长角血蜱作为一种专性吸血外寄生虫,是很多病原的重要传播媒介。基于长角血蜱的分布数据和环境数据,利用最大熵(MaxEnt)模型对长角血蜱在中国大陆地区的潜在地理分布进行预测,评估不同环境因素对长角血蜱分布的影响。结果显示,长角血蜱...长角血蜱作为一种专性吸血外寄生虫,是很多病原的重要传播媒介。基于长角血蜱的分布数据和环境数据,利用最大熵(MaxEnt)模型对长角血蜱在中国大陆地区的潜在地理分布进行预测,评估不同环境因素对长角血蜱分布的影响。结果显示,长角血蜱在中国的适生区面积为363.97×104 km 2,约占全国陆地总面积的37.78%。长角血蜱适宜生存地区主要位于我国东北部、华北、南部沿海地区以及西藏的南部。植被覆盖度、降水、人口密度、温度和动物密度是影响长角血蜱地理分布的重要环境因素。研究结果可为长角血蜱监测工作和蜱传疾病的预防控制提供参考。展开更多
针对小比例车模识别中图像种类繁多、部分类间相似度较高、网络数据类别不均衡以及质量参差不一的问题,文章提出了一种组合模型。首先对网络采集的图像数据设计了一种基于深度学习的方法进行清洗,然后以破坏-重建学习(Destruction and C...针对小比例车模识别中图像种类繁多、部分类间相似度较高、网络数据类别不均衡以及质量参差不一的问题,文章提出了一种组合模型。首先对网络采集的图像数据设计了一种基于深度学习的方法进行清洗,然后以破坏-重建学习(Destruction and Construction Learning)方法为基础结合文章提出改进的Class-Balanced Focal Loss权重调节方法构建细粒度识别模型,最后文章选取了3种评价指标对模型效果进行评价。实验结果表明,该组合模型相较于原方法能更加准确地对小比例车模进行识别,对于少数类具备更强的泛化能力。展开更多
文摘长角血蜱作为一种专性吸血外寄生虫,是很多病原的重要传播媒介。基于长角血蜱的分布数据和环境数据,利用最大熵(MaxEnt)模型对长角血蜱在中国大陆地区的潜在地理分布进行预测,评估不同环境因素对长角血蜱分布的影响。结果显示,长角血蜱在中国的适生区面积为363.97×104 km 2,约占全国陆地总面积的37.78%。长角血蜱适宜生存地区主要位于我国东北部、华北、南部沿海地区以及西藏的南部。植被覆盖度、降水、人口密度、温度和动物密度是影响长角血蜱地理分布的重要环境因素。研究结果可为长角血蜱监测工作和蜱传疾病的预防控制提供参考。
文摘针对小比例车模识别中图像种类繁多、部分类间相似度较高、网络数据类别不均衡以及质量参差不一的问题,文章提出了一种组合模型。首先对网络采集的图像数据设计了一种基于深度学习的方法进行清洗,然后以破坏-重建学习(Destruction and Construction Learning)方法为基础结合文章提出改进的Class-Balanced Focal Loss权重调节方法构建细粒度识别模型,最后文章选取了3种评价指标对模型效果进行评价。实验结果表明,该组合模型相较于原方法能更加准确地对小比例车模进行识别,对于少数类具备更强的泛化能力。
