究了韧性材料在球形压头仪器化划入过程中的弹塑性变形行为.仪器化划入结果发现:随载荷的增加,金属的弹性回复率、残余划痕硬度、几何划痕硬度和侧向划痕硬度均趋于稳定.而高分子的弹性回复率,几何划痕硬度却是单调减小,很有可能产生损伤破坏,在最大载荷下利用线弹性断裂力学方法计算得到的断裂韧度与文献中的结果一致;在大载荷下,残余划痕硬度和侧向划痕硬度趋近于常数.残余划痕硬度大于几何划痕硬度;摩擦系数随着载荷的增大而非线性增大是由于球形压头几何形状的影响(灰口和球墨铸铁的摩擦系数平稳段是由于石墨的影响).大部分材料的划入响应与力学性能有密切关系:临界划痕应变(弹性回复率平稳阶段的起始应变)与屈服应变成正比;趋于稳定的残余划痕硬度与屈服强度有线性关系,并且与努氏硬度成比例.     

一种改进的嵌入式特征选择算法及应用

针对非线性多分类问题,提出了一个改进的嵌入最小-最大值特征选择算法,并与支持向量机算法结合,提出了针对复杂的组合优化问题的启发式算法.为验证方法的有效性,在钢板缺陷识别工程数据集上进行了实验,表明所提出的方法具有较高的求解速度和预测准确度.     

基于多源数据融合的高铁枢纽多模式换乘客流分担率估计

为实现高铁客运枢纽换乘客流分担率的精准辨识,研究结合多模式公共交通大数据,提出了一类基于广义出行链的高铁客运枢纽换乘方式选择模型.通过对不同公共交通方式换乘阶段的关联和融合,提取以高铁客运枢纽为端点的个体广义出行链,分析高铁客运枢纽换乘客流的时空分布特征;综合考虑高铁客运枢纽乘客的个体经济社会属性、主观心理因素及其个体...     

客货共运模式下高铁列车货运兼办方案优化

以当前高铁快递运输的客货共运模式为背景,研究高铁列车货运兼办方案优化问题.通过分析客货共运模式下货运办理站选择对货物运输、客运列车时刻表与停站方案的影响,以货运办理站选择、货物运输、列车时刻表与列车停站方案为主要决策变量,以极小化旅客旅行时间和未满足货物惩罚成本为目标,构建客货共运模式下基于货运办理站方案选择的货物运输与列车时刻表、列车停站方案一体化优化混合整数线性规划模型.当给定货运办理站选择方案时,本文所构建模型即可转化为传统的客货共运模式下货物运输方案优化模型.以武广高铁为例,设计数值实验,采用C++语言编写程序调用Cplex优化软件对模型进行求解,验证了模型的正确性与合理性.算例结果表明：通过对货运办理站、货物运输方案、列车时刻表和停站方案进行一体化优化,可在尽可能减小货物运输对客运影响的基础上,充分利用高铁线路列车时空上剩余能力,在旅客旅行时间仅增加0.68%、列车停站数量仅增加1.24%的情况下,运输近68%的货物需求,增加铁路部门收益.     

基于元学习的航空电子设备特征选择算法推荐方法

为了对航空电子设备的测试数据进行有效约简, 去除冗余信息和不相关特征, 基于机器学习领域现有的特征选择算法, 提出了一种元学习框架下的航空电子设备特征选择算法推荐方法。所提方法旨在根据不同航空电子设备测试数据所蕴含的信息, 推荐合适的特征选择算法。首先, 分析了数据集特征的描述方法。然后, 介绍了采用综合度量指数的算法性能评价方法。最后, 给出了特征选择算法推荐方法的框架。使用42个航空电子设备的测试数据和13个过滤型特征选择算法建立了元数据库, 采用留一法进行交叉验证, 推荐命中率达到了90%以上, 推荐性能比例达到97%以上。     

基于子空间划分和自我表示学习的高光谱波段选择

基于高光谱图像的应用,在不降低性能的前提下,选择具有信息和代表性的波段是大数据环境下一项具有挑战性的任务.许多波段选择方法忽略波段的有序性,只考虑波段的冗余性,这会导致有价值的波段丢失,而保留无用的波段.针对此问题,提出了一种自适应子空间划分和自我表示学习的高光谱波段选择方法(Adaptive subspace par...     

关于支持向量机参数选择方法分析

在分析支持向量机(SVM)原理基础上,分析了SVM中核函数、核参数及惩罚参数C的影响。介绍了两种SVM参数选择方法,作了深入比较,并提出了一种改进的最优化方法。     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。     

基于中继选择的星地协作传输系统性能分析

由于星地混合协作网络（hybrid satellite-terrestrial cooperative network,HSTCN）能显著提升卫星通信的服务质量,近年来受到了国内外学者的广泛关注,分析了基于中继选择的星地协作传输系统的性能。首先,在卫星和地面用户之间存在直达链路,并且所有中继节点在采用门限判断译码转发协议辅助卫星通信的情况下,得到用户端经过最大比合并后的输出信噪比（signal-to-noise ratio,SNR）表达式。其次,针对卫星信道服从阴影莱斯分布,而地面信道服从Nakagami-m分布,推导出随机选择和最佳选择两种中继选择策略下系统的中断概率闭合表达式。接着,进一步得到高信噪比条件下中断概率的近似表达式,为分析各种参数对系统性能的影响提供了更加便捷的方法。最后,计算机仿真不仅验证了理论推导的正确性,而且定量分析了协作传输带来的好处,从而为HSTCN技术的实际应用提供理论依据。