油松人工林土壤微生物对结构调整的响应研究

[目的]为评估结构调整对油松人工林生态系统的影响,探索土壤微生物群落结构动态对结构调整干扰的响应机制。[方法]利用高通量测序技术,对结构调整后山西省中条山油松人工林林下土壤微生物的类群组成及多样性进行探究,分析土壤微生物群落的组成结构、多样性及其与环境因素的相互关系。[结果]油松人工林结构调整能够降低土壤的pH值,土壤养分含量显著低于对照样地。土壤微生物的优势菌群未发生较大的变化,土壤的优势细菌类群是变形菌门、放线菌门、酸杆菌门,而优势真菌类群为子囊菌门、担子菌门和被孢菌门。结构调整后油松人工林土壤微生物的丰富度显著增加,多样性较对照样地略有增加,但差异不显著。对结构调整前后的油松人工林微生物类群与土壤理化性质进行RDA分析,pH、总氮、土壤有机质和速效氮是驱动土壤微生物类群变化的主要因子。[结论]结构调整后的油松人工林样地仍处于恢复期,微生物类群结构与未调整样地相比具有相似性,但调整后的土壤微生物类群更为丰富,变形菌门和担子菌门的增加使得土壤中固氮菌的比例提高,土壤微生物类群向有助于有机质分解的方向转换。

一种空中目标关联关系挖掘分析方法

快速准确挖掘分析雷达历史数据中蕴含的目标关联关系,可以为空中目标活动规律研究、目标识别判性等提供辅助,充分发挥历史数据作用。根据目标时空特性,设计了一种新的空中目标关联关系挖掘分析方法。设计了一种时间匹配方法,生成时间关联数据集。设计了一种空间关联度量,生成空域关联数据集。运用DTW及生成树算法,匹配并搜索具有关联关系的空中目标,生成关联关系集合。经数字仿真验证,该方法可有效挖掘雷达数据历史信息,寻找目标之间的关联规律。

论增进调查问卷研究效度之新策略

问卷研究效度是指问卷所获得的资料达成研究目的之程度。问卷的试测效度和问卷的测量效度是表达问卷研究效度的两个指标。以长期从事问卷研制的实践经验为基础,探索增进问卷研究效度之新策略:“目标树建构—题目导出与问卷研制—试测操控—反馈评估与对标修改”。(1)根据研究目的建构概念分析的目标树和溯因分析的目标树。(2)从目标树的末级目标导出问卷题目,结合被调查者的特点编撰题干和选项,自编与借用题目相结合。(3)应用实验和准实验效度理论,控制试测样本误差、试测安排的霍桑效应、区域文化差异、历史事件、情境污染等无关变量对问卷资料的影响,增进问卷的试测效度。(4)分别运用对标分析法和因素分析法评估问卷资料的内容效度和结构效度,并根据评估结果对标修改问卷题目。

考虑综合性能最优的非短视快速天基雷达多目标跟踪资源调度算法

合理有效的资源调度是天基雷达效能得以充分发挥的关键。针对天基雷达多目标跟踪资源调度问题,建立了综合考虑目标威胁度、跟踪精度与低截获概率(LPI)的代价函数;考虑目标的不确定、天基平台约束以及长远期期望代价,建立了多约束下的基于部分可观测的马尔可夫决策过程(POMDP)的资源调度模型;采用拉格朗日松弛法将多约束下的多目标跟踪资源调度问题转换分解为多个无约束的子问题;针对连续状态空间、连续动作空间及连续观测空间引起的维数灾难问题,采用基于蒙特卡罗树搜索(MCTS)的在线POMDP算法—POMCPOW算法进行求解,最终提出了一种综合多指标性能的非短视快速天基雷达多目标跟踪资源调度算法。仿真表明,与已有调度算法相比,所提算法资源分配更合理,系统性能更优。

改进的DBSCAN算法在室内多扩展目标跟踪中的研究

基于密度聚类(DBSCAN)的算法由于不需要提前确定聚类的簇数目且具有抗噪声等特点,被广泛用于雷达多目标跟踪中。针对雷达获取室内目标的量测数据量增大、杂波分布密集导致目标跟踪系统复杂度增加、耗时严重的情况,提出一种改进的方法。该方法通过构建KD树来加速DBSCAN算法中邻域点的查找过程,极大地提高了运算效率,改善了目标跟踪系统的实时性。并且运用Murty算法和无迹卡尔曼滤波算法(UKF)来提高传统多目标跟踪系统的跟踪效率和精度。通过仿真实验将传统DBSCAN算法与K-means算法以及改进的算法相比较,实验结果表明在保证室内多目标跟踪系统的跟踪精度的同时,改进算法极大地提高了跟踪系统的实时性。

基于激光SLAM的物流分拣机器人自主导航研究

物流分拣机器人工作环境的障碍物多,为此提出基于激光SLAM的物流分拣机器人自主导航研究方法。利用激光SLAM确定机器人工作环境中障碍物的分布情况;将目标偏置策略加入到RRT*算法中,通过设置固定概率和变概率的目标偏置策略,在遍历目标点时使路径节点更具导向性,更好地避免机器人与障碍物发生碰撞,再利用搜索随机树搜索其中的最短路径。对比实验表明:与常规方法相比,该方法可在起始点与目标点之间指导机器人按照最短路径行进,导航过程花费时间较短,使机器人自主导航的出错率和能耗均在5%左右。

基于RRT-BZD算法的移动机器人路径规划

针对传统RRT算法在移动机器人路径规划中效率低、路径非最优的问题,提出一种改进的RRT-BZD算法,以提高RRT算法的收敛速度和算法的搜索效率。改进的RRT-BZD算法通过设置自适应目标偏向策略以及修剪冗余节点,加快了路径规划的收敛速度,减少了算法运行的时间,并且使用贝塞尔插值法使最终的路径更加平滑。在MATLAB仿真环境中分别对不同场景下的算法进行对比实验,实验结果表明:改进的RRT-BZD算法路径代价比传统RRT算法减少了7.93%,计算时间减少了20.28%,验证了改进算法的有效性和可行性。

基于改进双树RRT^(*)算法的冗余机械臂末端路径规划

针对冗余机械臂的冗余特性与相关RRT^(*)算法在规划机械臂末端路径的应用中存在的搜索效率较低、收敛性不稳定以及没有充分考虑到机械臂末端几何构型与自身运动特性对路径规划影响的问题,提出一种改进策略。首先,引入一种基于根尾节点连线夹角的采样点选择方式,并设置目标逼近区域。根据连续采样成功次数动态选择改进采样与随机采样。接着,将双树扩展策略与上述方法相结合。最后,将初始可行路径进行二次重连得到最终的优化路径。通过验证,改进双树RRT^(*)方法能够有效地提升搜索效率、收敛性以及路径的优越性。虚拟碰撞体与胶囊碰撞体的引入也能较好地应对机械臂末端结构与运动特性带来的影响。使用Mujoco物理仿真引擎进行机械臂运动验证,证明该策略可以为冗余机械臂末端规划出一条较优的可行路径。

无线传感器网络强化学习增强路由研究

探讨了在无线网络树型路由中寻找最优父节点的经典问题,分析了影响树型路由决策规则的多个指标,如接收信号强度的加权平均值、缓冲区占用率和功耗比。提出了一种基于强化学习增强树路由协议和强化学习算法在无线传感器网络中应用的系统模型,并详细说明了所提出的基于树的路由协议的基本操作,为循环检测父节点更新了算法;为了在复杂的场景中做出自适应决策,定义了一个状态空间、动作集和激励函数。通过试错找到激励最高的最佳父节点;并通过模拟比较研究,验证了父节点选择方案在性能指标(即端到端延迟、可靠性和能量消耗)之间进行合理权衡。

基于动态最小生成树的分布式协同目标跟踪算法

针对多连接通信拓扑传感器网络因可能存在信息冗余和未知相关性而造成融合估计偏差较大的问题,提出了一种具有通信层和融合层的基于最小生成树的分布式协同目标跟踪算法。在通信层,基于Bellman-Ford-Moore算法对多传感器网络进行动态配置,生成具有最小生成树结构的通信拓扑,消除分布式传感器网络中的冗余连接。在融合层,各传感器节点基于树形连接拓扑的通道滤波算法,对其存储的局部数据和从相邻节点接收到的数据进行分布式数据融合,实现协同目标跟踪。同时,以融合估计的动态均方差为性能评价标准设计了一种通用的数据融合评价方法,对该目标跟踪算法的性能进行了分析。该算法可以推广至任意类型的通信拓扑,并可消除冗余通信连接。仿真结果表明,该算法在理论边界范围内的估计误差的比例大于95%,具有良好的估计精度、跟踪性能和鲁棒性。

基于改进YOLOv8s的果实与叶片器官分割方法

为解决多器官特征识别存在的多器官数据集难以获取以及待处理数据集存在的密集小目标和多尺度目标等问题,该研究提出了一种基于改进YOLOv8s的果实与叶片器官分割方法。该方法以YOLOv8s为基础,在Backbone部分设计了跨阶段局部残差(residual CSPLayer 2Conv,RC2)模块,以拓宽每个网络层的感受野,使网络能充分提取密集的小目标特征。在Neck部分设计了尺度空间金字塔池化(scale spatial pyramid pooling,SSPP)模块,以充分融合网络的高阶多尺度特征信息,增强模型对多尺度目标的检测能力。在Head部分设计了非对称解耦检测头(asymmetric decoupling detection head,ADDH)模块,使模型分类更关注于中心内容,而回归更关注于边缘信息。试验结果表明,在PlantCLEF2022公共数据集中选取的17种果树的数据集中,改进的YOLOv8s模型对果树果实和叶片器官识别的平均精度均值为90.2%,比YOLOv8s模型高6.7个百分点。此外,该研究还将该模型应用到自建的枣数据集上,达到了99.1%的识别准确率,较原模型提升6.6个百分点,证明了所提出方法的通用性,可为常见果树的器官分割与基于多器官特征的细粒度品种分类研究提供参考。

基于蒙特卡洛树搜索的数值目标子群发现算法

MonteCloPi算法是一种基于蒙特卡洛树搜索(Monte Carlo tree search,MCTS)的任意时间子群发现算法,旨在使用MCTS策略构建非对称的最佳优先搜索树来发现高质量的多样性模式集,但是限制了目标为二值变量.为此,本文结合了数值目标的特点,通过为置信度上界(upper confidence bound,UCB)公式选取合适的C值、动态调整各个样本的拓展权重并对搜索树进行剪枝、使用自适应top-k均值更新策略,将MonteCloPi算法拓展到了数值目标.最后,在UCI数据集、全国健康与营养调查(national health and nutrition examination survey,NHANES)听力测试数据集上的实验结果表明本文的算法相比其他算法可以发现更高质量的多样性模式集,并且最优子群的可解释性也更好.

基于多种机器学习算法的目标机型融合识别方法

空中目标识别在防空识别区管控中扮演着至关重要的角色。为了在庞大的目标轨迹数据中寻找自动识别目标机型的方法,文章提出了一种利用决策树、神经网络等机器学习技术并结合历史轨迹、文本简报等两种信息来源进行融合识别的方法,以弥补传统人工空中目标识别的不足。经实际测试,该方法高效而准确地识别出了空中目标的机型,从而显著提高了用户的工作效率。

龙江森工林区稀有林木定向培育设计及其对生态影响分析

研究以“十四五”全国珍稀林木培育实施方案为依据,根据东北森工林区的树种特性和立地条件,设计该地区稀有林木定向培育模式,科学选择树种和优化伴生树种,并合理控制初植密度。选择合理提质培优的抚育方式,按照改造培育的补植技术要求,开展林下补植、人工促进天然更新和间伐修复等经营活动。通过稀有林木培育对生态与社会影响研究,有助于加快稀有林木的培育进程和提升品质。

多目标复合可视性约束下的机械臂无模型标定位姿研究

与基于模型的机械臂标定方法相比,无模型标定方法具有算法简洁和线性化误差小的优点,但这种方法需要在多个机械臂姿态下同时采集各连杆表面的靶标位姿,因此其可视性同时受视场角狭窄、靶面方向异常以及臂体遮挡的影响,增加测量位姿的构造难度。为此,提出一种基于多目标视觉的复合可视性约束下的机械臂无模型标定位姿遴选方法。依据机械臂连杆参数及轮廓尺寸,生成贴合其等效模型的有向包围盒树,并依据臂体外形特征设定各连杆靶标固连位姿。在此基础上,分别建立靶标角点被包含判据、靶面法向夹角判据以及各包围盒与靶面视锥干涉判据,将其融合为多目标复合可视性约束条件,该算法可在既定工作轨迹下遴选出全体靶标均为可视的机械臂位姿。最后,通过搭建实验台验证所提方法的有效性。实验结果表明:该方法对臂体与靶面的遮挡关系判断精准,靶标在所选位姿处可视性良好,满足机械臂实时无模型标定方法对于多靶标位姿同时采集的需求。

基于机器学习的居民贫困风险预测模型研究--以某地区贫困户统计数据为例

本文指出居民贫困风险预测对于保障社会和谐稳定具有重要意义。本文基于机器学习技术,利用某地区贫困户的多维度统计数据,构建了贫困风险预测模型。通过对户主信息、家庭特征、致贫原因、生产条件等的综合分析,模型能够精准识别潜在贫困风险群体,提高扶贫工作的针对性和有效性。这不仅为政策制定提供了科学依据,有助于实现精准扶贫,促进地区可持续发展,也为其他类似地区的贫困风险预测提供了借鉴和参考,具有重要的理论意义和实践价值。

基于改进决策树算法的雷达目标多维特征精准识别研究

决策树算法是一种常用的数据挖掘方法,通过构建树状模型实现目标分类和回归。在雷达目标识别领域,这一技术被应用于从雷达信号中提取并分类目标的特征,旨在提高识别的准确性和效率。首先介绍决策树算法在雷达目标识别中的应用背景和面临的挑战,然后详细描述算法的基本原理及其改进方法,并通过实验设计验证改进决策树算法在雷达目标多维特征精准识别中的有效性。

基于DTCWT-VAE的弹道中段目标RCS识别

针对弹道目标雷达信号易受环境影响、目标识别准确率低的问题,提出了一种基于双树复小波变换(dual-tree complex wavelet transform,DTCWT)和变分自编码器(variational autoencoder,VAE)的弹道目标雷达散射截面(radar cross section,RCS)识别法。首先,采用DTCWT对弹道目标RCS动态数据进行预处理,再利用VAE提取目标的隐变量特征,最后用支持向量机(support vector machine,SVM)分类器进行识别。实验结果表明,与已有方法相比,该方法具有更高的识别概率,且鲁棒性较好。

融合人工势场和RRT算法的水下机械臂自适应路径规划

针对RRT算法应用于复杂水下环境下机械臂三维空间动态避障运动规划过程中存在的规划效率低、内存消耗大、动态规避响应性差等问题,提出一种利用人工势场引导启发式动态约束采样的改进RRT算法。针对动态环境采用全局规划结合局部重新规划的方法以提高算法的实时性。仿真结果表明,所提算法在规划过程中收敛速度更快、规划路径平滑,机械臂作用角速度较平缓,对水下无规律动态障碍物规避效果较好。

不同经营模式对蒙古栎林土壤有机碳组分的长效性影响

准确把握长期不同经营措施下蒙古栎林(Quercus mongolica)土壤有机碳及其组分碳含量的变化,对于深入理解森林经营管理对土壤碳库的长效影响作用及其固碳机制具有重要意义。以黑龙江省哈尔滨市丹清河实验林场蒙古栎天然次生林为研究对象,采用物理分组方法,研究目标树经营(经营强度45%、40%、70%,折灌除草)、综合抚育经营(经营强度45%、40%,不清理灌草)、无干扰经营对土壤有机碳及其组分碳含量的长效影响。结果表明,在23 a的经营实践后,与无干扰经营相比,目标树经营和综合抚育经营对土壤总有机碳含量的影响不显著,综合抚育经营显著降低了19.94%的粗自由颗粒有机碳(cfPOC)含量(P<0.05),而目标树经营显著提高了矿物结合态有机碳(MOC)含量97.92%(P<0.05),细自由颗粒有机碳(ffPOC)和物理保护颗粒有机碳(i POC)含量在3种经营模式间无显著差异。粗自由颗粒有机碳占土壤总有机碳含量的70.63%—76.53%,是土壤固存有机碳的主要形式。土壤C/N依次按颗粒有机碳、物理保护有机碳和矿物结合态有机碳逐渐降低,反映了有机碳在土壤中转化和固定的过程。从提升土壤质量及固碳能力方面考虑,目标树经营是蒙古栎次生林最优经营模式,无干扰模式次之,综合抚育经营对土壤质量和固碳增汇的影响较小。