公共文化服务平台

搜索到145篇“ 聚集度指标“的相关文章

聚集度指标引导的注意力学习粒子群优化算法被引量：4: 2023年; 尽管目前粒子群优化(PSO)算法在求解很多优化问题上表现出了良好的性能,但如何在保持种群多样性的同时确保收敛精度,防止群体陷入局部最优,平衡勘探与开发之间的矛盾,仍是粒子群优化算法研究需要解决的问题。针对这些问题,提出了一种聚集度指标引导的注意力学习粒子群优化算法(ALPSO-AI)。首先,为了有效保持种群多样性,整个种群被分成若干大小相等的子群,并且在进化过程中重新组合,在每一代中,子群中的不同粒子根据其性能自适应地选择多个优质的学习对象。种群外部设有存档,用于指导种群的搜索并评估进化程度;其次,引入注意力机制,根据每个学习对象与更新粒子适应值的差异,对每个学习对象赋予不同的注意力权重,生成一个高质量的学习榜样,用于粒子的更新。针对搜索前期和后期不同的搜索需求,分别设计不同尺度的注意力分配方式,进行全局搜索和局部搜索;此外,对存档引入聚集度指标,通过判断当前最优粒子周围的适应值相似度,评估当前种群进化水平,当聚集度指标达到阈值时,开启局部搜索,以增强算法的整体收敛能力。实验对CEC2013测试集的28个基准函数在30维和50维的空间分别进行测试,并与主流的5种变体PSO和其他优化算法进行比较,实验结果证明了ALPSO-AI的优越性。此外,注意力学习和聚集度指标的有效性也进行了充分的验证。; 赵晓妍宋威; 关键词：聚集度指标局部搜索

基于Redis的反欺诈聚集度指标实时计算方法及系统: 本发明涉及互联网技术领域，具体涉及一种基于Redis的反欺诈聚集度指标实时计算方法及系统，包括以下步骤：根据MVEL表达式校验是否满足统计条件，如果表达式不成立则忽略本次请求；表达式成立则进依据不同的指标统计类型进行设定...; 丁文

种群聚集度指标回归模型群在检验昆虫种群空间分布型中的应用被引量：44: 1995年; 本文在系统研究种群聚集度指际和回归分析模型检验昆虫种群空间分布型的基础上，提出了种群聚集度指标回归模型群的概念。利用现有的聚集度指际和新提出的种群聚集指标，建立了种群聚集度指标与均值（ｍ）或方差（Ｖ）的线性与非线性回归模型，推导了一系列的序贯抽样方程和最大抽样数量的确定公式，制作了回归模型群的序贯分析模式图．克服了只用某一个指标组建的模型不能反应指标与均值变化规律，依变量与自变量之间相关不显著的缺点．; 兰星平; 关键词：昆虫种群聚集度指标空间分布型

关于种群聚集度指标1/k的讨论被引量：4: 1994年; 谢维辉; 关键词：种群

昆虫种群距离聚集度指标的研究被引量：13: 1991年; 本文提出一种判定昆虫种群聚集度的新指标——距离聚集度指标I(d)。I(d)的定义充分考虑了昆虫种群中个体在空间的距离及相关性的大小,因此它准确地反映了昆虫在空间的分布格局。文中给出了I(d)的计算方法及用I(d)判定昆虫种群空间分布型的标准,并以马尾松毛虫的空间分布为例进行了实例研究。与以往的聚集度指标相比,I(d)不仅可以判定昆虫种群空间分布型,而且可以给出聚集分布时聚集的范围及聚集的程度,为研究昆虫种群分布型提供了更为有力的手段。; 李天生周国法; 关键词：昆虫种群

昆虫种群聚集度指标的刀切估计方法与计算机程序被引量：3: 1990年; 本文采用基本 BASIC 语言编写了计算:扩散系数 C、负二项分布的 K 值,扩散指数 I_δ、丛生指标 I、Cassie 指标 C_A、平均拥挤■、聚集指标■/x、L 指标的计算值、刀切估计值、刀切误差限和刀切估计区间的计算机程序,并在日本 SHARP PC—1500微型计算机上调试通过,对其它机型,只需改写几个专用于PC—1500微机上的语句即可应用。; 兰星平; 关键词：昆虫种群聚集度指标计算机程序

松褐天牛幼虫二维空间格局研究: 2024年; 【目的】研究松褐天牛(Monochamus alternatus)幼虫二维空间分布格局,为松褐天牛防治提供科学依据。【方法】对不同生境疫点小班内枯死马尾松树上松褐天牛幼虫数量进行了系统调查,应用4种聚集度指标法探析了不同胸径、高度树体中和不同海拔、坡向生境中松褐天牛幼虫空间分布型。【结果】(1)胸径越大、树体越高,聚集的松褐天牛幼虫虫口数量越多。(2)不同胸径和高度的枯死松树中,松褐天牛均趋向于聚集分布,聚集区域随胸径和树体高度的增加呈上移趋势。(3)5 cm以下伐桩中未见松褐天牛幼虫虫体。(4)不同海拔高度枯死松树树体中松褐天牛虫口密度无显著差异,但不同坡向中枯死松树树体中松褐天牛数量呈现变化趋势,南坡>西坡>西南坡>东南坡>东坡>西北坡>东北坡>北坡,不同海拔和坡向中松褐天牛幼虫均呈现聚集分布。【结论】松褐天牛幼虫在枯死松树上的二维空间分布格局主要受到树体胸径、高度的影响。对于松褐天牛的防治工作而言,应根据这些影响因素采取相应的策略,重点关注胸径较大、树体较高以及位于有利坡向的枯死松树,以提高防治效果。; 胡蔚周志强李密喻锦秀何振邓奕忠刘佳荣; 关键词：松褐天牛幼虫聚集度指标

核桃园苹果蠹蛾的空间分布型与抽样技术分析: 2024年; 【目的】研究苹果蠹蛾成虫以及幼虫的田间空间分布型,分析其在核桃园的空间分布特征,为苹果蠹蛾的田间调查、预测预报以及有效防治提供科学依据。【方法】应用传统统计学(6种聚集度指标、Taylor幂法则以及Iwao的回归模型)以及地统计学方法研究核桃园苹果蠹蛾成虫、幼虫的空间分布型,基于Iwao回归模型确定苹果蠹蛾成虫及幼虫的理论抽样数。【结果】苹果蠹蛾成虫种群在核桃园的空间分布型均属于聚集分布。苹果蠹蛾成虫、幼虫的分布型均为聚集型;苹果蠹蛾成虫、幼虫种群为聚集分布,且聚集强度随种群密度的升高而增加;Iwao回归模型证明苹果蠹蛾的空间分布型属于聚集分布,且为一般的负二项分布。苹果蠹蛾种群的最优拟合模型为球型、指数型和线型,空间分布型为聚集型;苹果蠹蛾成虫及幼虫种群的三维和二维空间分布聚集中心主要分布在田块边缘。苹果蠹蛾成虫在置信概率t=2,成虫不同平均密度m=3、5、7、10、15、20、25和30时的理论抽样数。进行序贯抽样确定了最大理论抽样数,在t=2,D=0.05、0.10、0.20和0.30时,当m_(0)=3头/诱捕器,最大理论抽样数分别为3432、348、88和92;苹果蠹蛾幼虫在置信概率t=2,成虫不同平均密度m=1、2、3、4、5、6、7、8、9和10时的理论抽样数。序贯抽样确定了最大理论抽样数,在t=2,D=0.05、0.10、0.20和0.30时,当m_(0)=1头/百果,最大理论抽样数分别为1738、435、109和48。【结论】苹果蠹蛾成虫及幼虫种群的空间分布型为聚集分布中的负二项分布,聚集中心主要分布在田块边缘。最大抽样数可用于指导核桃园苹果蠹蛾的监测和防治。; 陈国祥魏杨郭文超李佩璇阿地力·沙塔尔; 关键词：苹果蠹蛾空间分布型聚集度指标抽样技术地统计学

宁夏设施番茄上番茄潜叶蛾的空间分布型及抽样技术被引量：7: 2023年; 为科学测报番茄潜叶蛾Tuta absoluta并对其精准防控,2022年采用Z形抽样法对宁夏回族自治区(简称宁夏)银川市西夏区设施番茄基地内番茄潜叶蛾虫口密度进行调查,通过适合度检验、聚集指标和Iwao回归分析等方法分析番茄潜叶蛾的空间分布型,并建立理论抽样模型和基于幼虫密度防治指标的序贯抽样技术模型。结果显示,西夏区番茄上番茄潜叶蛾的虫口密度为0~4头/叶,其中虫口密度为0和1头/叶的频次较多,且频次与虫口密度负相关;经空间分布型适合度检验,西夏区番茄上番茄潜叶蛾的空间分布型符合奈曼分布和负二项分布;经聚集度指标检验,西夏区番茄上番茄潜叶蛾呈聚集分布;经m^(*)-m回归分析,西夏区番茄上番茄潜叶蛾个体间相互吸引,分布的个体成分为个体群;根据建立的番茄潜叶蛾田间理论抽样数模型和序贯抽样模型可为该害虫的防控提供指导。; 张治科南紫瑶; 关键词：番茄空间分布型聚集度指标抽样技术

玉米田桃蛀螟幼虫的空间分布型与抽样技术被引量：8: 2022年; 【目的】桃蛀螟(Conogethes punctiferalis)是重要的农业害虫,近年来在我国黄淮海玉米产区危害日益严重,已成为玉米安全生产的威胁之一。空间分布型是昆虫种群的重要生态属性,研究桃蛀螟幼虫在玉米田的空间分布型,明确其在玉米田的空间分布特征,为桃蛀螟的田间抽样计划制定、预测预报和有效防治提供科学依据。【方法】利用传统统计学(聚集度指标、Taylor幂法则和Iwao回归模型)和地统计学方法研究玉米田桃蛀螟幼虫种群的空间分布型。基于Iwao回归模型确定桃蛀螟幼虫的理论抽样数,通过序贯抽样技术得到不同允许误差(D=0.1、0.2、0.3)和经济阈值(m_(0)=0.5、1、1.5、2头/株)下的最大理论抽样数。【结果】两种统计学方法的结果均表明桃蛀螟幼虫种群在玉米田的空间分布型属于聚集分布。聚集度指标分析表明桃蛀螟幼虫的分布型为聚集型;Taylor幂法则结果显示桃蛀螟幼虫种群为聚集分布,且聚集强度随种群密度的升高而增加;Iwao回归模型证明桃蛀螟幼虫的空间分布型属于聚集分布,且为一般的负二项分布。根据半方差函数模型参数,确定桃蛀螟幼虫种群的最优拟合模型为球型、指数型和线型,表明空间分布型为聚集型;通过Kriging插值法分析得到桃蛀螟幼虫种群的三维和二维空间分布图,其聚集中心主要分布在田块边缘。基于Iwao回归模型抽样技术明确了桃蛀螟幼虫在置信概率t=2,不同平均密度m=0.5、1、2、3、4、5、10、15时的理论抽样数。进行序贯抽样确定了最大理论抽样数,在t=2,D=0.1、0.2、0.3时,当m_(0)=0.5头/株,最大理论抽样数分别为3417、854和380株;当m_(0)=1头/株,最大理论抽样数分别为1717、429和191株;当m_(0)=1.5头/株,最大理论抽样数分别为1150、287和128株;当m_(0)=2头/株,最大理论抽样数分别为867、217和96株。【结论】桃蛀螟幼虫种群的空间分布型为聚集分布�; 李少华王云鹏王荣成尹萍李向东郑方强; 关键词：桃蛀螟聚集度指标地统计学空间分布型抽样技术

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈