Multivariate similarity clustering analysis: a new method regarding biogeography and its application in global insects

A new method, multivariate similarity clustering analysis (MSCA) method, was established for biogeographical distribution analyzing. General similarity formula (GSF), the core of MSCA method, can be used to calculate the similarity coefficients between 2 and among any ≥ 3 geographical units. Taking the global insects as example, we introduced the steps to use of GSF and consequent clustering processes of this method in details. Firstly, geographical distributions of certain taxa (e.g. Insecta) were categorized into basic geographical units (BGUs); Secondly, similarity coefficients between 2 and among n BGUs were calculated using GSF. Thirdly, hierarchical clustering was conducted according to values of similarity coefficients (from high to low); then a clustering diagram was generated. Finally, a framework of biogeographical division map was established for the target taxa (e.g. Insecta). We concluded that the MSCA method was efficiently applied in analyzing the biogeographical distribution of given biological taxa; the geographical regions regarding global insects were categorized into 7 Realms with 20 sub-Realms based on the results of MSCA method.     

埃塞俄比亚中部Angacha地区树篱鸟类多样性、对树篱类型的偏好及其保护(英文)

本文旨在研究埃塞俄比亚中部Angacha地区树篱中的鸟类多样性。采用样线法及样点法调查了五个子地点的鸟类多样性、丰富度、相似度及对生境的偏好等指标。树篱中鸟类多样性及其对树篱类型的偏好因其植被组成及结构的不同而有所差异。在树篱生境中记录到5个特有鸟种,即卢氏歌 (Cossyfa semirufa)、白颊蕉鹃(Tauraco leucotis)、横斑拟鴷(Lybius undatus)、黑头林鹂(Oriolus monacha)及肉垂鹮(Bostrychia carucullatta)。树篱的稠密度、高度及宽度影响到鸟类的多样性、丰富度及相似度。较密的树篱常常拥有较高的鸟类物种多样性、丰富度和相似性。组成树篱的植物多样性及其鸟类多样性之间呈高度相关,并与生境质量直接相关。树篱中鸟类多样性较高,并且一些鸟类对某些类型的树篱有明显的偏好,这就对当地树篱优先保护与管理提出了要求。     

P2P应用网络流量特性研究

通过研究P2P网络流量数据,证实了在Maze应用中少量的流和主机产生了大部分的网络流量,但同时也发现同WWW应用和整个链路流量的情况相比较这一现象并不突出.针对流的自相似性分析表明,Maze应用的流到达间隔时间和流到达速率具有明显的自相似特征,但是自相似系数并没有达到很高程度.     

基于近红外光谱和深度学习数据增强的大米品种检测

近红外光谱和深度学习结合的思路是大米品种检测的重要研究方向，其准确检测模型的建立依赖大规模的样本数据，然而采集和预处理样本耗时巨大，对准确性的提升造成限制。为解决上述不足，便于深入探究近红外光谱结合深度学习方法在大米品种检测领域应用的可行性，该研究提出基于近红外光谱结合改进型深度卷积生成式对抗神经网络（deep convolutional generative adversarial network，DCGAN）数据增强的大米品种检测方法。首先，在相同环境下采集4种大米品种的近红外光谱并对原始光谱数据进行预处理，使用去趋势校正（detrend correction，DC）和无信息变量消除算法（uninformative variable elimination，UVE）消除无用光谱特征点。然后，建立改进型DCGAN模型对预处理后的光谱数据进行数据增强，对比试验结果表明，改进型DCGAN相比与传统数据增强方法，改进型DCGAN生成数据的结构相似度指标更优。最后，研究不同数据增强方法结合不同分类方法建立大米品种分类模型的性能，对比试验结果表明，改进型DCGAN数据增强结合一维卷积神经网络（one-dimensional convolution neural network，1D-CNN）分类算法所建模型面向测试集的准确率最高，为98.21%，为简便准确的大米品种检测方案提供了新思路。     

应用模糊相似优先比法对大理州墨西哥柏引种适应性分析

选取年均温、最热月均温、最冷月均温、年日照时数、年降雨量5个因素作为墨西哥柏的引种条件，以昆明墨西哥柏为固定样本，州内大理市、祥云县等12个县市的墨西哥柏为备选样本，用模糊相似优先比法进行分析，将大理州划分成4个引种区：适宜区、较适宜区、基本适宜区、不适宜区。     

杨树栽培区划的研究

运用277个县23个杨树品种的2 980块标准地的调查资料,采用聚类分析方法,把全国杨树栽培范围划分成13个栽培区,并作了生产力评价。     

计算机WEB的机械创新设计系统研究

总结了创新设计思维的两项原则，即最短路径原则与相似性联想原则。分析了基于实例推理(CBR)技术当前研究的不足，并提出用遗传算法进行组合优化来解决。介绍了基于WEB的创新设计知识库。提出了功能要求、作用原理及物理结构的相似性量化方法，用相似度作为计算机辅助联想及遗传算法初始群体筛选的依据。形成一种改进的遗传算法。依据上述理论阐述了基于WEB的机械产品计算机辅助创新设计系统。     

浙江六十田常绿阔叶林主要乔木种生态位研究

应用Shannon-Wiener生态位宽度指数、生态位相似性比例系数及生态位重叠指数,对浙江省六十田省级自然保护小区常绿阔叶林群落中主要乔木树种的生态位特征进行了研究.结果表明:红楠Machilus thunbergii、华东楠Machilus leptophylla、青冈Cyclobalanopsis glauca、紫楠Phoebe sheareri、木荷Schima superba、东南石栎Lithocarpus harlandii具有较大的生态位宽度,分别为0.969、0.951、0.898、0.867、0.819和0.773,而香槐Cladrastis wilsonii、树参Dendropanax dentiger、枫香Liquidambar formosana的生态位较小,仅为0.345、0.245和0.245;生态位宽度大的树种间一般有较高的生态位相似性比例;香槐、树参和枫香的生态位宽度较小,但与其它树种的相似性却很高,表明这些树种对资源有较明显的共享趋势;从生态位重叠值来看,整体上表现为生态位宽度较大的树种间都有较高的生态位重叠,生态位宽度较小的树种与其它树种的生态位重叠较小.     

Study on Geographic Variation and Genetic Diversity of the Eurasian Beeches

通过对分布于欧洲的水青冈（Ｆａｇｕｓｓｙｌｖａｔｉｃａ和Ｆａｇｕｓｏｒｅｎｔａｌｉｓ）和亚洲的水青冈（Ｆａｇｕｓｊａｐｏｎｉｃａ，Ｆａｇｕｓｃｒｅｎａｔａ，Ｆａｇｕｓｌｕｃｉｄａ，Ｆａｇｕｓｅｎｇｌｅｒｉａｎａ和Ｆａｇｕｓｐａｓｈａｎｉｃａ）的地理历史资料分析和凝胶电泳法等位酶的测定，探讨欧亚大陆水青冈地理变异和遗传多样性．所测定的酶系统包括：过氧化物酶（ＰＸ１和ＰＸ２）、磷酸葡萄糖脱氢酶（ＰＧＤ）、酸性磷酸化酶（ＡＣＰ１和ＡＣＰ２）、超氧化物歧化酶（ＳＯＤ）、谷氨酸草酰乙酸转氨酶（ＧＯＴ１，ＧＯＴ２和ＧＯＴ３）、异柠檬酸脱氢酶（ＩＤＨ）、磷酸果糖异构酶（ＰＧＩ）、甲基萘醌还原酶（ＭＮＲ）、葡萄糖磷酸变位酶（ＰＧＭ１和ＰＧＭ２）和苹果酸脱氢酶（ＭＤＨ１和ＭＤＨ２）１０种酶系统．测定和分析了水青冈遗传相似性、固定指数及遗传多样性随经度、纬度和海拔高度的变化规律，讨论了水青冈起源和分布特点，为进一步研究水青冈的种间关系和地理历史进化过程提供了科学依据．     

基于CDSSM的作物病害处方推荐方法

作物病害诊断积累了大量电子处方数据,对电子处方数据二次利用,实现作物病害处方智能推荐是植保领域重要的研究内容。对此,本文构建基于CDSSM的作物病害处方推荐模型,实现多种类作物病害的诊断和处方推荐。基于病害标准知识库对作物病害处方数据进行筛选,并进行数据扩充,同时结合领域知识构建标准处方库;构建基于CDSSM的作物处方推荐模型,根据文本特征生成语义向量,计算语义向量的余弦距离,结合标准处方库完成融合地区、时间、作物种类、生长期等多个因素的处方精准推荐。从病害诊断、处方推荐、针对番茄病害处方推荐和不同输入对处方推荐的影响4方面展开结果分析,并与基于DSSM、DSSM-LSTM、Cosine、Jaccard、BM25的模型结果进行对比分析;结合实际应用需求设计并构建面向移动终端的作物病害处方推荐应用“处方宝”。结果表明,基于CDSSM的作物病害处方推荐模型病害诊断正确率为71%,处方推荐准确率为82%,优于其他5种作物病害处方推荐模型;针对番茄病害处方推荐准确率更高。本文构建的基于CDSSM的作物处方推荐模型可以满足实际应用需求,还能够进行病害种类的扩充,可以作为作物病害处方推荐的高效辅助...