我的妈妈与蜜蜂有缘

<正>我妈妈王招英出生于1934年,与《中国蜂业》同庚,1955年生下我,后面我的四个弟弟四个妹妹相继出生。爸爸在1961年之前在吉安地区专员公署农业办事处工作,因蒙冤被降级而回家务农,直到去世的前两年才得到平反,受聘为中国农函大吉安分校兼职老师。文弱的爸爸和妈妈一起历经三年自然灾害、文化大革命等,艰难困苦中把我们兄妹九个拉扯大,还培养出了几个中专、大学和研究生。由于长期的过度劳累,     

多种分类器在农用地分等中的应用及其用法改良

以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。     

基于概率神经网络的广东省土地资源评价

用概率神经网络的方法，以广东省土地资源为对象进行了土地资源评价的研究，并与BP网络的评价结果作了比较,结果表明，用概率神经网络进行评价的结果比BP网络的评价结果更加准确，更加切合实际情况，一定程度上避免了人为因素的干扰，提高了土地资源评价的准确性．     

多种分类器在农用地分等中的应用及其用法改良

以广东省第二次土壤普查成果资料为主要数据源，选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类；并且，笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点，提出了基于监督--非监督的聚类算法，然后对上述五种方法的评价结果作了比较分析；实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本，即可得到较高的分类准确率，特别在少量样本时，该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果；在实际应用中，可以尝试结合监督和非监督学习的方法，实现分类正确率和获取大量有类标签的样本之间的折中。     

我与蜜蜂的故事

<正>我业余养蜂四十多年,对养蜂知识不断更新,技术一步步提高。我和周围养蜂的人对小蜜蜂都有浓厚的感情,都认为《中国蜂业》是我们的良师益友,对提高养蜂技术、了解蜂业信息起到了指导和桥梁的作用。在《中国蜂业》创刊80周年之际,把养蜂几十年在身边发生的故事赘述一部分,与同仁分享。1968年6月一个星期天的上午,我来到自留地里拔草,发现梨树上结了很大一团蜜蜂。过了一会儿那些蜂就"嗖嗖"地往下掉,漫天飞,紧接着快速往老街那边移动。我追过了好几个菜园,前面菜园里一个正在浇水