《大数据百科全书》术语特点及收录与处理原则

大数据发展日新月异,新的应用需求和实践问题层出不穷,社会各界越来越重视大数据的基础研究。百科全书作为知识门类的概述性著作,是开展和推动基础研究的重要载体。作为大数据知识传播的工具,《大数据百科全书》不仅要有实用与新颖兼备的知识内容,并且还应具备准确严谨与通畅易懂的专业化语言文字表达。其中,术语是《大数据百科全书》不可或缺的有机组成部分,文章总结大数据领域的术语特点,并以此提出《大数据百科全书》术语方面的收录和处理原则。     

木麻黄及2种相思海防林活立木应力波传播速度的影响因素分析

采用应力波技术分析海南岛海防林主要树种、胸径、不同气候分布区、活立木不同方位等因素对活立木应力波传播速度的影响。结果表明:(1)木麻黄应力波传播速度与胸径大小呈极显著正相关,其中S型曲线和倒函数曲线的相关性远好于直线的相关性,但二者之间的相关性主要适用于中小径级范围内,胸径大于16 cm后应力传播波速度基本稳定;(2)不同树种应力波传播速度具有一定的差异性,相同胸径条件下(DBH:12～16 cm),木麻黄Casuarina equisetifolia的应力波传播速度最大(4211.90 m·s-1),马占相思Acacia mangium次之(4025.17 m·s-1),大叶相思Acacia auriculiformis最小(3543.75 m·s-1),且DBH≥18 cm时,各径级木麻黄应力波传播速度也均大于马占相思,表明木麻黄的抗风性能良好;(3)不同气候分布区及活立木不同方位对木麻黄应力波传播速度无显著影响。研究结果对评价海防林不同树种的抗风性能具有重要意义。     

基于物联网技术的野生动物生态学监测——以大紫胸鹦鹉和西黑冠长臂猿为例

利用物联网技术获取环境因子数据和动物的生物学数据,掌握野生动物的行为规律,研究其行为的生态学意义.将物联网监测系统用于大紫胸鹦鹉和西黑冠长臂猿两个案例的研究中,结果如下:(1)野生大紫胸鹦鹉在孵卵期和育雏期的日行为节律不同;(2)野生大紫胸鹦鹉雏鸟日行为占比如下:理羽1.43%,啄洞2.64%,取食3.66%,休息92.27%;(3)野生大紫胸鹦鹉繁殖期集群率为100%,非繁殖期集群率为89.22%,温度与集群行为有显著正相关关系,相关系数为0.152(p<0.05),湿度与集群行为有极显著正相关关系,相关系数为0.193(p<0.01);(4)通过聚类分析方法和拾音器阵列的声源定向功能监测西黑冠长臂猿种群数及方位分布.监测区域内存在2个西黑冠长臂猿群体,分布于监测点的西部和南偏东30°方向,监测结果与实地考察基本一致.物联网技术可解决野外长距离传输监测数据和近距离获取穴居动物行为及环境因子数据的问题,物联网获取的数据全面且可重现,节省大量人力物力财力.     

基于变异系数的模糊物元模型评价阔叶十大功劳根不同提取部位的抗炎镇痛作用

为了筛选阔叶十大功劳根抗炎镇痛的有效部位，应用模糊物元模型对阔叶十大功劳根不同提取部位抗炎镇痛效果进行综合评价。采用醋酸扭体法、热水缩尾法及热板法，以小鼠足跖肿胀、耳廓肿胀程度考察阔叶十大功劳根不同提取部位的抗炎镇痛作用；用变异系数权重的模糊物元模型对其干预效果进行综合评价；通过计算贴近度比较模型组（M₁）、阳性对照组（M₂）、水提物组（M₃）、乙醇提取物组（M₄）、正丁醇提取物组（M₅）、乙酸乙酯提取物组（M₆）、石油醚提取物组（M₇）的抗炎镇痛效果。结果显示阔叶十大功劳根不同提取部位均有抗炎镇痛的效果，但各部位抗炎镇痛效果程度不同；反应不同部位抗炎镇痛总效应的贴近度值从大到小排序为M₆，M₄，M₃，M₅，M₂，M₇，M₁。基于变异系数权重的模糊物元模型可筛选出阔叶十大功劳根抗炎镇痛的最佳有效部位为乙酸乙酯提取部位，能够客观、科学地评价不同提取部位的抗炎镇痛效果。     

大流量下动静干涉对离心泵叶轮做功的影响

采用基于切应力输运模型(SST)的尺度自适应模拟方法对离心泵内部流场进行数值计算,研究大流量下动静干涉对内部流动的影响.从叶轮做功着手分析叶轮流道做功、流道表面做功及压力分布情况,进而分析内部流场的变化情况.数值计算结果经过试验验证及网格无关性验证,分析结果表明:在隔舌前部流速大、压力低,当叶轮流道经过该位置时,径向速度增大,流道内压力降低,此时该流道对流体做功减小;当流道旋转经过隔舌进入隔舌下游区域时,蜗壳内压力骤增,处于隔舌下游的叶轮流道过流量减小,压力增大,流道对流体做功增大.     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。