基于映射距离比离群因子的离群点检测算法

针对基于邻近性的离群点检测方法需要花费大量时间过滤正常点,并且在检测全局离群点时难以检测出局部离群点的问题,提出一种基于映射距离比离群因子离群点检测(MDROF)算法。首先,为了减少正常点在检测过程中的时间消耗,给出了差异相似度的概念,通过定义差异相似度剪枝因子过滤掉数据集中的大部分正常点。其次,定义映射k距离,通过映射距离与可达距离的比值刻画数据对象的局部离群程度,通过可达密度刻画数据对象的全局离群程度。最后,结合数据对象相互近邻点的平均排位定义映射距离比离群因子来检测离群点。在人工数据集以及真实数据集上分别对该算法与其他经典的离群点检测算法在精确率、AUC值和离群点发现曲线上进行实验对比分析。实验结果证明MDROF算法在离群点检测的准确性和稳定性上明显优于对比算法。

自适应初始光子收集半径的卡方渐进光子映射

卡方渐进光子映射(chi-squared progressive photon mapping, CPPM)使用K近邻法(K nearest neighbor, KNN)为命中点确定初始半径,导致图像中光照均匀区域的噪点及明暗交界区域和焦散区域的模糊。针对此问题,提出一种计算光子映射初始半径的算法,自适应地为各命中点确定初始半径:为CPPM算法增加预处理环节,根据对光子分布的均匀程度的检验及对高频区域的筛选为命中点设置初始半径,以保证光照均匀区域的命中点保持在大半径上,光照变化区域的命中点半径快速下降。实验结果表明,改进算法减少了光子映射算法的方差和偏差,提高了渲染效果。

K-凸函数的性质

借助集值映射的K-回收映射和K-雅可比映射得到了K-凸函数的两个性质。

密集分布虾卵典型特征信息检测方法

针对红螯螯虾人工繁育过程中对虾卵位置、尺寸、颜色等典型特征信息的检测需求,该研究提出一种基于深度学习的虾卵典型特征信息检测方法,充分利用深度学习来提高检测精度和泛化性。首先利用密度图回归模型和局部峰值滤波方法实现图像中虾卵个体的准确定位,输出定位图。然后结合K维树与边界框搜索算法,获得图像稀疏区域包围单粒虾卵的子图,并利用椭圆轮廓检测方法得到单粒虾卵尺寸数值。最后利用K-means颜色聚类对密集分布虾卵图像和单粒虾卵子图进行颜色检测,得到图像中所有虾卵和单粒虾卵的主色。图像中虾卵定位最高精度可达94%,虾卵长度和面积预测误差控制为0~2个像素和4~11个像素左右,图像和虾卵主色分类明确。该研究方法可以为红螯螯虾人工孵化流程中的虾卵密集度、成熟度、质量等指标提供基础评估数据,具备很好的实际应用价值。

基于Citespace的粉葛研究进展可视化分析

基于文献计量学方法,通过Citespace软件绘制知识图谱,以“粉葛”和“甘葛藤”为主题词,将采集到的1993~2022年377篇文献作为研究对象,对文献的发文量、作者、发文机构、期刊分布、等进行信息挖掘,并通过关键词聚类图谱、时间图谱、突现词分析等方法进行可视化分析。结果表明,粉葛相关文献年发文量总体呈现上升趋势,2020以来呈现快速增长态势。从事粉葛研究的主要机构包括江西中医药大学、广西农业科学院、广西大学等,合作单位和合作团队呈现明显的“地缘”和“学缘”特征。目前,粉葛相关文献40%发表在核心期刊上,其中,中医药类和食品加工类期刊收录的粉葛相关文献较多。研究内容从理论走向实践,研究热点从粉葛品质鉴定、粉葛栽培技术转向粉葛生药学、产业经济调研等;目前,淀粉、产量、多糖等成为突现关键词;关键词时区图结果显示葛根素、总黄酮、HPLC等关键词贯穿整个粉葛研究阶段,成为该领域的研究基石,反应了粉葛研究存在的一定问题。

基于双特征的短波红外星图识别算法

在短波红外波段进行昼夜测星有望实现近地空间全天时自动导航,其中,星图识别算法是实现全天时导航的关键技术之一。传统的三角形算法在导航星数增多的情况下,由于其匹配特征维度低,在识别时容易出现冗余匹配、误匹配的情况。针对这一问题,提出了一种基于双特征的短波红外星图识别算法,该算法选取三角形的面积与外切圆半径双高维特征作为匹配特征,通过构建面积特征的K矢量索引,应用K矢量查找法降低匹配识别的计算复杂度。此外,还提出一种优化的观测三角形的选择策略,减少了匹配过程中的计算量,提高算法的识别速度。实验表明,星点位置噪声低于2像素时,算法的平均识别率优于95%;伪星数未超过50%时,平均识别率可达87.6%;并通过实际观星试验验证了所提算法的可行性,与改进的三角形算法相比,该算法在识别速度、识别率以及抗噪声能力等方面都有明显优势。

聚类分析在测绘地理信息领域的应用

介绍了聚类分析的基本原理、经典算法以及聚类结果评价体系,探讨了聚类分析在测绘地理信息领域的具体应用及其未来发展趋势与挑战。聚类分析作为测绘地理信息领域中不可或缺的数据分析工具,需要我们继续挖掘其应用潜力。同时,如何进一步提高聚类分析的效率、精度和可靠性,仍然需要积极研究与探索,并将成果用于推动测绘地理信息产业的发展与创新。

基于数字制图的抚州市水土流失因子提取研究

快速准确地获取区域尺度土壤可蚀性因子(K对可持续农业发展和水土保持管理非常重要。以抚州市106个土壤样本数据为基础,选取遥感光谱指数、地形因子和气候变量作为辅助,通过构建随机森林模型预测研究区30m空间分辨率的K因子分布。结果表明,研究区K因子具有一定离散性,分布范围在0.0131(t·hm^(2)·h)/(MJ·hm^(2)·mm)~0.0447(t·hm^(2)·h)/(MJ·hm^(2)·mm)之间;环境变量中以气温、地形对K因子分布的影响最大,随机森林适用于K因子空间制图,验证精度R达0.68,RMSE为0.007t·hm^(2)·h)/(MJ·hm^(2)·mm)。本研究为水土流失评价因子的优化提供了新思路。

基于多策略融合斑马优化算法的特征选择方法

针对传统斑马优化算法在求解复杂优化问题时精度低、收敛速度慢和易陷入局部最优的不足,提出一种多策略融合的改进斑马优化算法(IZOA)。首先,为解决斑马个体初始位置分布不均匀的问题,引入混沌映射来增加探索过程的种群多样性;其次,受自适应权重和黄金正弦算法思想启发,提出一种基于自适应递减权重和黄金正弦更新机制的位置更新策略,用于改进斑马算法的局部寻优与全局探索能力;然后,进行标准测试函数实验,验证了IZOA能够有效提升寻优精度和收敛速度;最后,将K近邻分类器作为待优化目标,选取UCI库的12个标准数据集进行特征选择实验,并利用改进后的算法在特征选择模型中进行最优特征子集搜寻。实验结果表明,相比传统算法,所提算法的平均分类准确率提升4.47%,平均适应度值降低2.5%,验证了该算法在特征选择领域的优越性。

融合SOM神经网络与K-means聚类算法的用户信用画像研究

为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性,提出一种融合自组织映射(SOM,Self-Organizing Map)神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取,直接获得最优聚类数目后再用K-Means算法进行聚类分析。通过真实在线借贷平台数据对所提方法进行验证,结果表明,该方法可提升用户信用画像分析的质量,更好地满足金融数据分析中对实时管理和风险控制的要求,为金融机构提供精准的决策支持。

基于SOM-FDA利用XRF对药品铝塑包装片的分类

建立了一种对药品铝塑包装片进行快速分类的方法。利用能量色散型X射线荧光光谱(XRF)仪,对47种不同的药品铝塑包装片样品进行了检验,结合自组织映射(self organizing map,SOM)神经网络聚类,通过最大相关性最小冗余(maximum relevance minimum redundancy,MRMR)算法对元素重要性进行排序,并利用最近邻(K-nearest neighbor,KNN)分类器处理样品数据。依据样品中所含元素的种类及质量分数的不同,对药品铝塑包装片进行区分。SOM神经网络聚类的结果为9类,KNN分类器的准确率为97.87%。X射线荧光光谱法操作简便快速、无损检材、灵敏度高。建立的分类模型科学准确,可为公安机关大规模筛选、确定侦查方向、缩短侦查时间提供帮助。

太湖流域苏皖汇流区土壤可蚀性K值及其应用的研究

利用土壤普查成果中的土壤图和理化分析等资料 ,采用公式计算法研究了该区土壤的可蚀性K值 ,改进和完善了K值图编制方法 ,并用微机首次制出具有准确几何位置、可与地形图配准的土壤可蚀性K值图。同时 ,还依据该区K值的分布特点讨论了它在水土保持、土壤年流失量监测、生态农业建设和防洪减灾中的应用。

基于K图的布尔差分计算的图形方法

基于 K图和降维 K图 ,讨论了计算逻辑函数的一阶布尔差分和二阶布尔差分的图形方法 .实例表明该方法具有直观、简单等特点 ,并且它能给出布尔差分的最简与 /或式 .

基于K图的布尔E-导数计算的图形方法

分析了逻辑函数的K图和降维K图,在此基础上,从逻辑函数定义出发,讨论了用K图和降维K图计算逻辑函数一阶布尔E-导数和二阶布尔E-导数的图形方法,实例表明该方法具有直观、简单等特点,并且能给出布尔E-导数的最简与/或式.

基于K图的函数RM展开式在固定极性下的最小化

分析了K图的性质,发现在K图中过某格的所有聚合圈相应的各乘积项所含变量与该格对应的最小项均有相同的极性,在此基础上提出了得到基于K图函数RM展开式在固定极性下的最小化的图形方法.该方法可以从K图直接得到函数的最小化的RM展开式,从而省略了传统的把K图转变为bj图再求最小化的步骤.它具有直观、简单、易于掌握等特点.此外,文中还提出了该方法的改进算法.

基于零点的函数K图和dj图的转换

介绍了函数的最大项展开式和 CRM展开式及其图形表示 ,提出函数 K图和 dj图的零点的概念 ,并以此为基础讨论了基于零点的函数 K图和 dj

逻辑函数布尔c-导数的图形计算方法

基于逻辑函数1阶布尔c-导数,引入了k阶布尔c-导数的概念.提出了基于逻辑函数的K-图和降维K-图的1阶布尔c-导数和2阶布尔c-导数的图形计算方法,并通过实例展示了其求解过程.与代数法相比,该方法更直观有效,且能直接读出布尔c-导数的最简与/或式.所提出的用降维K-图计算逻辑函数布尔c-导数的方法在一定程度上解决了K-图规模随函数变量n的增加而迅速扩大的问题.

利用高密度SNP遗传图谱定位小麦穗部性状基因

小麦穗部性状之间相关性密切,其中穗粒数和千粒重是重要的产量构成要素,挖掘与穗部性状相关联的基因位点对分子标记辅助育种及解释基因效应具有重要意义。本研究以RIL群体（山农01-35×藁城9411）173个F_（8：9）株系为材料,利用90 k小麦SNP基因芯片、DAr T芯片技术及传统的分子标记技术构建的高密度遗传图谱,在5个环境下进行穗部相关性状QTL定位。检测到位于1B、4B、5B、6A染色体上7个控制千粒重的加性QTL,解释表型变异率6.00%~36.30%,加性效应均来自大粒母本山农01-35;检测到8个控制穗长的加性QTL,解释表型变异率14.34%~25.44%;3个控制穗粒数的加性QTL;5个控制可育小穗数的加性QTL;3个控制不育小穗数的加性QTL,贡献率为8.70%~37.70%;4个控制总小穗数的加性QTL;6个控制小穗密度的加性QTL。通过基因型与环境互作分析,检测到32个加性QTL,解释表型变异率0.05%~1.05%。在4B染色体区段EX_C101685–RAC875_C27536检测到控制粒重、穗长、穗粒数、可育小穗数、不育小穗数、总小穗数的一因多效QTL,其贡献率为5.40%~37.70%,该位点在多个环境中被检测到,是稳定主效QTL。在6A染色体wPt-0959-TaGw2-CAPS区间上检测到控制粒重、总小穗数的QTL。研究结果为穗部性状的分子标记开发、基因精细定位和功能基因克隆奠定了基础。

外包数据库中字符数据的k-映射密文索引技术

密文索引技术是提高外包数据库查询效率的一种有效手段,但目前的索引方案存在查询命中率低的缺陷,造成了不必要的网络堵塞。减少冗余元组的数量是解决该问题的关键之处。本文以提高字符数据的查询效率为目标,首先确定构成属性域的所有字符,然后对每个字符映射成个字符索引,再将字符索引与干扰字符适当结合形成密文索引。以此为基础,提出一种字符数据的-映射密文索引技术。该技术消除了冗余元组,且支持各种模糊查询。最后给出了应用于外包数据库模型中的密文查询策略,并对该方法进行了理论分析和实验验证。

基于K图的逻辑函数OC展开式在固定极性下的化简

分析了K图在表示逻辑函数最大项展开式的特点和性质,发现在K图中作含某格的所有聚合圈相应的和项中所含变量的极性与该格对应的最大项具有相同的极性.在此基础上提出了基于K图的逻辑函数OC展开式在固定极性下化简的新方法.该方法可以利用K图直接得到逻辑函数的最小化的OC展开式,从而省略了传统方法把K图转换为dj图的步骤,具有直观、方便等特点.