【目的】选择能够真实反映种群自疏动态的拟合方法是评估自然稀疏法则的难点和热点问题。【方法】本研究基于福建省553块杉木同龄林样地数据,对前人用于估计自然稀疏方程的手绘法、区间法和相对密度法3种传统方法,普通最小二乘法回归(OLS)、简化主轴回归(RMA)和分位数回归(QR)3种以回归为基础的方法,修正最小二乘法(COLS)、确定性前沿函数(DFF)和随机前沿函数(SFF)3种边界模型构建方法进行对比分析,得出最大密度线的适宜拟合方法。【结果】手绘法简单易行,但主观性较强;区间法拟合结果会受到区间长度的显著影响,得到的最大密度线斜率往往比真实斜率平缓;相对密度法能排除非密度依赖死亡的干扰,但会受选点过程中预设斜率理论值的影响;OLS法、COLS法、RMA法拟合的直线容易出现与实际的数据点边界不吻合的问题,与自然稀疏直线为数据点上边界线的定义不相符;当分位数值越接近100%,QR法拟合得到的直线就越接近林分自疏上边界线;DFF法中,采用线性规划途径拟合直线优于非线性规划途径,但QR法和DFF法进行统计推断比较困难。SFF法拟合结果比较客观,但只有随机误差项的方差足够小且趋近于零时,拟合所得直线才能真实反映种群自疏过程。【结论】本文最后筛选得出福建省杉木人工林最优自然稀疏方程为ln(QMD)=7.795-0.620ln(N),可为当地杉木经营实践中制定有效密度调控措施提供参考。

Based on density theory of plant growth and related biological hypothesis, a theoretical model describing the whole change process of plant population density was derived, i.e. \%N\%=exp(\%a\%ln\+2\%v+b\%ln\%v+c\%), where \%N\% and \%v\% represent population density and mean volume of a plant, and \...

本文提出同龄纯林自(然)稀硫的理论方程式。这个方程式概括了各种不同立木度林分的自稀疏规律,由此方程式结合断面积生长模型可以导出不同初始密度林分的自然生长过程。熟知的完满立木度林分的自稀疏规律是本文所述方程式的特例。一个实例说明不同初始密度林分自然生长过程的计算方法及例证不同密度林分自稀疏规律的不同。

在杉木人工林抚育间伐强度试验20年中,研究不同间伐强度林分自然稀疏的变化,揭示自然稀疏株数与林分密度和立地条件的关系,对杉木林密度管理图自然稀疏线数学方程M=k1·k2作出检验,提出不同间伐强度林分直径、树高和林冠结构等。自然稀疏研究表明,CK和弱度间伐自然稀疏起始期高峰期早,稀疏量大,稀疏过程具连续性,按其稀疏量可分为轻微稀疏期、剧烈稀疏期和延续稀疏期等3个阶段,若不加以人为干预,自然稀疏将是一个漫长的过程。中度和强度间伐稀疏起始期和高峰期之间呈间歇性、稀疏阶段性不明显。研究发现,林分密度和立地条件对枯死木株数均有重要作用,但密度比立地条件更重要。杉木林密管图自然稀疏线数学方程经检验,相对误...

根据植物种群生物量的增长模式和最大密度法则 ,应用Korf生长方程推导出同龄纯林最大密度的林分和一般密度的林分在自然稀疏过程中密度变化规律的模型。实例验证表明 ,本文所提出的自然稀疏模型有较高的准确性和较大的适用性 ,可用于模拟各种自然生长的林分密度动态

稀疏线性方程组的求解是许多大规模科学计算任务的核心环节。目前,并行算法的发展为稀疏线性方程组的求解提供了新的思路和强有力的工具。然而,现有的并行算法存在一些缺陷,如最优子矩阵的划分难以获得、并行任务间的同步开销较大等。针对上述问题,该文提出一种基于变量相关性分解方法的稀疏线性方程组并行求解算法。该算法首先对系数矩阵进行不完全LU分解,得到上三角和下三角方程组,然后在这2个方程组求解过程中利用y与x的关系分解变量的相关性,同时并行计算变量的独立部分值,最后将所有的独立部分值相加得到变量的最终值。由于算法中变量的求解无需等待其所有前继变量计算完成即可进行部分值计算,因此有效减少了算法的执行时间,进而提高了算法的求解速度及并行度。实验结果表明:与调用cusparse库函数实现的并行求解方法相比,该文提出的算法能将稀疏线性方程组的求解速度提升了50%以上。

采用普通最小二乘法和最大似然估计两种方法分别对Zipf定律的分布进行拟合比较研究。普通最小二乘法是目前曲线拟合中普遍采用的方法,而最大似然估计是曲线拟合更为合理的方法。分别利用三组中文和三组英文语料,对两种方法进行对比实证研究,结果发现最大似然估计方法的拟合更合理,对Zipf定律的拟合比普通最小二乘法好,同时发现英文词汇比中文更好地符合Zipf定律分布,即中文语料不严格符合经典的Zipf定律分布。本研究可以为幂律拟合的研究提供一些参考。

通过对马尾松4~20年生不同密度的人工同龄纯林生长资料的分析表明:第1次树高生长分化高峰期在4~7年生,第2次在11~14年生,幼林郁闭后林木直径分化状态比较稳定。中幼林期抚育间伐主要采伐劣等木,进入近熟林期后除采伐劣等木外,还可采伐一部分中等木。间伐施工应以留优去劣为主,适当照顾均匀。总稀疏强度与密度呈正相关性,出现稀疏的时间随密度增大而提前;连年稀疏强度高峰期出现在林分郁闭后的一段时间内。根据总稀疏强度与稀疏时间同密度的关系可确定不同密度林分的间伐强度与时间。利用马尾松人工林观测资料拟合出与立地条件、现存株数密度、林龄三因子相关的自然稀疏模型,从而可推算出不同立地条件的自然稀疏表,为马尾松...

本文以长白落叶松和杉木验证了作者提出的同林纯林自稀疏方程式。１ｎ（Ｎ）＝１ｎ（Ｓｆ）－１ｎ（（Ｄ／Ｄ０）βγ十δ）／γ证明此方程式正确描述了林分自稀疏过程。方程式中δ由林分初始决定，β是Ｒｅｉｎｅｋｅ自稀疏系数。Ｓｆ为最大密度指数，γ是自稀疏指数．采用Ｆ检验方法证明，林分最大密度指数相当稳定且与立地，地区，年龄和初始状态无关，γ值也与立地，地区，年龄和初始状态无关，但可能存在较大的抽样误差。

目的:探讨生存曲线拟合外推的新方法,以应对标准参数模型无法捕捉复杂风险函数的问题,为我国抗肿瘤药物经济学评价中生存曲线的拟合外推提供方法学参考。方法:基于国内外文献总结治愈模型、混合模型、分段模型、限制性三次样条模型、界标模型5种方法的基本原理和应用案例。结果:通过对比分析,发现5种新方法都灵活运用6种参数分布、采用对生存时间或人群进行划分的方式来捕捉和拟合复杂的风险函数,为生存曲线的更优拟合提供了可能,但目前还存在模型选择和拟合结果的不确定性。结论:应深入研究以风险函数估计为基础的拟合外推理论,规范模型选择的路径方法,并验证模型选择的合理性,不断提高我国药物经济学评价中生存分析方面的证据质量。

为了研究虾夷扇贝浮筏养殖自然稀疏效应和科学养殖密度,2009年8月—2010年7月,对不同密度梯度的3个贝龄虾夷扇贝进行浮筏养殖现场实验。在自然稀疏条件下,逐月调查浮筏养殖不同贝龄的虾夷扇贝壳长生长、湿重增长和累计死亡率,并估算了适宜的扇贝浮筏养殖密度。结果表明,在不同养殖密度条件下,3个贝龄扇贝周年壳长生长都没有显著差异;1龄贝壳长增长最快,年均增长29.53 mm;2龄贝壳长年均增长23.50mm;3龄贝壳长增长较慢,年均增长15.47 mm;3个贝龄扇贝周年湿重增长都没有显著差异,3龄贝和2龄贝湿重增长较快,3龄贝的年均增长约54.07 g,2龄贝的年均增长约37.80 g,1龄贝的年均...

【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。

稀疏主成分分析是最近才提出来的一种多元统计分析方法,并成功地用来解决若干降维和数据处理问题,论文分析和总结了稀疏主成分的优点,给出了求解各种稀疏主成分的算法,并将各种稀疏主成分分析方法引入综合评价,通过实例说明了稀疏主成分在综合评价应用中的有效性。

向量自回归模型(VAR)广泛应用在对时间相依的多元时间序列建模中,但在高维数据建模中,自回归的系数膨胀可能导致噪音估计、不稳定的预测、解释上的困难等问题。在实际应用中,序列的真实模型往往具有稀疏性,因此运用稀疏VAR模型对高维时间序列进行建模,不仅可以解决高维数据带来的上述困难,也有利于寻找高维数据内在的真实模型。本文以10家公司的股票收益率为研究对象,采用3种不同的稀疏估计方法,不但分析了股票收益率之间的动态关系,而且通过实证分析展示了稀疏估计的优势。