一种新的神经网络集成方法及其在精准施肥中的应用

为解决作物精准施肥量确定这一难题,提出了一种新的基于神经网络集成的精准施肥量确定方法.在该方法中,采用回放取样生成神经网络个体集合,通过给出一种神经网络相似度度量标准,用聚类算法AP从神经网络个体集合中选出一组精度高、多样性强的网络个体;进而形成分别用拉格朗日乘子和预测有效度法线性集成所选个体的算法LME和FEME.在基准数据集上的实验结果表明:在精度方面,算法LME要明显优于算法FEME和算法BSN(单个最优神经网络算法),且LME具有较好的泛化能力.最后在确定精准施肥量方面,对算法LME进行了实际应用,结果表明LME明显优于传统施肥模型和现有神经网络精准施肥模型.     

一种新的混合特征选择方法RRK

提出一种新的基于包装方法和过滤器方法的混合特征选择算法RRK。该算法主要包括两个方面:①在特征预选阶段,提出一种基于ReliefF算法的特征加权算法NReliefF和降维算法DR,以实现特征加权并去掉不太重要的特征;②在特征选择阶段,把NReliefF算法和KNN算法结合起来,将预选特征作为输入,用分类正确率来选择最优特征。分别采用一个实际的乘员类型数据集和UCI上的imagine标准数据集进行了实验。实验结果表明,采用RRK后分类的效率和正确率都有明显提高。     

基于k最近邻网络的数据聚类算法

聚类研究在数据挖掘研究领域中占有十分重要的地位。虽然目前已有很多数据聚类算法,但精度仍不够理想。文中提出一个基于结构化相似度的网络聚类算法(SSNCA),试图从网络聚类角度进一步提高数据聚类精度。具体解决方案是,将待聚类的向量数据集转化为k最近邻网络,并用SSNCA对该网络进行聚类。将SSNCA与c-Means、仿射传播进行比较,实验表明文中算法得到的目标函数稍差,但聚类精度要明显高于这两个算法。     

基于反射和数据绑定机制的WEB动态查询研究

本文在分析了利用基于Weblogic平台的JAVA反射机制和Workshop数据绑定机制开发WEB动态查询的优越性基础上,提出了一种解决方案.结合印染商务信息系统的实践开发为例,介绍了这种思想、方法的具体实现.     

凝心聚智铸共识 勠力同心谋发展--《武汉市再制造产业的现状调查与政策研究》线上访谈实录

0前言再制造是循环经济“再利用”的高级形式。其作为朝阳产业被定位为战略性新兴产业而被纳入国家发展战略中,发展再制造产业是促进循环经济和推动实现碳达峰、碳中和目标的重要途径。