CRU数据集在黑龙江省ET0计算中的应用

针对我国参考作物蒸发蒸腾量(ET₀)计算中存在的气象数据不易获取、现有作物需水量数据空间分辨率较低等问题,以黑龙江省为例,基于10 min分辨率的CRU CL 2.0数据集,采用FAO Penman-Monteith公式建立了适于计算区域ET₀的栅格模型,并应用黑龙江省14个气象站的实测气象数据对该模型计算成果进行了验证。结果表明:采用CRU CL 2.0数据计算区域ET₀是可行的,其计算结果与应用实测气象数据计算所得的ET₀符合较好,不仅可以细化我国ET₀和作物需水量研究成果,也为气象资料缺乏情况下的ET₀计算供了一种新的计算模式。     

一种适用于不均衡数据集分类的KNN算法

传统的K-最邻近(K Nearest Neighbor,KNN)分类算法在处理不均衡样本数据时,其分类器预测倾向于多数类,少数类分类误差大。针对此问题从数据层的角度改进了传统的KNN算法。先通过K-means聚类算法将少数类样本聚类分组,将每个聚类内的样本作为遗传算法的初始种群;再使用遗传交叉和变异操作获取新样本,并进行有效性验证。最终获取到各类别样本数量基本均衡的训练样本集合。实验结果表明此方法有效改善了KNN算法对少数类分类效果。此法同时适用于其他关注少数类分类精度的不均衡数据集分类问题。     

一种基于Boosting的集成学习算法在不均衡数据中的分类

针对多类别不均衡数据的分类问题,从数据集的特征选择和集成学习两个角度出发,提出了一种新的针对不均衡数据的分类方法—BPSO-Adaboost-KNN算法,算法采用基于多分类问题的可视化的AUCarea作为分类评价指标.为了测试算法的性能,本文选取了10组UCI和KEEL选取的测试数据集进行测试,结果表明本算法在有效提取关键特征后提高了Adaboost的稳定性,在十组数据的分类精度上相比单纯使用KNN分类器有20%~40%不等的提高.在本算法和其他state-of-the-art集成分类算法对比中,BPSO-Adaboost-KNN能够取得较优或相当的结果.最后,本文将该算法应用到石油储层含油性的识别中,成功提取了声波、孔隙度和含油饱和度三个关键属性,在分类精度上相比传统分类算法有了大幅度提高,在江汉油田五口油井oilsk81~oilsk85上的分类精度均达到98%以上,比单纯使用KNN的精度高出了20%,尤其在最易错分的油层和差油层中有良好的分类效果.     

基于ADO．NET的即时聊天系统设计与实现

即时通信IM（Instant Messaging）作为一种方便、高效、廉价的交流方式被广泛运用于网络中,为人们的日常交流和资源共享以及传送信息和文件提供了方便．但由于网络本身与聊天软件的不安全性,使如何安全快速地交流成为大家关注的焦点．本文探讨了利用ADO．NET技术访问数据库的聊天系统,同时给出了采用C#语言所实现的ADO．NET数据库访问技术在数据库编程中的具体实现方案．     

Assessment of the uncertainties in temperature change in China during the last century

We have used the China Homogenized Historic Temperature dataset and some long-term station series of the neighbor countries from CRUTEM3, a 5°×5° gridded dataset of monthly mean temperature since 1900, to provide a 107-year record of surface tem-perature trends and variability. We derived a comprehensive set of uncertainty estimates to accompany the data: measurement and sampling errors, uncertainties in temperature bias estimates, and uncertainties arising from limited observational coverage on large-scale averages have all been estimated. We reanalysed the temperature changes during the period of record. The best estimates of trends for 1900–2006 with uncertainties at 95% confidence range are about 0.09±0.017°C/decade for the year as a whole, and 0.14±0.021°C/decade, 0.11±0.021°C/decade, 0.04±0.017°C/decade, and 0.07±0.017°C/decade for winter, spring, summer and autumn respectively. For 1954–2006, the trends for annual, winter, spring, summer and autumn are: 0.26±0.032°C/decade, 0.35±0.046°C/decade, 0.25±0.051°C/decade, 0.16±0.037°C/decade and 0.22±0.055°C/decade. Winter saw the most significant warming trend in both 1900–2006 and 1954–2006, while during the most recent period (the satellite era, 1979–2006), all the seasons show similar warming trends: 0.45±0.13°C/decade, 0.51±0.11°C/decade, 0.52±0.16°C/decade, 0.37±0.10°C/decade and 0.50±0.16°C/decade for annual, winter, spring, summer and autumn. Trends arising from urbanization have been evaluated as less than 5% of the total warming trend for 1951–2001, so this bias was not removed.     

面向不平衡数据集融合Canopy和K-means的SMOTE改进算法

针对SMOTE算法和随机森林可较好解决不平衡数据集的分类问题但对少数类样本分类效果还有待提高的问题,融合Canopy和K-means两种聚类算法,设计了C-K-SMOTE改进算法。先后利用Canopy算法进行快速近似聚类,再利用K-means算法进行精准聚类,得到精准聚类簇,最后利用SMOTE算法增加少数类样本数量,使数据趋于平衡。选取公开数据集KEEL(knowledge extraction on evolutionary learning)数据库中的不平衡数据集,结合随机森林分类模型进行了实验验证,实验表明C-K-SMOTE算法可有效平衡不平衡数据集。     

基于修正核函数SVM的网络入侵检测

支持向量机分类方法在小样本、非线性情况下具有较好的泛化性能,在入侵检测系统中有着广泛的应用。针对入侵检测过程中可能出现的由两类样本不平衡造成的分离超平面偏移现象,以核函数所蕴含的黎曼几何为依据,引入一个伪一致性变换函数,对核函数进行修改,提高支持向量机的分类泛化能力,建立基于支持向量机的网络入侵检测系统,并对系统总体结构和运行机制进行了详细的描述。实验仿真表明,该系统可有效地提高入侵检测的准确率,改善由于数据集不平衡造成的支持向量机分类偏移的情况。     

人体行为识别特征提取方法综述

行为识别的过程很大程度上可以看作特征提取与分类器相结合,故特征提取方法的优劣直接影响最终识 别效果。与静态图像物体识别相比,视频中人体行为识别特征提取更易受到动态背景、采集设备运动、视角和 光照等因素影响人体,从而对研究人员的工作提出了很大挑战。为此,综合了近几年对行为识别特征提取系 统分类和不同类型行为识别特征提取方法以及常用行为识别数据库等领域研究的最新进展,探讨了目前研究 难点,阐述了与未来可能的研究发展方向。     

出生人口性别比现状、治理及社会性别视角的建议:以江西省为例

研究在描述江西省出生人口性别比现状和治理政策的基础上,着重从组织管理、宣传倡导、利益导向、打击"两非"、生殖健康服务等方面,提出性别平等视角的相关政策建议。     

基于用户轮廓的可扩展Web流量模拟方法

针对M IT L inco ln L ab数据集评测方法中背景超文本传输协议(hypertex t transfer protoco l,HTTP)流量在用户建模和流量模拟时会造成偏差,提出了一种基于用户轮廓的W eb流量模拟方法。该方法在应用层进行数据采集并对用户行为特征进行建模生成用户轮廓知识库,模拟时可根据不同网络环境特征扩展生成虚拟用户轮廓。实验分析表明,该方法能同时兼顾流量模拟的扩展性和真实性,生成的数据集流量特征与实际网络相吻合,用于入侵检测系统评测时能有效降低误报率指标。