集约农区土地资源利用区域差异分析的方法研究

在科学确定集约农区土地资源利用区域差异评价体系的基础上,探讨了动态聚类法在土地利用区域差异分析中的应用。最后以南京市郊区和效县为实例,对该方法进行了验证,并分析了该市不同类型区土地利用的区域差异。     

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数,本文给出了详细的的算法。为了验证该方法的有效性,本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。     

地理信息系统辅助下的农业种植利用分区研究

农业种植利用系统有着明显的地域分异规律,它的分区研究所涉及的影响因素自然存在空间性。而地理信息具有强大的空间数据管理和分析功能,所以利用ＧＩＳ为辅助手段进行农业种植利用分区的定量化研究比传统方法有着明显的优势。     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

基于数据加权策略的模糊C均值聚类算法

针对模糊C均值(fuzzy C means, FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California Irvine, UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。     

基于层次分析法和动态聚类法的大学科技园评价

大学科技园在我国的发展非常迅速,对其发展状况进行科学的评估是一个急需解决的问题.文中根据大学科技园的特点,采用层次分析法作为科技园发展要素评价的基本方法,并在此基础上利用动态聚类分析法对我国大学科技园的整体发展状况作出综合评估.通过实例分析,证明本评价体系简单实用,对大学科技园的发展能起到决策支持作用.     

基于出行态度的自行车通勤出行市场划分

为识别自行车通勤出行中不同出行者选择偏好的差异,针对基于出行态度的自行车通勤出行市场进行划分.根据南京市居民通勤出行问卷调查,采用结构方程模型从29个观测变量中提取出若干态度潜变量,分析了出行偏好态度变量间的相关性,并采用K-means聚类方法对自行车通勤出行市场进行划分.根据选择自行车通勤出行意愿、对固定出行时刻需求、对出行舒适度需求及环保意识4类态度变量将自行车通勤出行市场划分为6个子市场,同一子市场内个人选择自行车出行意愿近似,不同子市场间选择意愿明显不同.分析了每个子市场内个人通勤出行态度特征以及自行车方式选择特征,针对每个子市场提出了相应政策以引导自行车通勤出行方式的选择.     

烯二炔类抗肿瘤抗生素的生物合成研究进展

烯二炔类抗生素以其独特的化学结构和强烈的抗肿瘤活性成为化学、生物和医药领域重点关注的对象。本文简要介绍了近年来关于烯二炔化合物的生物合成研究进展,以及运用组合生物合成的原理创造新型烯二炔结构类似物的前景。烯二炔类抗生素为我们研究复杂天然产物的生物合成提供了一个很好的模型,其基因和生化水平机制的阐明将进一步丰富组合生物合成的内容和手段,最终有利于发现和发展新型的抗肿瘤药物。     

基于FCM-ELM-BBPS的预测控制参数整定

模型预测控制设计参数选择显著影响被控系统性能,目前基于专家经验的主流参数整定方法会出现控制器鲁棒性差、计算成本高等缺点.为了解决上述问题,提出一种基于模糊C均值-极限学习机-裸骨粒子群（Fuzzy C-means-Extreme Learning Machine-Bare Bones Particle Swarm, FCM-ELM-BBPS）的参数整定算法.通过模糊C均值算法（Fuzzy C-means, FCM）聚类进行数据预处理,将被控系统复杂数据根据自身特征进行聚类,以降低神经网络的训练误差,提高预测精度;针对每一类特征数据,利用极限学习机（Extreme Learning Machine, ELM）建立预测控制参数与性能指标的映射关系模型,并进一步获得参数整定规则;采用裸骨粒子群（Bare Bones Particle Swarm, BBPS）优化算法进行预测控制参数整定,通过采用高斯分布来更新粒子位置,加快目标函数的收敛速度,从而有效地减少参数寻优时间;分别进行仿真和水箱系统实验验证,证明了提出算法的有效性.实验结果表明,本文提出的算法与现有方法相比,更具有优越性,其中整定时间减少了34.84%,同时在调整时间等时域性能指标上提升了43.98%.     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。