河南省畜牧业竞争力时空差异分析

畜牧业竞争力是一个地区畜牧业发展水平的综合体现,以河南省为例,运用主成分分析和聚类分析的方法,选取综合反映畜牧业综合竞争力水平的38个指标,通过分类对比对河南省18个省辖市的畜牧业竞争力进行了分析.从18省辖市畜牧业竞争力得分排名,可以看出从1999年到2008年18个省辖市畜牧业竞争力的动态变化特征,并可分为几种区域...     

南海北部浮游植物的时空异质性研究

 为研究南海北部浮游植物时空变化规律及其与海洋环境响应关系,采用1997-2002年开展的“南海专属经济区和大陆架渔业资源及其栖息环境调查”所取得的浮游植物调查数据,利用GIS空间局部插值法构建景观分析模型,对南海北部浮游植物时空异质性进行了分析。结果表明,南海北部海区浮游植物密度变化范围为0.03(4 179×10⁴ 个/m³,总平均为87.2×10⁴ 个/m³,夏冬春秋四季浮游植物平均密度由高至低。南海北部浮游植物总体近海高于远海,且在近海海域呈斑块状分布格局,斑块一般出现在北部湾中北部上升流区、粤东遮浪上升流区、台湾浅滩上升流区和粤西沿岸电白-阳江上升流区等南海北部几个重要上升流区内。浮游植物密度最高值斑块一般随着季风和沿岸流的季节转换而交替向东或向西方向进行有规律的漂移。     

人工智能应用中基于区间代数的时态推理

时态表示和推理是人工智能领域的重要研究内容之一,它的应用范围分布很广,从逻辑基础研究到知识系统的应用.区间代数是一种独立的与领域无关的时态理论.用区间代数能表示不确定的时态关系,可以很方便地用于时态推理,表达能力强;时态关系的区间表示比较直观,可理解性强;同时区间代数可以进一步扩展到二维空间领域,即将区间代数拓展为矩阵代数,实现二维空间推理.在一维时态推理中,将时态的区间表示和矩阵表示相结合,在提高计算效率的同时,保持了形象直观的时态表示.     

基于MODIS数据的2001-2018年黑龙江省林火时空分布

[目的]黑龙江省是中国重要的林业省份之一,也是受林火危害最严重的地区之一.通过遥感数据获取森林火点信息,充分了解近年来黑龙江省林火发生的时空分布格局,探索林火发生规律.[方法]根据黑龙江省2001—2018年MODIS(分辨率成像光谱仪)遥感图像的MCD64A1火烧迹地产品数据集,提取林火火点信息,结合历史火灾记录资料...     

基于时间段的时序规则发现

时序规则挖掘用以挖掘数据库中与时间相关的规则及模式.现今大部分时序数据挖掘均是针对基于时间点的,基于时间段的挖掘相对较少.在此提出一个新的基于时间段的时序规则挖掘算法,通过挖掘频繁闭模式集取代完整频繁模式集,减少了挖掘时间,算法效率很高.     

时间知觉对顿悟问题解决的影响研究

探讨了时间观念因素对顿悟问题解决的影响,结果表明时间观念影响顿悟问题的解决,体现在长远未来时间观念促进了加工转移现象的产生,形成了抽象的心理表征,因而促进了对顿悟问题的解决.     

基于组合策略的印刷公式符号切分方法

对公式符号切分这一公式识将符号分离与符号合并策略相结合,提取公式符号的方法,对具有包含关系的符号进行分离操作,而对由多个连通部件构成的符号进行合并处理.实验表明,该方法能够较好地适应公式特点,具有较高的准确性.     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

时间反演联合接收端人工噪声的安全传输方案

针对时间反演(time reversal, TR)技术无法较好地解决聚焦区内非法用户窃听的问题,提出了一种TR技术联合接收端人工噪声的物理层安全传输方案。首先,利用时间反演技术的空时聚焦性提高合法用户接收端的信噪比(signal to noise ratio, SNR)。其次,通过在接收端加入人工噪声来干扰非法用户对合法用户保密信息的窃听,以聚焦区内外系统安全性能为基础,推导出保密信干噪比(signal to interference plus noise ratio, SINR)、可达保密速率和误码率(bit error rate, BER)的解析表达式。最后,通过仿真分析证明了所提方案能提高系统的SINR和可达保密速率,同时还能降低合法用户的BER,使系统拥有更好的安全性能。     

Hybrid Forecasting with Estimated Temporally Aggregated Linear Processes

We introduce a new strategy for the prediction of linear temporal aggregates; we call it ‘hybrid’ and study its performance using asymptotic theory. This scheme consists of carrying out model parameter estimation with data sampled at the highest available frequency and the subsequent prediction with data and models aggregated according to the forecasting horizon of interest. We develop explicit expressions that approximately quantify the mean square forecasting errors associated with the different prediction schemes and that take into account the estimation error component. These approximate estimates indicate that the hybrid forecasting scheme tends to outperform the so‐called ‘all‐aggregated’ approach and, in some instances, the ‘all‐disaggregated’ strategy that is known to be optimal when model selection and estimation errors are neglected. Unlike other related approximate formulas existing in the literature, those proposed in this paper are totally explicit and require neither assumptions on the second‐order stationarity of the sample nor Monte Carlo simulations for their evaluation. Copyright © 2014 John Wiley & Sons, Ltd.