重庆市城口县蝴蝶种类调查及区系分析

【目的】调查重庆市城口县的蝴蝶种类并进行区系分布研究。【方法】对重庆师范大学昆虫与分子生物学研究所馆藏的城口县蝴蝶针插标本进行鉴定整理;并于2016—2018年对城口县蝴蝶进行了较为全面的调查和采集,然后对采集到的蝴蝶成虫标本进行分类鉴定。根据已有相关文献资料和调查中采集到的蝴蝶种类分布情况,对城口县蝴蝶进行了系统的区系分析。【结果】共鉴定蝴蝶成虫标本1 466头,分属于5科112属224种,其中发现重庆市新纪录种34种。区系分析结果显示:在世界动物地理区系层面上,城口县蝴蝶有57.59%的种类归属东洋区,35.27%的种类为广布种,7.14%的种类归属古北区;在中国动物地理区系层面上,城口县蝴蝶共有31种分布型。【结论】城口县蝴蝶种类资源丰富,达重庆市已有蝴蝶纪录种数的57.93%,其中蛱蝶科(Nymphalidae)的种数最多。城口县蝴蝶种类在世界动物地理区系中的归属以东洋区为主,在中国动物地理区系上以西南、华中、华北三区交叉分布表现尤为明显。     

基于胶囊神经网络的合成孔径雷达图像分类方法

针对合成孔径雷达(synthetic aperture radar,SAR)图像的目标分类,传统的卷积神经网络(convolutional neural network,CNN)需要大量的数据样本进行训练,无法在小样本条件下进行,其应用受到限制。提出将胶囊神经网络(capsule network,Capsnet)算法用于SAR雷达图像的分类,针对小样本SAR数据集对Capsnet结构进行轻量化设计,并在MSTAR数据集上验证了该算法的有效性。结果表明,与CNN相比,基于Capsnet的SAR目标分类抗过拟合性强,泛化效果较好,具有更高的准确性,能够很好地实现SAR图像样本的分类。     

基于编码调制视觉诱发电位脑机接口滤波算法的性能比较

脑机接口(brain-computer interface,BCI)的分类性能一定程度上取决于对脑电信号的预处理方法,这项研究提出了一种空域时域滤波的预处理方法,以解决人类视觉系统中的潜伏延迟对编码调制视觉诱发电位(c-VEP) BCI的目标识别性能的影响。基于一个平均信号和单次试验信号之间的最小均方误差(the least mean square error,LMSE)创建时域空域滤波器,并且通过最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)将稀疏约束应用于滤波器的权重系数,并用模板匹配法来对目标进行识别。将算法应用于由63比特的M序列及其循环移位序列调制的16个目标的c-VEP BCI,并与通用的空域滤波算法典型相关分析(CCA)及空域时域逆滤波算法进行比较。结果表明本研究所提出的算法在分类准确率方面优于其他两种算法。     

一种改进的多模索引调制OFDM方案

为提高多模索引调制正交频分复用的能量效率,提出一种改进方案和相应的检测算法.该方案在不消耗能量的情况下能通过空载模式传递部分信息,还能通过改变空载模式与其他模式的比例来实现频谱效率和能量效率的兼顾.分析了空载模式对误比特率性能的影响,并据此对加入空载模式后的多模式星座进行优化;此外,提出改进的低复杂度最大似然检测算法,在不降低误比特率性能的前提下进一步降低多模方案的检测复杂度.仿真结果表明:在瑞利衰落信道下,当误比特率为1×10~(-5),频谱效率为1.75,2.00,3.00,4.00 bit/s/Hz时,所提方案分别取得了6.0,3.7,3.4,1.7 dB的信噪比增益.     

嵌入式多标签分类算法的优化研究

多标签分类中如何有效处理具有许多实例和大量标签的大规模数据集、补偿训练集中缺失标签以及利用未标记实例改进预测性能等问题已成为重要研究方向。提出嵌入式多标签分类（EMC）算法,首先从伪实例参数化的高斯过程（GP）中提取两组随机变换来模拟特征向量、潜在空间表示向量和标签向量之间的非线性关系映射,其次引入一组辅助变量结合专家集成（EEOE）方法补偿缺失标签,最后利用未标记实例学习随机函数的平滑映射提高预测性能。仿真结果表明,与特征识别隐式标签空间编码的多标签分类（FaLE）算法和半监督低秩映射多标签分类（SLRM）算法相比,EMC算法优化了处理大规模数据集、补偿缺失标签及利用未标记数据的能力,从而提高了类标签的预测性能,且具有良好的可扩展性,训练时间短。     

基于LS-SO算法的情感文本分类方法

首先, 基于点互信息与信息检索(PMI IR)算法, 提出一种Laplace平滑情感判定(LS-SO)算法, 对情感词典与表情符号情感词典进行自动扩充, 得到了具有一定规模、 高质量的情感词典, 包括基础情感词典、 目标情感词典、 网络用语情感词典、 表情符号情感词典、 否定词词典、 疑问词词典、 程度副词词典和连词词典. 其次, 通过细化文本语义分析规则计算文本情感值. 实验结果验证了该方法的有效性.     

基于产业关联度和聚类分析的中国油气资源城市分类研究

油气资源城市是资源型城市中的重要门类之一。已有关于油气资源城市的分类研究中,绝大多数是根据目标城市的油气资源所处的开发阶段及剩余可采储量情况来划分此类城市的类别,在实际运用中难以体现油气资源城市的产业位置。本文尝试运用产业关联度分析和凝聚型层次聚类分析,将国内油气资源城市的产业划分为油气开采业、油气化工产业、油气关联产业、油气无关产业等4 大类产业,并据此将国内16 座油气资源城市划分为油气生产型、油气化工型、油气关联型和去油气资源化4 种类型。结果显示,两类分类方法得到几乎相同的结果,优于传统的分类方法。     

一种改进的主成分分析特征抽取算法:YJ-MICPCA

针对主成分分析(PCA)假设数据服从高斯分布的条件以及只能处理特征之间线性关系的不足,提出一种基于Yeo-Johnson变换和最大信息系数(MIC)的PCA特征抽取算法,命名为YJ-MICPCA。通过YeoJohnson变换改善原始数据分布,使其近似服从高斯分布,并将PCA中计算协方差矩阵转化为计算MIC矩阵的平方,使其也能处理特征间存在的非线性关系。以UCI机器学习数据库中的11个数据集为实验对象,采用支持向量机、朴素贝叶斯模型、k近邻算法这3种分类器,比较了YJ-MICPCA与PCA及其他常用非线性降维方法LLE、Isomap、MSD、KPCA的降维效果和分类精度,结果表明YJ-MICPCA总体上优于其他几种算法。     

基于联合特征学习和多重迁移学习的肝脏病变分类

为了实现对不同肝脏肿瘤病变的精确分类,提出了一种基于联合特征学习和多重迁移学习的肝脏肿瘤病变分类方法.首先通过扩充通道的预处理方式对输入网络的图像进行数据增强处理,使得网络能从原始输入图像中提取到更多的特征信息;然后设计了联合特征学习双流卷积神经网络提取特征,避免由于网络深度增加造成部分特征信息丢失的问题;采用了集成分类器实现最终的分类,并通过多重损失约束方法对整个集成分类器进行约束优化;最后在模型的训练过程中结合参数迁移和域适应来减少损耗并提高模型的拟合性能.采用155张腹部平扫CT图像进行试验,设计了特异性、灵敏性、精确度、F1-score、准确率和误差率几种评价指标.结果表明,此方法能够实现对肝细胞癌(HCC)、转移性肝癌(MET)、血管瘤(HEM)以及正常肝脏组织的分类,平均分类准确率达到96％.     

基于代表的交叉验证分类

基于代表的邻域覆盖粗糙集分类算法,在某些数据集上表现良好,数据的类别不平衡问题严重影响算法的分类精度.为尽量消除类别不平衡问题的影响,在k折交叉验证方法的基础上,针对基于代表的邻域覆盖粗糙集分类算法,提出了3种集成策略.策略1依靠k折交叉验证,获得对应的k个基分类器,所有的基分类器组成委员会对未分类样本分类;在策略1的基础上,策略2选择分类精度相对较高的基分类器组成委员会,对未分类的样本进行分类;策略3在前2种策略的基础上,利用主动学习的思想,对训练集进行扩充,得到新的分类器再对未分类样本分类.实验所用数据集为UCI标准数据集,且对k的取值做了对比实验.结果显示,3种策略均有不同程度的提升,且k取5时总能取得较好的提升效果.对于不同数据集,应选择相适应的改进策略.