大熊猫分类的近期研究与进展

８０年代大熊因分类上属于浣熊，熊或独自一科，仍持纽着１２０年以来的争论，自ＯＢｒｉｅｎ等于１９８４－１９８５年进行蛋白持分子与ＤＮＡ系列的研究后，到９０年代，多数西方学者都同意将大熊猫隶属于熊科。但在中国，从生物学的各个方面，包括分子水平的研究，多数学者是仍坚持把大勇猛熊猫独立为一科。     

基于规则的神经网络在模式分类中的应用

针对模式分类任务,提出一种基于粗糙集规则的神经网络构造方法.首先,利用粗糙集理论和遗传算法约简输入特征,在尽量保持分类能力不变的情况下降低条件属性维数,并推导出简练的分类规则集合.然后,以规则集为基础构造BP神经网络结构、确定网络层数、输入输出节点数等,并计算规则的条件属性重要度和依赖度2个参数对连接权值进行初始化.最后,通过一个实例验证了方法的有效性,结果表明该方法能有效解决传统神经网络构造难、解释难、过拟合等问题,提高了分类精度,降低了训练时间.此外,初步探讨了网络训练时对知识提炼的影响.     

小波变换在高维频谱数据分类中的应用

小波变换是近些年来广泛应用于时频域信号分析的理论,根据小波变换的特点,在高维频谱数据分类中,对数据进行特征提取,将Ｐ维矢量映射成Ｐ＇维矢量（Ｐ＇〈〈Ｐ）,以减少分类模型参数,同时尽可能保留各频谱数据之间的差别信息。利用ｍ带离散小波变换产生的小波系数进行分类,并给出了一组算法,结果令人满意。     

中国阳蝇属区系研究(双翅目:蝇科)

阳蝇属迄今在全世界已知400余种,本文报告了阳蝇属的属征、生物学及分类概况.在已有标本采集记录和资料的基础上,讨论了我国阳蝇属已知种的区系分布特点.结果表明我国阳蝇属种类极其丰富,已知176种,约占世界阳蝇已知种数的44%;在世界动物地理区划中,古北界种81种,东洋界种73种,古北和东洋界共同种13种,全北界种9种;在我国动物地理区划中,西南区、华北区和东北区的种类最为丰富;在我国已知的阳蝇中有140种为地方性种.     

基于加权BP神经网络的场地连续化分类

本文以四类标准场地模糊分类二维隶属函数为基础，以BP神经网络为手段，建立了一种新的标准场地模糊化方法，训练了现行抗震设计规范中4类标准场地的模糊化神经网络，克服了二维隶属函数在转折边界处不平缓和有突变的不足；并以所建立的4个标准场地模糊化神经网络为基础，建立了基于加权综合的场地连续化分类方法，给出了该方法分类结果的空间分布图，实现了场地分类的连续化，使场地分类结果更符合工程实际；工程应用实例表明，基于BP神经网络的场地连续化分类方法，能更合理、更客观地对工程场地进行分类，为更科学地确定地震作用和进行恰当的结构抗震设计提供了可能。     

Data association based on target signal classification information

In most of the passive tracking systems, only the target kinematical information is used in the measurement-to-track association, which results in error tracking in a multitarget environment, where the targets are too close to each other. To enhance the tracking accuracy, the target signal classification information （TSCI） should be used to improve the data association. The TSCI is integrated in the data association process using the JPDA （joint probabilistic data association）. The use of the TSCI in the data association can improve discrimination by yielding a purer track and preserving continuity. To verify the validity of the application of TSCI, two simulation experiments are done on an air target-tracing problem, that is, one using the TSCI and the other not using the TSCI. The final comparison shows that the use of the TSCI can effectively improve tracking accuracy.     

面向知识发现的数据分类技术在网络教学中的应用研究

提出将数据挖掘技术应用于网络教学平台的设计,采用决策树分类方法从学习者的大量信息中分析学习者的学习能力,构建学习者特征模型,提高网络教学对不同学习者个体的针对性,为实施个性化教学提供决策支持.     

分类任务中标签噪声的研究综述

近年来,随着机器学习的发展,分类系统的性能有了很大的飞跃。模型需要大量带标签数据才能使训练结果达到要求,而获取高质量的标注数据费时费力。为了降低成本,出现了众包、自动化系统等方法标注训练数据。但是,这些标注方法往往会产生大量错误标注,即标签噪声。另外,信息不足、专家错误和编码错误等因素,也可能使标签受到污染。训练过程中对标签噪声的处理不当,可能会使预测精度和准确性降低,或者使模型复杂度增加。因此,研究标签噪声对推广机器学习在各领域的应用和降低机器学习算法的部署成本等方面具有重要意义。通过综述产生标签噪声的原因、影响以及近几年来应对标签噪声的一些技术方法,对标签噪声的研究现状和发展前景进行分析。     

基于GraphSage节点度重要性聚合的网络节点分类研究

传统的图嵌入算法及图神经网络模型在对网络节点分类时仅使用了节点本身的属性信息或者特征信息,很少使用节点在网络中的结构信息。如何在图神经网络聚合时引入节点网络结构信息来提升分类准确性也是一个值得深入研究的问题。因此,在GraphSage模型的基础上,根据网络中节点度及节点重要性设计了新的聚合函数并提出了GraphSage-Degree模型。首先,模型根据节点度获得节点在邻域中的重要性,然后再以重要性为依据来聚合节点的特征,使得网络中重要的节点能够尽可能的聚合更多的特征信息,并且在GraphSage-Degree中设置了一个与节点度有关的超参数D,能够通过调节该参数D使得在不同的数据集上达到最佳分类状态。在Cora、Citeseer和Pubmed 3个公开数据集上进行了测试,GraphSage-Degree与其他方法相比,macro-F1的平均提升值分别为8.72%、10.37%和8.29%,在Pubmed上有最大提升值38.84%;micro-F1的平均提升值分别为8.97%、11.16%和6.9%,在Pubmed上有最大提升值38.39%。     

一株高产抗菌活性物质链霉菌的初步分类鉴定

对一株土壤中筛选出的可以产抗菌活性物质的链霉菌进行了研究,测定了该菌的抗菌谱,发现该菌株对多种植物病原性真菌及细菌有拮抗作用,但对植物病原性真菌的抑制效果低于植物病原性细菌.通过形态特征、培养特征、生理生化特性及抑菌谱等系列比较,发现该链霉菌菌株与链霉菌属的黑胡桃链霉菌(Streptomyces nogalater)的特征基本相符;通过16S?rDNA序列比对,发现该菌株16S?rDNA与黑胡桃链霉菌的16S?rDNA同源性达99％.根据多项分类原则和系统进化树的构建分析,将该菌株暂归入黑胡桃链霉菌类.