猎豹的“黑眼线”有什么作用

<正>看"动物世界"时,我发现猎豹的眼角下、鼻子两边有两条黑色的线,它们有什么作用吗?     

猎豹幼仔的小猩猩缘

据英国媒体报道,在美国南加州的一个濒危动物保护中心里,两头5周大的小非洲猎豹与一只1岁大的小猩猩成了亲密的好朋友。据称,这两只小猎豹长大后要供游客参观,不会放回到野生环境里。也许他们跟猩猩做个朋友也是个不错的选择。     

南京汤山早更新世猎豹头骨CT扫描数据的三维重建

CT技术和计算机图像处理技术的发展已使得人们可以将标本的CT数据复原成虚拟标本进行无创解剖. 本研究使用这一技术重建并无创解剖了产于南京汤山驼子洞的早更新世猎豹头骨化石，测量了颅内模各部分的容量. 驼子洞猎豹的额窦呈蜂窝形，脑内模显示其额叶较大、颞叶较小，大脑上的沟回比家猫复杂，与家狗相似，但比熊猫、猪、牛和马的简单. 化石标本虚拟三维重建与解剖技术可以将古生物学的研究从标本外表延伸到内部，克服疏松脆弱标本修理保存方面的困难，为珍稀标本制作虚拟备份.     

兀鹰:优秀的“清道夫”

兀鹰的食物来源主要是大型兽类的尸体。特别是对于那些死亡数日后已经腐烂变质的尸体它更为青睐,更喜欢以此为食。所以,被誉为"清道夫"。在广茂的大草原深处,兀鹰斗猎豹的故事正在惊心动魄地展开:一只翱翔在碧空中的兀鹰,发现草地上有一具动物尸体,虽然两只幼年猎豹还在那儿享用,但它还是毫无顾忌地俯冲下来。     

蛛形动物王国中的猎豹——避日

避日是节肢动物门、螯肢动物亚门、蛛形纲、避日目(Solifugae)动物的统称,是一类外形上相当原始但又善于运动的蛛形纲动物。全球共计12个科     

影响短距离身体位移速度的某些生物学因素

以首都师范大学及北京农业学院1991年19～22岁学生体质调查所得数据为样本。利用其克托莱指数、维尔威克指数及立定跳远、立位体前屈等生物学因素分别与学生50m跑成绩进行比较,经统计学检验证实其意义,最后进行理论性论证并求出其相关公式。     

神奇的狞猫

繁衍生息在非洲和西亚等地的猫科动物狞猫,个头儿中等,体重一般在13～18千克,但是,它们却被划归为小型猫科之中. 狞猫喜欢生活在干燥的旷野,尤其干草原和半沙漠地带更是它理想的家园,不过,灌木林和稀树大草原也有它们的踪迹. 狞猫的"外衣"多为浅黄棕色或深红棕色,也有少量全身为黑色的.它的长相,最突出的特征,是它的耳朵.它的那双大耳朵又长又尖,而且都长有黑色丛毛.故而,土耳其人将狞猫称为"黑耳".据研究,狞猫的这双大耳朵具有特殊的功能,可以帮助它寻找猎物,一旦寻找到猎物,丛毛很快就可以帮助它定位猎物的精确位置.     

对短距离自由泳项目耐力及速度训练搭配比例的探讨

本文通过文献分析法,从短距离自由泳的供能特点出发,对该项目所需的耐力及速度训练在整个训练总量中的搭配比例进行分析,拟对不同训练阶段、不同训练周期的短距离自由泳训练做一个初步的认识。     

你的大脑喜欢何种生活方式

从前大脑一直过着颠沛流离的生活，是它们驾驭着人类祖先在动物界中并不强壮的身体走出非洲，走遍世界的每一个角落。为了生存，人类每天平均大约要行走20公里。甚至有学者认为人类之所以进化得到比其他动物更聪明的大脑，就是因为人类在不停地运动、行走中不断地解决问题。人类虽不健壮也不够速度，但人类可以称得上最有耐力的动物，可以不停地奔跑，要知道有学说认为人类曾经是靠着不停奔跑使得猎物精疲力竭而获得食物的。     

一种改进的快速高效的差分进化算法

文章针对差分进化算法收敛速度和全局搜索能力之间不能同时兼顾这一问题,提出了一种改进的差分进化算法,该算法从动态更新种群、递增策略的交叉概率因子及递减策略的缩放因子对标准DE算法进行了改进,并用6个典型的测试函数对改进的差分进化算法和标准差分进化算法进行测试比较,结果表明改进后的差分进化算法在收敛速度、收敛精度和算法鲁棒性方面都要优于标准差分进化算法,采用动态更新种群的策略也有效地提高了算法的运算效率.     

对传统遗传算法的两处改进

比照传统遗传算法与生物界进化过程,分析了引起传统遗传算法收敛速度慢和寻优效率低的两个原因.有针对性地对传统遗传算法进行了两处改进:一是加强了进化过程中环境选择压力变化和种群数量变化的共同作用,以便使得优秀基因在种群中迅速占统治地位;二是对优秀基因采取必要的保护措施,使得优秀基因的稳定性得到了保证.仿真结果验证了这种改进方法的有效性。     

进化算法的收敛速度

遗传算法、进化规划和进化策略这三类进化算法都是基于对自然进化的模拟,其区别在于产生下一代群体的规则不同,但下一代群体的产生又都是仅依赖于其父代,因而进化算法的运行过程可以视为一个Ｍａｒｋｏｖ过程,其状态转移矩阵可以表示成一个统一的形式．利用矩阵范数的基本性质,得到了进化算法收敛速度的一个下界,同时也得到了进化算法收敛性的一个证明,并由此解释了遗传算法能很快地得到一个较好的解而要花费较长时间才能得到最优解的原因,为今后加快进化算法收敛速度指出了一个可行的研究方向     

减少速度更新频率的混沌粒子群算法

把速度更新策略和混沌优化相结合,提出了减少速度更新频率的混沌粒子群算法. 该算法根据群体适应值的方差进行早熟收敛判断,从而使算法摆脱后期易于陷入局部最优点的束缚,同时又保持前期优秀的搜索速度的特性.通过几个基准函数测试,结果表明,新算法的性能较基本粒子群优化算法有明显的改善.     

一种改进的粒子群优化算法

针对粒子群优化算法中粒子容易聚集和收敛速度慢,提出一种改进的粒子群优化算法。该算法同时考虑到粒子进化的成功率和多样性程度对算法寻优性能的影响,当粒子集聚程度较高时,增大惯性权值,提高算法的全局搜索能力。为平衡算法全局和局部寻优能力,当进化速度较快时,提高算法局部搜索能力,以免错过较好的位置。在速度更新中,引入较差粒子,避免算法再次去搜索这些较差的位置,降低算法的搜索效率。将该算法用于优化6个经典测试函数,实验表明：该算法不仅可以平衡局部和全局的搜索能力,而且可以提高算法的搜索效率和精度。
     

一种改进的动态惯性权重粒子群优化算法

针对粒子群算法在寻优过程中容易陷入局部最优,以及难以平衡求精和求泛的能力,提出一种动态惯性权重粒子群优化算法。该算法同时考虑到粒子的进化速度和集聚程度对算法寻优的影响,当粒子集聚程度较高时,增大惯性权值,提高算法的全局搜索能力。为平衡算法全局和局部寻优能力,当进化速度较快时,提高局部搜索能力,以免错过较好的位置。将此算法用于优化4个经典测试函数,实验表明:此算法不仅可以平衡局部和全局的搜索能力,还能提高算法的搜索效率和精度。     

基于思维进化的机器学习:框架及新进展

综述了MEBML产生的基础、动机以及它的基本原理、特点和新的进展.并指出:MEBML有快速学习的能力,适应性好,学习灵活,可应于黑盒子系统和灰色系统,具有固有的并行性以及解决非数值问题的能力.     

离散Boltzmann-BGK方程解的长时间特性研究

以D1Q3模型为例,研究了一维情况下具有特定离散速度的Boltzmann-BGK方程的解,当时间趋于无穷大时,可由Burgers方程自相似解叠加表示出来.     

人性探究:传统与现代——基于伦理学的视角

人性问题,从来就是东西方哲学,尤其是道德哲学的基本问题。从伦理学的角度考察了东西方对于人性的传统认知,阐述了各种不同人性认识的分歧,说明了传统人性论所存在的局限。在此基础上,指出了社会生物学是科学的人性认知的可能路径。     

利他与合作:生物有机体的生存策略和进化路径

利他与合作是生物有机界普遍存在的现象．进一步研究表明,这类现象与经典的自然选择学说并不相悖,而是对其的进一步发展．利他与合作不过是生物有机体另一种不同的生存策略;利他与合作的进化也只是生物有机体为适应环境而形成的另一条不同的进化路径．