首先,对罕见变异遗传关联分析领域存在的统计问题及相关研究前沿和热点进行梳理分析;其次,对单位点及多位点分析常用统计方法做系统概述,并讨论这些方法存在的问题及面临的挑战;最后,对多性状多位点关联分析方法的未来发展前景作展望。

广义Howell设计是一类双可分解设计,与置换表、多层常重码有密切联系。本文利用可迁和不可迁starter-adder直接构造方法和广义Howell标架递推工具,给出广义Howell设计新的构造,除了53个可能例外值,解决了每行和每列恰好有5个空单元格的广义Howell设计GHD(n+5,3n)的存在性问题。利用广义Howell设计和多层常重码之间的关系,得到相应最优多层常重码MCWC(3,3n;1,n+5;1,n+5;8)的存在性。

水果的自动检测是自动采摘、果园喷药、采后分拣等农业应用中的关键技术。针对果园环境中柑橘目标小、噪声多、遮挡严重等问题,本文基于YOLOv4算法提出一种改进的适用于果园环境的柑橘快速识别方法。主要改进措施包括:一是在训练阶段利用Canopy算法和K-Means++算法自动选择先验框的数目和大小;二是在YOLOv4网络中每个不同尺度特征的输出层前增加一个调整层,并采用残差网络结构和密集连接网络相结合,同时修改回归框损失函数,以便检测复杂背景下的小柑橘;三是在保证不造成较大检测精度损失的前提下,对网络中不重要的通道和网络层进行剪枝。与目前常用的YOLOv4、MLKP和 Cascade R-CNN等3种目标检测算法的对比实验结果表明,本文改进的YOLOv4算法对果园环境下不同生长期柑橘的检测平均准确率达96.04%,平均检测速度为每张图像0.06 s,均优于对比的3种主流目标检测算法。本文提出的方法可为自然条件下果园中柑橘的采摘、产量评估等应用提供技术和方法指导。

针对无人机任务随机下发场景中由于任务完成时间约束带来的任务完成度低的问题,本文提出一种基于深度强化学习的分布式多无人机任务动态分配方法。该方法通过无人机之间的实时交互,首先,对正在执行的任务和新到任务的时间约束、任务量、优先级等特征进行实时量化,同时在任务执行过程中动态生成新的任务优先级特征;然后,将无人机交互后形成的全局任务特征视为无人机共享的任务情况,并不断进行更新形成动态决策依据;最后,在时间约束下,根据实时任务完成情况通过深度强化学习方法进行无人机的行为决策,达到新任务与正在执行任务的动态分配以提高任务完成度。仿真结果表明,该方法能提高时间约束下的系统整体任务完成度。

多模态数据的急剧增长带来了跨模态检索的应用需求,促进了对跨模态检索方法的研究。本文追溯该领域最新进展,跟踪并深入研究国内外基于表示学习的跨模态检索方法,对跨模态检索问题进行定义并梳理该领域常用技术方法、主流模型、常用数据集、评价方法和面临的主要挑战。主要从统计相关分析、图正则化和度量学习3方面介绍基于表示学习跨模态检索方法,并分析其优缺点。为了分析上述方法的优劣性,实验分别在4个数据集上复现14种方法进行对比评价。实验结果表明:基于统计相关分析方法训练效率较高且易于实施;基于图正则化方法通过挖掘模态内和模态间的相似性,实现语义关联;基于度量学习方法是在公共子空间中尽可能保留数据语义相似/不相似的信息。本文介绍基于表示学习的跨模态检索方法的研究现状,为跨模态检索方法研究提供参考。

能源消耗与环境污染使得微藻生物柴油生产成为研究焦点。通过同时提取类胡萝卜素和油脂,对微藻进行综合利用,可以有效降低微藻生物柴油生产成本。类胡萝卜素是一类重要的活性物质,但是, 目前对于微藻类胡萝卜素的合成和代谢调控还缺乏了解。为了更好地理解和操纵微藻类胡萝卜素代谢以增强类胡萝卜素积累,本文综述了微藻类胡萝卜素合成与代谢调控的研究进展,包括类胡萝卜素生物合成途径,提高类胡萝卜素积累的生化调控方式、诱变方式和基因工程方式,阐述环境因素对类胡萝卜素积累的影响,总结了增强类胡萝卜素合成途径关键酶基因的表达、增强调控类胡萝卜素合成途径的转录因子基因的表达等基因工程策略,同时也对微藻类胡萝卜素代谢研究的发展进行了展望。

随着医疗技术的进步,各种新技术与新方法不断涌现,评价这些方法测量结果的一致性尤为重要。可靠的一致性评价结果对提高医疗服务质量、减少医疗资源浪费具有重要意义。目前我国对临床测量中Bland-Altman一致性评价方法的研究较少,且在临床应用中该方法的使用不当问题凸显。本文讨论单次测量和重复测量情况下的Bland-Altman一致性评价流程,针对不同数据类型介绍其处理方式,并对该方法的使用规范进行梳理,以帮助医学工作人员在临床数据分析中正确使用统计分析方法。

多模态融合旨在将多个模态信息整合以得到一致、公共的模型输出,是多模态领域的一个基本问题。通过多模态信息的融合能获得更全面的特征并且提高模型鲁棒性,目前多模态融合技术已成为多模态领域核心研究课题之一。本文基于ImageNet、HowNet和CCD,通过人工标注构建了一个新的多模态知识库,已完成校准ImageNet中21 455个名词及动词概念的映射,有效地将HowNet以及CCD中概念映射到ImageNet中。该数据集能够应用于自然语言处理任务和计算机视觉任务,并通过图片信息和概念信息提高任务效果。在图片分类中,通过增加HowNet和ImageNet概念能够融合更多的图片特征来辅助分类;在语义理解中,通过映射增加图片信息可以更好地理解语义。

针对大多数扫地机器人在进行全覆盖路径规划时,普遍存在重复率偏高和覆盖率偏低问题,并且在遇到密集零散的障碍区域时,会产生线路规划凌乱甚至不能覆盖的问题,设计一种基于分治思想的全覆盖路径规划算法,通过在地图上构建若干线段序列,按照线段序列端点间曼哈顿距离最小原则对局部路径线段进行相连,形成若干弓形线路块;然后采用分治算法实现全局各弓形线路块间最近端点对的匹配,并进行衔接,最终生成路径均匀的全覆盖线路。通过与牛耕式单元分解结合生物激励神经网络覆盖算法进行场景实验对比,分析表明在密集零散的障碍区域中,本文算法仍能规划出整齐平滑的可通行路径,覆盖率仍能高达91.3%,重复率下降约39.3%,时间花销约降低28.1%。

实用拜占庭容错(PBFT)算法可以容忍网络存在不超过节点总数三分之一的拜占庭节点,常被作为联盟链的共识算法。针对PBFT存在主节点选取规则简单、通信复杂度较高等问题,提出一种基于可验证随机函数(VRF)和BLS签名的拜占庭容错(VBBFT)共识算法。在VBBFT共识算法,VRF在共识节点中选取主节点,主节点作为消息收集和发送的协调者,并将节点间的信息交互过程转化为BLS签名过程,降低了节点间的通信复杂度,并保证了节点间的信息交互是安全的。仿真实验结果表明,VBBFT共识算法与PBFT算法相比,交易吞吐率提高了62.3%,时延降低了12%。

接触角是衡量液体在固体表面润湿的重要特征量。目前已经有一些方法模拟固体表面上液滴的接触角现象并测量接触角的大小,但曲面上液滴的接触角测量方法都较为复杂。本文基于化学势的多弛豫晶格Boltzmann方法,提出一种简单高效的测量曲面上液滴接触角的方法。对曲面基板设置一系列的化学势,通过计算曲面上固定液滴的接触角,观察不同化学势下液滴在曲面上的润湿性。在不考虑重力的理想情况下,本文方法得到的接触角和球冠法的计算结果相比,最大误差在3°左右,符合良好。在考虑重力的影响时,不同尺寸的液滴在重力作用下会发生不同程度的形变,此时球冠模型不再适用,而本文模型计算得到的接触角基本不变,与微观接触角和重力无关的理论预期一致。

气候变暖背景下研究气候过渡区森林土壤有机碳沿海拔梯度的分布格局,是土壤碳库时空动态变化研究的重要内容。为研究北亚热带—暖温带气候过渡区典型森林土壤有机碳分布特征,以100 m为高差在鄂东龟峰山南、北坡5个不同海拔高度设置10个采样点,以[0,20)、[20,30)、[30,40)和[40,50)(单位cm)深度分层采集土样,测定土壤有机碳含量和土壤理化性质,研究有机碳分布特征及其影响因素。结果表明:1)龟峰山南、北坡表层土壤有机碳含量和有机碳密度均随海拔升高而显著增加(P＜0.01);2)土壤有机碳沿土层深度的增加而下降,但不同海拔土壤有机碳随土层深度下降的幅度不同;3)相关分析表明土壤有机碳含量与土壤容重、石砾含量存在极显著相关关系。本研究对评估北亚热带山地土壤有机碳储量及变化特征具有重要的参考价值。

针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3 模型的人脸检测与头部姿态估计融合算法。通过K-means 聚类方法对训练集中人脸区域的尺寸进行聚类,得出9 组聚类结果,以模拟真实情况下人脸区域的尺寸和比例;通过拓展YOLOv3模型,实现人脸检测和头部姿态估计同时进行,并在3个不同层次的特征图上进行人脸检测和头部姿态估计,实现对特征图的多尺度检测,充分利用了特征图中的信息;采用端到端模式进行训练,简化头部姿态估计任务的处理流程。在CAS-PEAL-R1姿态子集上取得99.23%的预测准确率,在Pointing′04数据集上pitch和yaw方向分别取得了3.79°和4.24°的平均绝对误差。结果表明,本模型在满足实时性要求的前提下,能够出色完成人脸区域检测与头部姿态估计任务,充分证实本文方法的可靠性与实用性。

数字图像是当前网络环境下重要的信息载体,包含机密信息的图像一旦遭受恶意攻击和窃取,则极有可能出现信息安全问题。因此,对图像信息采取有效的加密保护迫在眉睫。基于压缩感知的混沌图像加密算法同时兼顾了图像数据安全和传输效率,具有很高的研究和应用价值。本综述首先介绍混沌理论、图像加密和压缩感知的基本原理;其次,分析基于压缩感知混沌图像加密中几种主要方法的特征及优势,总结当前的研究现状;最后讨论尚存的问题并展望未来的发展趋势。

生物神经元是神经系统处理信号的基本单元,其复杂的解剖结构和突触可塑性使得神经元对外界刺激具有很强的自适应性,其放电模态也具有多样性。在脑皮层内存在不同的功能区,功能区内的神经元聚集成不同拓扑结构的网络,相互协作对单一外部刺激进行编码。不同功能区的神经元相互通信,以多层网络同步方式传递信号,驱动肌体和器官协作来完成应激反应。神经元网络群体电活动主要取决于网络局域动力学、连接链路和耦合通道的物理属性,网络拓扑结构及物理效应。构建可靠的生物物理神经元模型,强化耦合通道的可控性,分析神经元网络同步和斑图演化过程中能量输运的特征,噪声驱动的物理机理,神经系统选频和滤波响应的物理机制等对于认知神经系统模态响应和预防神经性疾病具有重要意义。本文从单个神经元电路的功能强化,如在非线性电路嵌入不同的物理器件来设计感知温度、光照、声波、外磁场和电磁辐射的功能神经元电路,到神经元电路内部能量存储和交换,听觉和视觉神经元滤波选频,耦合通道耗能和储能,场能量无量纲化到哈密顿能量,场耦合同步到共振同步,神经元网络斑图及同步稳定性,系统地介绍和评论神经元功能性增强及网络动力学相关问题,为进一步设计智能化的功能神经元阵列和装置提供理论参考。

含异常值的数据和高维数据越来越频繁地出现,对现有的稳健估计和多元线性回归估计方法提出了挑战。传统的多元线性回归模型估计对异常值非常敏感,基于MCD估计方法的多元线性回归估计对异常值有一定的抵御作用。但随着数据维数的增加,MCD估计的精度不断降低,稳健性也随之降低,且当数据维数大于样本量时MCD估计方法失效。因此,本文利用MRCD的均值向量和协方差矩阵估计,提出了基于MRCD估计方法的高维稳健多元线性回归模型估计。数值模拟的结果表明,基于MRCD估计方法的多元线性回归模型估计能很好地抵御异常值,且在数据维数大于样本量的情况下,基于MRCD估计方法的多元线性回归估计更为有效。实证分析的结果表明,基于MRCD方法的多元线性回归估计能更好地抵御异常值并得到更好的预测效果。

微分动力系统的极限环与等时中心是微分方程定性理论中2个经典问题,也是微分方程定性理论领域的研究热点,其研究有重要理论意义和应用价值。相较于平面系统,三维微分系统的极限环与等时中心研究也是一项有挑战性的工作,系统复杂度与定性分析难度都有很大提升。本文主要介绍近几十年来三维微分系统的极限环与等时中心的研究进展,并给出该领域一些待解决的问题。

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks, EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy, WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明:Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。

基于深度学习的短文本语义相似度度量方法是现代自然语言处理任务的基石,其重要性不言而喻。本文提出一种基于卷积神经网络和双向门控循环单元的文本编码模型,通过卷积层提取重要语义并且通过双向门控循环单元保证语义顺序,采用孪生神经网络结构保证文本编码的一致性。选取传统的卷积神经网络和长短期记忆网络以及BERT模型进行对比验证,在Quora、Sick和MSRP数据集上的验证结果表明,本文模型的精确率和召回率表现优异,且F₁值也优于传统模型。

自动化机器学习是机器学习前沿的一个重要问题,自动化机器学习工具根据数据集及任务需求组合机器学习算子来构造流程,使领域用户在不具备专业机器学习知识的情况下也能完成相应数据分析工作,但目前的自动化机器学习工具普遍存在耗时长和精度低的问题。本文基于数据集相似性和强化学习原理,提出一种数据驱动的自动化机器学习流程的生成方法,利用相似数据集的历史知识,将神经网络与MCTS相结合,指导机器学习流程的生成。实验结果表明:该方法在耗时方面缩短至分钟级别,流程性能也得到提升。

Web服务是一种基于Web环境的具有自适应、自描述、模块化和互操作能力的应用程序,这些特点使其具有很好的重用性。软件重用是目前降低软件开发成本的一种颇具前景的方法,Web服务的自动分类在软件重用中起着至关重要的作用。近年来人们将机器学习技术广泛应用于服务分类,取得了一些成果。但是传统机器学习方法的性能高度取决于特征工程的质量。本文提出一种基于预训练模型BERT和深度金字塔卷积神经网络DPCNN相结合的BERT-DPCNN深度神经网络模型,该模型可以自动抽取服务描述的低级表现形式并抽象为高级特征而无需进行特征工程。为了验证该方法的有效性,本文在50个类别、10 184个真实Web服务的数据集上与传统的机器学习方法和一些深度神经网络模型进行全面比较,结果表明,本文提出的模型相比其他方法具有更高的准确率。

随着我国高速公路体系不断完善和地区高速公路网络的成型,系统网络化分析逐渐成为高速公路运营管理的重要研究内容。复杂网络作为现实系统的抽象模型是研究网络的重要工具,本文根据高速公路系统运行特点,结合道路基础设施网络和出行者出行网络,建立高速公路多层复杂网络模型。在多层复杂网络的基础上,对PageRank算法和TOPSIS算法进行改进,构建PageRank-TOPSIS融合算法,并对高速公路节点重要性进行分析评估。结果表明,各收费站节点在不同性质的属性值下重要性差异较大,PageRank-TOPSIS融合算法能够根据不同的加权回归系数综合反映收费站节点在高速公路复杂网络的重要性。基于多层复杂网络的高速公路节点重要性分析给予高速公路节点研究新的视角,为高速公路网络分析和运营管理部门提供可靠的理论支持。

针对老年人跌倒后不能得到及时救助带来的伤害,研究跌倒检测算法和及时告警,可以减轻跌倒给老年人带来的严重危害和后果。为了提高跌倒检测精确度和实时性,本文提出基于双向长短期记忆神经网络的可穿戴跌倒检测算法,该算法可以对输入的数据(取自惯性传感器)自动提取跌倒行为内部更深层的数据特征,实现数据从预处理到检测结果的过程处理。算法模型通过神经网络提取加速度传感器的特征向量,并利用双向长短期记忆神经网络进行跌倒检测。通过跌倒公开数据集SisFall验证算法模型,结果表明该算法在SisFall实验数据集上具备较高的检测精度,满足准实时检测要求,具有较好的实用性和较强的泛化能力。

本文通过整合分析,收集整理了国内外84篇生物质炭与土壤有效态镉含量及植物镉吸收方面的文献,从土壤特性、生物质炭施用量、生物质炭原料及制备条件等方面,研究了生物质炭施用对土壤有效态镉含量及植物镉吸收的影响。结果表明,生物质炭能有效降低土壤有效态镉含量及植物对镉的吸收,且植物比土壤的响应更明显。与不施加生物质炭的对照组相比,壤质和黏质土壤中的有效态镉分别显著(P<0.05)降低了33.06%和17.00%,而在砂质土壤中的变化不显著,弱酸性(5.5＜pH≤6.5)土壤对生物质炭的施用响应更显著,平均降低36.72%。生物质炭制备的合适原料、温度、时间及施用量分别为:生活垃圾类物质、大于等于600 ℃、大于等于3.5 h和3%左右。所得结果为镉污染土壤—植物系统中生物质炭的选择与应用提供参考依据。

深度学习为轴承故障诊断的智能化发展提供了新思路。本文从类脑计算角度出发,设计一种对轴承数据敏感的脉冲神经网络来完成故障数据分类任务。首先采用信号分解的方式提高原始信号特征提取效果,然后对故障信号进行脉冲编码,并采用多分量混合输入方式填充时间步作为神经网络的输入,最后采用卷积脉冲神经网络(SCNN)进行故障分类。为了验证该模型的分类效果,采用西储大学轴承数据集进行验证,分类准确率达到了99.78%。结果表明该轴承数据编码方案可以充分发挥脉冲神经网络时空动力学特征,且该脉冲神经网络模型在轴承故障诊断问题上具有高精度、高效率的特性。本研究有利于促进脉冲神经网络在故障诊断领域的研究和应用。

科学研究中,样本量和功效计算是非常重要的工作。可加风险模型是生存分析研究中经常用到的半参数模型,其协变量对基础风险函数有加法作用。和比例风险模型相比,可加风险模型在许多应用中效果更好,尤其是协变量取值为0或1时。本文基于Wald检验,提出一种计算可加风险模型现状数据功效和样本量的新方法。模拟结果说明该计算方法十分有效。另外,本文通过1个实际例子展示新方法的应用。

在拥有多个存储节点的云数据存储系统中,保持云存储系统的负载均衡水平为一个合理的值和最小化数据检索的时间是一个值得研究的问题。本文提出一种基于粒子群优化算法的云数据均衡放置策略(balanced placement strategy of cloud data based on particle swarm optimization algorithm, BPCD),首先,给出一种云存储系统模型;其次,引入基尼系数作为衡量该系统负载均衡水平的指标,结合数据检索时间目标函数构建多目标约束优化模型;再次,采用粒子群优化算法对问题进行求解,主要包括数据节点编码与参数设置、种群初始化、粒子群空间搜索、算法迭代4个过程;最后,将本文算法与传统云数据放置算法进行对比分析。仿真实验表明,本文提出的云数据均衡放置策略在优化云存储系统的负载水平和数据检索时间方面具有良好的效果。

函数型数据采用全非参数的方法,假设数据来自一条光滑的曲线,把整个曲线当成一个样本来处理,从而避免高维和高度相关的问题。其研究始于20世纪50年代,经过近70多年来的发展,很多经典的统计分析方法都被推广到函数型数据,且被中外学者写成综述和相关书籍以便研究者使用,如主成分、典型相关、线性模型和聚类问题等。但是,目前仍缺少有关函数广义线性模型和分类问题的综述和书籍。基于此,本文从函数型数据发展的数据形式、函数近似包括基底展开和主成分、函数广义线性模型和分类等问题的发展历程及未来发展方向等方面进行详细的综述。进一步,为了能够在经济、金融、医学、气象和环境等领域更好地应用函数型数据,本文提供了具体的样条估计计算程序。

与服药相关的社交文本中隐藏着更具时效和更广泛的药物不良反应信息,但是从相对短小、稀疏的社交短文本中提取药物不良反应非常困难。基于此,本文提出一种双向语言预训练模型和注意力机制相结合的神经网络识别方法。该方法利用双向字符级语言预训练模型提取特定字符级特征,而且在提取药物不良反应的同时,通过注意力机制捕获局部和全局语义上下文信息。此外,为了提高该方法的效率,将字符级特征与词级特征相结合,并采用词级预训练和字符级预训练模型代替协同训练。在PSB 2016社交媒体挖掘共享任务2中的实验结果表明,字符特征在形态学上有助于区分药物不良反应,而注意力机制通过捕获局部和全局语义信息提高了对药物不良反应的识别性能,宏平均F₁值为82.2%。

Web流量预测一直是数据中心网络的热点问题,对于提高网络服务质量具有重要意义。由于Web流量具有非线性、自相关性和周期性等复杂特点,对其准确预测有很大的挑战性。为充分挖掘出Web流量的可预测信息,同时使预测模型具有充分的可解释性和可配置性,本文提出一种基于Prophet和深度自回归(DeepAR)的组合预测模型。其中,Prophet是基于时序分解的加性模型,对Web流量的趋势、季节性周期、节假日信息进行建模。同时,使用基于概率预测的DeepAR模型对Prophet残差隐含的自回归信息建模,捕获长短期依赖关系,以减低Prophet残差的方差,并充分捕获Web流量的自回归信息。在真实的Web流量数据集上进行验证实验,结果表明在RMSE和MAE两项评价指标上均优于对比模型,验证了该组合模型的有效性。

非参数似然方法是在参数似然方法基础上发展的一种非参数方法,具有与传统似然方法类似的许多优良性质,特别是其中的经验似然方法,得到许多学者的重视和研究,是目前统计学的一个重要研究方向。本文在介绍非参数似然方法相关思想基础上,结合团队研究工作,主要从估计、检验和复杂数据应用等方面分别对其研究进展进行较系统地综述,分析相关研究思路和研究内容,给出一些主要结论和研究的侧重点。

针对目前大多数钓鱼网站检测技术准确率低、计算资源消耗大和检测不及时等问题,本文提出一种基于改进Stacking策略的钓鱼网站检测方法。该方法将多个分类表现优异的基学习器通过Stacking策略集成为一个高性能模型,并且把该Stacking算法第一级的输入特征与预测结果同时作为第二级的输入特征,充分发挥各模型精度高、速度快等优势,从而进一步提高模型性能。实验结果表明,与传统的机器学习钓鱼网站检测技术相比,在10万级数据集上,此集成学习算法在多个指标上都表现出更好的性能,精确率达到了97.82%,F₁值达到97.54%,可以有效地检测钓鱼网站。

由于轴承退化数据较少及不同工况之间轴承数据分布差异较大,实现在一个轴承上训练的剩余寿命预测模型,能够预测其他同一工况或不同工况不同轴承的剩余使用寿命,是一个待解决的难题。本文提出基于跨域均值逼近的联合分布自适应轴承剩余使用寿命预测方法,首先,对轴承原始振动信号数据进行归一化处理;其次,通过投影矩阵将源域和目标域数据映射到一个低维公共特征子空间中,利用基于跨域均值逼近的联合分布自适应方法对源数据和目标轴承数据进行领域适配;最后,利用门控循环单元对轴承剩余使用寿命进行预测。在IEEE PHM Challenge 2012数据集上进行多组迁移实验,结果表明,所提方法在同一工况或不同工况下不同轴承间有良好的预测精度。

利用条件分位数分别在响应变量非随机删失和随机删失的情形下研究超高维数据的特征筛选,提出相应的特征筛选方法,理论证明和模拟验证都证明该方法筛选出的变量集满足确定筛选性质和排序一致性。与已有方法相比,本文方法在协变量与删失变量相关时具有相对优势。

形态测量学是生物形态定量研究的重要部分,广泛应用于分类鉴定、系统发育、形态变异研究。本文阐述几何形态测量学的分析方法与流程,即标点法与轮廓线法、薄板样条分析与傅里叶分析、主成分分析和系统发育主成分分析、聚类分析、判别分析及模块集成分析,并总结几何形态测量学常用分析软件及其主要用途,同时介绍几何形态测量学在直翅目中的应用,以期为直翅目昆虫研究提供新思路。

运用第一性原理方法,研究了不同浓度碱金属Li的掺杂对单层Janus MoSSe的电子结构和光学性质的影响。计算结果表明:Li替代掺杂后,其结合能数值均为负值,表明在掺杂过程中释放出能量,Li掺杂Janus MoSSe体系具有良好的稳定性。能带结构分析发现,Li掺杂后能在单层Janus MoSSe禁带中引入杂质能级,从而使它由直接带隙半导体变为间接带隙半导体,并减小了带隙值。其中,当掺杂物质的量分数为6.25%时,Li替代掺杂Se面时的禁带宽度减小更多,其对电子结构的调制效果更好。光学性质研究表明,Li的掺杂能改变该材料可见光区的吸收系数和静态介电常数ε(0)。Li替代掺杂增大了材料的光吸收率,使其对可见光吸收能力有所增强,具有太阳光能量收集或光催化等方面的潜在应用价值。

确定独立筛选(SIS)方法在处理超高维稀疏线性回归模型的变量选择问题上已得到了广泛的应用,且已被推广到处理广义线性回归模型的变量选择问题。但SIS不能很好地解决非线性回归模型的变量选择问题,关于该问题的现有研究也较少,因此,如何有效地对超高维稀疏非线性回归模型进行变量选择是一个具有研究价值的问题。本文在经典的SIS方法基础上,利用互信息的刀切估计(JMI),提出JMI与SIS相结合的方法,给出具体算法步骤,以实现超高维稀疏非线性回归模型的变量选择问题,并通过一些有代表性的统计模拟试验,验证所提方法的相合性,同时通过2个超高维基因数据的实例分析,对所提方法的可行性以及实用性进行说明。

本文结合DAR模型及传统的ARMA-GARCH模型,提出一类带有新型GARCH类误差项的自回归滑动平均模型。该模型比DAR模型引入更多数据信息, 同时定义一种由可观测序列驱动的新型条件异方差结构,比传统ARMA-GARCH模型的条件方差更易于估计。本文研究模型参数的拟极大似然估计, 并在较弱矩条件下证明估计量的渐近正态性;数值模拟结果证实该模型在有限样本下的有效表现; 实证研究表明:该模型可以提高数据拟合效果, 因而具有一定应用价值。

新冠疫情期间,公路货运量明显下滑,公路运营状况变化复杂,亟须科学预测公路货运量。通过灰色关联分析,确定疫情期间公路货运量主要影响因素,构建了基于灰色组合(GC)-修正BP神经网络(rBPNN)模型的公路货运量预测方法。以我国2017年7月—2020年5月的公路货运量统计数据为原始数据,对BP神经网络进行训练和检验,并引入修正系数H_M对预测结果进行修正。以疫情期间近5个月数据为基础,用灰色组合模型预测下月公路货运量各主要影响因素值,再运用修正BP神经网络预测我国2020年6月的公路货运量。将GC-rBPNN模型与其他预测方法进行对比分析,GC-rBPNN模型的PE 和MAPE分别为0.21%和3.21%,结果表明,GC-rBPNN模型的预测精度更高,有一定的可行性和有效性。

为了解灵渠流域青冈栎群落主要木本植物的生态位特征,在对其进行群落调查的基础上,利用Levins和Shannon-Wiener生态位宽度、Pianka生态位重叠和Schoener生态位相似性,对青冈栎群落乔木层和灌木层主要物种的生态位进行定量分析。结果表明:1)重要值较大的物种,其生态位宽度一般较大,但两者大小在排序上并不完全一致。2)乔木层的青冈栎、清香木和灌木层的红背山麻杆、檵木的生态位宽度较大。3)在青冈栎群落中,主要植物种群生态位重叠及生态位相似性均集中在较低水平(生态位重叠值:乔木层物种为0.1~0.4,灌木层物种为0~0.2;生态位相似性值:乔木层物种为0.2~0.5,灌木层物种为0~0.4),表明物种对环境资源的利用相似度不高。4)生态位宽度与生态位重叠并没有显著的相关关系。物种的生态位宽度大但重叠值不一定高,生态位宽度小重叠值不一定低。5)生态位重叠值大的物种,生态位相似性一般也大。青冈栎群落属于地带性顶级群落,物种间竞争不激烈,种间关系和谐,但物种更新缓慢有衰退的趋势。