设计一个机器学习分类算法,实现对果蝇求偶行为的自动识别。在对图片规范化的基础上,提取图像局部二元模式统计特征与沃尔什特征获得果蝇求偶图像纹理几何特征。通过基于特征选择的集成学习来构建一个强分类器,实现对果蝇求偶行为的检测;采用十折交叉验证的方法进行验证,检测结果优于传统的图像处理分割算法。基于特征选择快速选择性集成,效率高于传统集成方法,基于特征选择集成学习识别昆虫的复杂纹理是可行的。通过机器学习方法来识别果蝇行为谱可以实现大规模的行为筛查,这将有助于基因和神经回路控制行为的研究。

本文以仿生学理论和方法对企业的招聘进行分析和研究,设计出基因型企业招聘模型。该模型以企业进化为目标,重视企业基因的识别和融合。在模型的基础上,分析招聘中企业的信号选择和发送机制,并研究招聘过程中“性选择”理论的外在表现,同时提出企业招聘的新策略。

蝴蝶是重要的观赏昆虫,极具艺术价值、观赏价值和经济价值,同时还在科学研究和环境指示等方面发挥重要作用。本文首先对青斑蝶成虫飞行、访花、求偶交配和产卵行为特征进行观察,然后探究了求偶过程中青斑蝶成虫种间识别机制和白带锯蛱蝶成虫两性识别机制,最后对青斑蝶蛹期和成虫期联系性学习行为进行研究,旨在加深对蝶类物种间和两性间交流机制及蝴蝶与其环境的进化适应关系的认识,并为构建蝴蝶飞舞自然景观提供理论依据。主要研究结果如下:1、青斑蝶成虫行为学特征通过跟踪观察青斑蝶雌雄成虫期的飞行、访花、求偶、交配和产卵行为特征及其活

本文面向企业运营管理实践，构建了一种基于联合补货策略的选址-库存-配送集成优化新模型。作为典型的NP-hard问题，传统算法难以高效稳定地求解，故本文设计了一种新的混合果蝇优化算法(Fruit Fly Optimization Algorithm, FOA),通过引入进化算法的信息交换、变异、选择操作来增强算法局部寻优能力，采取概率性飞行策略来平衡算法的全局寻优与局部寻优。算例结果表明，新混合FOA算法的准确性和稳定性较标准FOA有了明显的改善，与差分进化、自适应混合差分进化、粒子群优化相比也具有比较优势。

传统语音情感识别主要基于单一情感数据库进行训练与测试.而实际情况中,训练语句和测试语句往往来源于不同的数据库,识别率较低.为此,该文提出一种基于子空间学习和特征选择融合的语音情感识别方法.通过采用回归方法来学习特征的子空间表示;同时,引入l_(2,1)-范数用于特征的选择和最大均值差异(maximum mean discrepan-cy,MMD)来减少不同情感数据库间的特征差异,进行联合优化求解从而提取较为鲁棒的情感特征表示.在EMO-DB和eNTERFACE这2个公开情感数据库上进行实验评价,结果表明:

为探讨不同规格雄性金乌贼(Sepia esculenta)在求偶交配过程中的竞争及优势等级,采用实验生态学方法,在室内可控条件下分别设置1L1S组、1L2S组和1L4S组(L和S分别表示大规格雄性和小规格雄性,数字表示实验中雄性金乌贼数量),连续摄像观察和记录金乌贼的繁殖行为。结果显示:(1)繁殖过程中金乌贼具有明显的领域行为和护卫伴游行为。(2)随着群体中小规格雄性比例的增加,处于优势地位的大规格雄性个体的优势等级发生变化,主要表现为大规格雄性护卫伴游时间、成功交配次数逐渐减少,而小规格雄性护卫伴游时间、成功交配次数逐渐增多。(3)当群体中小规格雄性较少时,大规格雄性常常主动攻击小规格雄性,而当小规格雄性数量远大于大规格雄性时,小规格雄性主动向其他雄性发起攻击,以争取护卫权和交配权。研究表明,雄性金乌贼的规格和数量对于求偶竞争以及交配行为具有显著影响。随着繁殖群体中小规格雄性增多,大规格雄性成功交配次数逐渐降低。1L4S组成功交配次数稍高于1L2S组,显著高于1L1S组(P<0.05)。人工苗种繁育过程中选择合适规格的雄性亲体和合理的雌雄比例,对提高金乌贼繁殖效率具有重要意义。

[目的]研究鹤顶粉蝶（Hebomoia glaucippe）成虫觅食、求偶时的视觉、嗅觉信号利用机制。[方法]通过行为观察分别测定不同花色和蜂蜜水及塑封模型对鹤顶粉蝶的引诱效应。[结果]在无气味的7种不同颜色假花诱集试验中，雌雄蝶对长波长红色（620～750 nm）表现出明显的颜色倾向，雌雄蝶访花总次数为259次，雌雄蝶分别为151次和108次。而在假花上喷洒蜂蜜水后，雌雄蝶访花总次数为583次，雌雄蝶分别为305次和278次。单一蜂蜜水诱集时，雌雄蝶访花总次数仅10次，雌雄蝶访花次数分别为8次和2次。颜色-气味组与气味组和颜色组相比，访花次数分别提高58.30倍和2.25倍。在鹤顶粉蝶求偶过程中，雌雄蝶对模型的访问和自然种群的追逐规律不一致，鹤顶粉蝶对缺乏气味的标本模型的访问次数显著低于自然种群（P<0.05）。雌雄蝶翅膀的色彩与图案存在差别。[结论]鹤顶粉蝶在觅食过程中，以视觉为主，嗅觉为辅，具有明显的色觉偏爱；在求偶过程中，视觉和嗅觉均参与求偶识别，虽然鹤顶粉蝶可以通过视觉信号进行最初的配偶识别，但仍需要通过嗅觉信号精确识别配偶及同性。

【目的】克隆斑翅果蝇(Drosophila suzukii)气味结合蛋白56h(odorant binding protein 56h,OBP56h)基因,诱导表达斑翅果蝇OBP56h重组蛋白(DsuzOBP56h),研究其与小分子化合物的结合特性。【方法】通过RT-PCR并设计特异性引物克隆斑翅果蝇OBP56h ORF全长,从NCBI数据库中下载相似度高的昆虫气味结合蛋白序列,进行序列比对和分析。以NdeⅠ和XhoⅠ为酶切位点,将OBP56h连入pET-30a(+)原核表达载体,将重组质粒转入BL21(DE3)大肠杆菌感受态细胞。扩大培养阳性菌株,并用IPTG诱导表达DsuzOBP56h重组蛋白。收集菌液,通过超声波破碎细胞得到蛋白,利用Ni-NTA柱纯化蛋白,进行Tris-HCl透析,用BCA法测定蛋白浓度。蛋白用50 mmol·L~(-1) Tris-HCl(pH 7.4)稀释至终浓度2μmol·L~(-1),配基用色谱级甲醇稀释至终浓度1 mmol·L~(-1),以4,4′-二苯胺基-1,1′-联萘-5,5′-二磺酸二钾盐(4,4′-dianilino-1,1′-binaphthyl-5,5′-disulfonicacid dipotassium salt,bis-ANS)荧光探针为报告子,利用荧光竞争结合试验检测DsuzOBP56h蛋白与18种候选小分子化合物配基的结合特性。【结果】克隆获得了斑翅果蝇OBP56h的ORF全长,共405 bp,N-端含有19个氨基酸组成的信号肽,具有6个保守半胱氨酸位点,符合OBP的典型特征,与其同属的黑腹果蝇OBP56h进化关系最近。成功连入pET-30a(+)表达载体,在1 mmol·L~(-1) IPTG、28℃条件下诱导DsuzOBP56h蛋白表达,并过柱纯化得到目的蛋白。荧光光谱试验显示,荧光探针bis-ANS与DsuzOBP56h的解离常数为0.9568μmol·L~(-1),适合作为本试验中竞争性荧光结合试验的报告子;进一步的荧光竞争结合试验表明,在18种候选配基中,苦味物质盐酸小蘖碱和香豆素与DsuzOBP56h的结合亲和性较强,解离常数分别为12.16和17.93μmol·L~(-1),柚皮素与DsuzOBP56h的解离常数为25.32μmol·L~(-1),草莓叶片产生的一种对斑翅果蝇具有吸引作用的挥发性气味物质β-环柠檬醛也能与DsuzOBP56h结合,其解离常数为31.37μmol·L~(-1)。【结论】斑翅果蝇气味结合蛋白OBP56h能与测试的多种植物苦味物质和挥发性气味物质结合,表明DsuzOBP56h很有可能参与斑翅果蝇对食物味觉和嗅觉的识别行为,研究结果可为理解斑翅果蝇的取食行为提供理论依据,并为开展斑翅果蝇的生态防控提供新思路。

为了利用昆虫鸣声对昆虫进行种间或种下分类,对实验室环境下同种2个不同品系黑腹果蝇的飞行翅振鸣声进行了采集、分析,提取鸣声信号特征参数,并利用人工神经网络对采集的果蝇鸣声信号进行分类识别。结果表明,2个品系果蝇鸣声的基频均为236.86 Hz,有多个谐频,频率范围为0~4000 Hz,重叠较大;所建立的人工神经网络对种内不同品系果蝇鸣声的正确识别率均在75%以上,识别效果很好。研究结果为果蝇种下分类提供了新的方法和依据。

【目的】深度学习在鸟类物种识别的应用是目前的研究热点,为了进一步提高识别效果,提出一种基于鸟鸣声的Chirplet语图特征和深度卷积神经网络的鸟类物种识别方法。【方法】引入线性调频小波变换(Chirplet transform,CT)计算鸟鸣声信号的语图,输入深度卷积神经网络VGG16模型中,通过对语图进行分类实现鸟类物种的识别。以北京市松山国家自然保护区实地采集的18种鸟类为研究对象,利用Chirplet变换、短时傅里叶变换(short-time fourier transform,STFT)和梅尔频率

选择拥有STM32H743的OpenMV机器视觉模块作为MCU,设计了基于特征学习的身份识别报警系统。该设计使用摄像头模块进行图像采集,得到被测对象不同的表情和状态图像;通过人脸面部特征提取对比,得到特征差异度,进行识别人脸。采用OpenMV IDE采集被测对象佩戴口罩和无口罩的数据,训练并构建模型,对人脸面部特征进行检测,判断是否符合防疫要求。试验结果表明,本系统可以准确实现非接触式温度测量、防疫要求判别、现场身份特征学习与身份识别功能,具有灵敏度高、稳定性强等特点。

为了提高信用风险评估的准确率,应用支持向量机(SVM)来建立信用风险评估模型。针对SVM模型性能的优劣与参数的选择密切相关,提出对传统的果蝇优化算法(FOA)进行改进,采用改进的果蝇算法优化支持向量机的参数,并将该模型的评估结果分别与网格法、遗传算法(GA)和果蝇算法(FOA)优化SVM参数的评估结果对比。实验结果表明:使用改进的果蝇算法优化后的支持向量机模型的评估准确率更高,更适合用于信用风险评估。

多目标优化问题由于目标函数有两个或两个以上,其解通常是一组Pareto最优解。传统算法处理多目标优化问题时,不能满足现实的需求,文章对常规的果蝇优化算法进行改进,将避免局部最优因子引入FOA算法进行改进。通过仿真结果表明:改进的FOA算法可以克服FOA算法的早熟问题和局部最优解的问题,同时收敛速度也优于其他算法。

为了提高信用风险评估的准确率,应用支持向量机(SVM)来建立信用风险评估模型。针对SVM模型性能的优劣与参数的选择密切相关,提出对传统的果蝇优化算法(FOA)进行改进,采用改进的果蝇算法优化支持向量机的参数,并将该模型的评估结果分别与网格法、遗传算法(GA)和果蝇算法(FOA)优化SVM参数的评估结果对比。实验结果表明:使用改进的果蝇算法优化后的支持向量机模型的评估准确率更高,更适合用于信用风险评估。

为探究社会资本参与PPP意愿及特征，提出一个基于集成学习的可解释框架，通过SHAP模型解释预测结果，以增加模型透明度和可靠性。结果表明，基于SHAP可解释框架具有良好的预测和解释能力，有助于政府准确快速识别社会资本参与意愿以及特征；社会资本对于PPP项目所属领域具有选择偏好，更偏爱市政工程类项目；政府付费、宏观经济环境稳定以及开放的市场等更容易吸引社会资本的参与；过度超前基建投资反而会增加对社会资本挤出效应。据此提出三条对策建议：应建立与项目产出绩效相挂钩的回报机制；不能过度超前投资建设基础设施，以免造成对社会资本的挤出效应；应处理好政府与市场之间的关系，营造良好营商环境，平等合作。