番茄叶霉病菌生物学特性研究

番茄叶霉病菌茵丝生长的最适温度为20℃-25℃，pH值为5．0～6．0．分生孢子萌发的最适温度为25℃，最适pH值为4．0～5．0，相对湿度低于86％时孢子不萌发．病菌对单糖、双糖和多糖都能利用，而氮源则以硝态氮和有机氮利用较好，氨态氮抑制病菌的生长．     

等重复试验农药残留函数模型研究

文中给出的等重复试验农药残留函数模型，具有模型的正规方程组不出现病态、模型的检验比较简单的特点。     

非线性加权回归在生物科学研究中的应用

本文对非线性加权回归进行了详细的讨论,推导出了常用的非线性加权回归模型的权函数,指出了此种方法应用的局限性,介绍了这种方法在生物科学研究中的应用。     

基于SM快速增量算法的HACCP控制点分类

支持向量机方法已经在HACCP体系关键控制点的智能发现中取得较为满意的结果,但是在样本不断增加的情况下分类效率不高.本文采用支持向量机增量学习算法,优先选择可能成为支持向量的边界向量,减少参与训练的样本数量,进而实现增量学习.实验证明,改进的支持向量机增量算法在保证分类精度的同时,显著提高了分类速度.     

关于木质纤维素生物降解的文献计量分析

该文基于Web of science数据库,对世界范围内关于木质纤维素生物降解领域的文章进行了近年文献数量变化趋势、重点发文国家、重点发文作者、重点发文机构、重点发文研究方向以及重点发文期刊6个角度的数据分析,为今后该领域的研究提供一些基础的数据资源.在进入21世纪后,木质纤维素生物降解领域的发文数量总体呈现出良好的增...     

优化支持向量机在鲜切生菜加工HACCP分类中的应用

该文介绍了一种基于支持向量机模型解决鲜切生菜加工HACCP（hazard analysis and critical control point）关键控制点智能发现的方法。在通用支持向量机模型进行鲜切生菜加工关键控制点的发现试验中,依靠人工经验选取支持向量机（support vector machine,SVM）核函数参数,识别关键控制点准确率波动较大。该文利用遗传算法优化支持向量机核函数参数的选取,构建了一种基于遗传算法的支持向量机（GA-SVM）模型,应用该模型在鲜切生菜生产关键控制点的发现试验中获得了87.5%的识别率,比传统方法稳定性更高。该方法对其他HACCP关键控制点的智能发现具有很好的借鉴意义。     

基于SVM快速增量算法的HACCP控制点分类

支持向量机方法已经在HACCP体系关键控制点的智能发现中取得较为满意的结果,但是在样本不断增加的情况下分类效率不高.本文采用支持向量机增量学习算法,优先选择可能成为支持向量的边界向量,减少参与训练的样本数量,进而实现增量学习.实验证明,改进的支持向量机增量算法在保证分类精度的同时,显著提高了分类速度.     

番茄叶霉病菌生物学特性研究

番茄叶霉病菌菌丝生长的最适温度为20 ℃～25 ℃,pH值为5.0～6.0.分生孢子萌发的最适温度为25 ℃,最适pH值为4.0～5.0,相对湿度低于86%时孢子不萌发.病菌对单糖、双糖和多糖都能利用,而氮源则以硝态氮和有机氮利用较好,氨态氮抑制病菌的生长.