广西珍贵乡土速生树种任豆苗木生长节律研究

利用Logistic方程对任豆1年生播种苗的苗高、地径年生长节律进行拟合,并根据因素数列几何形状发展态势的接近程度,将苗木的生长量与影响苗木生长的气象因子空气温度、空气相对湿度、降水量和日照时数组成一个灰色系统,进行面积关联度分析。结果表明：Logistic方程拟合效果显著,年生长量表现出明显的“慢-快-慢-快-慢”的节律,采用有序样本聚类分析方法将苗木的生长过程划分为出苗期、生长前期、速生期和生长后期4个时期。关联度分析表明,空气温度对苗木的高生长影响最大,相对湿度影响最小;而日照时数对苗木的粗生长影响最大,相对湿度影响最小。     

高校非计算机专业VB教学探讨

VB程序设计是国家教育部本科教学大纲中非计算机专业学生的必修课程。主要从OOP、项目开发、算法等几个方面阐述如何在教学过程中培养学生良好的程序设计理念、设计思路及熟练的开发能力。     

基于混合策略机制的人工鱼群算法

针对人工鱼群算法在处理多峰函数问题时存在一部分人工鱼处于漫无目的的随机移动、易陷入"早熟收敛"情况造成的收敛速度减慢的缺点,提出一种基于混合策略机制的人工鱼群算法。它借鉴群体位置方差的早熟判断机制,把云发生器产生的杂交和变异算子引入到该算法中,为减少算法计算量,而采用耗散的人工鱼群算法结构。仿真实验表明,该算法比只有一个适应值的人工鱼群算法具有更快的收敛速度,且具有很强的避免局部极小能力,其性能远远优于单一优化方法。     

一种基于数据挖掘的Snort系统的设计与应用

为了提高入侵的检测效率,提出了一种基于数据挖掘的改进的Snort系统.该系统充分利用数据挖掘的入侵检测优点,采用改进的Apriori算法,在Snort原系统基础上增加一个数据异常检测模块,改进了Snort存在的缺点,提高了检测率.通过模拟实验验证和实际网络环境应用分析,得出该系统比原Snort系统具有更高的检测性能,能检测未知的网络入侵,提高计算机系统的安全性.     

基于HSV空间的微米木纤维直径检测算法

为了实现生产中微米木纤维直径智能检测,结合先进的数字图像处理技术,并改进传统纤维分段测量法,研究了一种基于目标提取与最大内切圆的纤维直径检测算法.该算法对木纤维显微图像进行基于HSV空间的目标提取,分析木纤维形态并引入用户需求概念,通过改进的分段测量法实现木纤维直径检测.结果表明,采用的算法在木纤维直径检测中,具有良好的适用性,检测精度满足生产要求.     

模糊推理与神经网络、遗传算法在系统预测中的应用

近年来，原来并没有什么必然联系的模糊理论和人工神经网络有了较多的结合．这是由于在模糊系统设计涉及到的3个问题：第一，模糊规则的选取}第二，模糊概率函数（隶属函数）的确定；第三，模糊决策算法的决定．这在有些系统中并不是十分明确的，而人工神经网络却不需要人为干预，而只需通过实际输入、输出数据的学习即可得到其决策．但是人工神经网络也有其缺点，它不够稳定，单独使用确定度不是很高，而且神经网络中所使用的BP算法有其限制性，只能得到局部最优解． 因此，我们将模糊理论与神经网络相结合，根据其预测值与实际值的误差选取适当的权重，建立二者对预测结果的影响关系的模型，用于系统预测．在神经网络中，把BP算法和遗传算法结合起来，得到全局最优解．     

Apriori算法在杉木伴生树种选择中的应用

合适的伴生树种是杉木混交林营造成功的关键,本研究应用Apriori算法从杉木混交林野外调查数据中挖掘出杉木与其伴生树种之间的关联关系,得到合适的伴生树种,提供杉木伴生树种选择的新途径.     

知识约简的多族蚁群算法

Rough集理论中知识约简是个NP-hard问题，已有的方法都有不同的局限性。受蚁群算法的启发，通过将条件属性集映射到有向图结构，并采用两族群蚂蚁协作共同完成求解，提出了知识约简的多族蚁群算法。采用多族群蚂蚁协作后，改善了一般蚁群算法收敛速度较慢的问题，提高了求解速度。通过实验验证，它是一种非常有效的方法。     

基于Kruskal算法和主成分分析的农业经济信息评价

为了解县域单元内部乡镇之间农业经济信息的空间格局及结构,以山东省禹城市11个乡镇为研究对象,重点选取了反映农业经济信息的农业机械总动力等9项指标,运用主成分分析的统计方法,建立了农业经济信息的主成分载荷矩阵,计算了农业经济信息主成分综合得分,从计算机学科图论的角度人手,结合Kruskal求解最小生成树算法从定量的角度分析了禹城市11个乡镇农业经济信息的综合潜力状况,利用Kruskal算法和主成分结合的方法对乡镇单元尺度进行农业经济信息分析,确定最佳的区位优势、分类和组合,以便于农业的集约化和耕作的合理化,较好地配置农业的产业结构,为农业可持续发展和实现合理的农业地域分工提供科学依据。     

基于改进神经网络的农村电力系统短期负荷预测

为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg-Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L-M算法的神经网络预测模型具有较高的预测精度,在农村电力系统短期负荷预测方面具有较高的使用价值。