样本方差定义分析

分析了2种不同的样本方差计算公式.若只描述抽样样本数据间的离散程度,则样本方差计算公式中的除数应为n;若对总体的方差进行估计,则需要选择除数为n-1的样本方差公式.     

EDXRF分析方法中最佳激发源角度的研究

在用同位素源激发的能量色散X射线荧光（EDXRF）方法分析样品时, 装置中的激发源、探测器和样品之间的几何条件对测量效率有一定的影响. 本文使用EDXRF分析谱仪, 采用不锈钢窗241Am源激发BaSO4样品;对影响测量的因素：样品直径、激发源与样品之间的几何角度、激发源与探测器之间的横向距离进行了研究. 得到：随样品直径的增大, 最佳激发源角度逐渐减小, 当样品直径增大到一定大小后, 最佳角度不随样品直径的继续增大而变化, 基本为一稳定值;由于“在线”分析需要, 需要增大激发源和探测器之间的横向距离, 而最佳激发源角度随横向距离的增加呈线性增长.     

基于OpenCV和Haar特征分类器的图像人数检测

研究一种基于OpenCV和Haar特征检测固定区域图像中人数的方法。通过选取大量含有人的Haar特征的样本图片,利用OpenCV训练出分类器,并通过实验深入分析选取的样本对分类器识别性能(即检测效果)的影响,最终选取人的头肩部上半身样本训练分类器,并在1 500张640pix×480pix待检图像(共计人数17 294人)的检测实验中达到93.9%的识别准确率,平均检测时间小于323ms。     

基于多小波的彩色图像分层树集合分裂算法

提出一种基于多小波变换的改进的彩色图像分层树集合分裂（set partitioning in hierarchical trees, SPIHT）算法,将彩色RGB图像转换到YCbCr色彩域,Y通道分配到2倍于Cb,Cr的比特,在各色彩通道间构造新的方向树结构,重组图像多小波分解系数,进行嵌入式多小波彩色图像SPIHT编码.结果表明,该算法具有良好的编码效果,性能优于9/7单小波编码.     

基于变尺度差商比序列统计量的小子样静态一致性检验

针对小子样条件下静态一致性检验问题,介绍了利用次序统计量相关理论进行一致性检验的部分方法,在对此类方法的检验过程进行深入探讨的基础上,借鉴已有的部分研究结论,对利用变尺度差商比序列统计量进行一致性检验的思路和方法进行了改进,改进后的方法适用于任意分布子样,计算过程简便且检验效果良好.     

样本依赖型最小平方回归学习算法的收敛速度

目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。     

山核桃果实主要经济性状和养分含量的差异分析

【目的】对22个山核桃优株果实的主要经济性状和主要营养成分含量进行比较,筛选出优良的山核桃优株,为山核桃良种选育与开发利用提供理论依据。【方法】以安徽宁国和大别山地区22株山核桃优株果实为实验材料,研究其7个主要经济性状和6个主要营养成分含量的差异性,并进行聚类分析。【结果】22个优株青果的单果质量、坚果鲜质量、坚果干质量、干仁单仁质量、鲜出籽率、干出籽率、干出仁率差异均达到极显著水平,胡乐1号青果单果质量最高,而金寨18号坚果干质量最大;22个优株种仁粗脂肪、蛋白质、主要脂肪酸含量均表现出极显著统计学意义。相关性分析表明,青果单果质量与坚果鲜质量、坚果干质量、干仁单仁质量及干出仁率呈极显著正相关;粗脂肪含量与油酸含量呈极显著正相关,与亚油酸含量呈显著负相关。主成分分析可知,影响山核桃果实品质的主要性状是坚果鲜质量、坚果干质量和油酸含量,集中反映了果实的经济性状和种仁的品质特征。通过聚类分析将22个优株分为5类:胡乐1号、果子园1号、果子园3号3个优株单独各聚为一类,其余的宁国山核桃优株为一类,大别山山核桃优株为一类。【结论】从分类学看,安徽宁国地区山核桃和大别山地区山核桃之间存在差异。坚果鲜质量、坚果干质量和油酸含量是山核桃优良品种筛选的重要指标;两地山核桃的主要经济性状和营养成分含量差异显著,遗传资源丰富,应深入研究和利用。     

智慧林业发展现状与展望

信息技术是人类文明发展的重要推动力,也是当今世界发展最快、影响最大的高新技术之一。随着现代信息技术在林业领域的广泛应用,智慧林业成为了现代林业发展的必由之路。智慧林业是物联网、大数据、云计算、人工智能、移动互联网等新一代信息技术与3S技术、智能装备及林木育种、森林培育、森林经营、森林保护等林业生产和管理业务深入融合新模式。我国智慧林业的发展,在现代林业发展中具有重要的里程碑意义。笔者首先介绍了智慧林业产生的背景、内涵、特征、理论基础和研究方法,以及针对智慧林业发展所进行的顶层设计、项目部署实施、科研平台建设及人才培养概况;然后系统介绍了林业智能感知、空间信息技术、大数据及云计算、虚拟现实和智能装备技术等智慧林业关键核心技术的研究现状;进一步介绍了智慧林业在林木遗传育种、森林精准培育、森林资源监测与经营决策、林火监测预测及病虫害防治、野生动植物保护方向上的应用进展;最后,分析了未来智慧林业的发展目标,展望了智慧林业技术体系的主要发展方向。笔者认为,智慧林业的发展需要进一步推进智能算法及硬件的研发和应用,并加强智慧林业理论基础研究;同时,还需在精准多源数据获取的基础上,将现代数据挖掘、模型模拟、智能分析技术融入林业生产的业务流程中,服务林业生产的全产业链,引领林业高质量发展。     

浙江省公益林中杉阔混交林群落组成与环境解释

【目的】分析浙江省公益林中对杉阔混交林和阔杉混交林群落组成及其分布影响最为显著的环境因子,为亚热带杉木人工林珍贵化改造和珍贵树种保护提供合理的科学依据。【方法】采用双向指示种分析(TWINSPAN)和典范对应分析(CCA)方法,针对分布于浙江省的427个杉阔混交林和阔杉混交林样地进行物种组成及群落结构分析。【结果】杉阔混交林可划分为5类群丛,阔杉混交林可划分为6类群丛。在杉阔混交林的5类群丛中与杉木伴生的树种主要为青冈(Quercus glauca)、木荷(Schima superba)、马尾松(Pinus massoniana)和黄山松(Pinus taiwanensis)等;土壤厚度、坡向和坡度等是影响杉阔混交林群丛分布的主要环境因子。在阔杉混交林的6类群丛中,与杉木伴生的树种分别为马尾松、板栗(Castanea mollissima)、青冈、木荷、毛竹(Phyllostachys edulis)等;林龄、坡度和海拔等因素是影响阔杉混交林群落分布的主要环境因子。在杉阔混交林中,小叶青冈(Cyclobalanopsis myrsinifolia)、红楠(Machilus thunbergii)、鹅掌楸(Liriodendron chinense)、甜槠(Castanopsis eyrei)和光皮桦(Betula luminifera)等珍贵树种与杉木对生境的选择较为接近;在阔杉混交林中,甜槠、天竺桂(Cinnamomum japonicum)、小叶青冈、柳杉(Cryptomeria japonica)、苦槠(Castanopsis sclerophylla)和青冈等珍贵阔叶树种与杉木对环境的选择较为接近。【结论】选择与杉木生境接近的伴生珍贵阔叶树种进行补植改造,可以有效提高造林成活率,有利于促进杉木人工林阔叶化进程。