【摘 要】
：
2021年,中国林学会已经走过了整整104年的发展历程.筚路蓝缕,以启山林.中国林学会在内忧外患中诞生,在磨难挫折中成长,在攻坚克难中壮大.从最初的十几个成员,发展到今天拥有11万会员、50个分会的现代林业科技社团,中国林学会实现了一个又一个历史跨越,为中国林业事业做出了巨大的贡献.中国林学会的成立,标志着中国林学向近现代林学发展,是中国林业事业发展上新的里程碑.一百多年来,中国林学会始终坚持以“建设林业、服务祖国”为己任,与人民共命运,与时代同步伐,见证了中华民族从站起来、富起来到强起来的伟大飞跃.在新
论文部分内容阅读
2021年,中国林学会已经走过了整整104年的发展历程.筚路蓝缕,以启山林.中国林学会在内忧外患中诞生,在磨难挫折中成长,在攻坚克难中壮大.从最初的十几个成员,发展到今天拥有11万会员、50个分会的现代林业科技社团,中国林学会实现了一个又一个历史跨越,为中国林业事业做出了巨大的贡献.中国林学会的成立,标志着中国林学向近现代林学发展,是中国林业事业发展上新的里程碑.一百多年来,中国林学会始终坚持以“建设林业、服务祖国”为己任,与人民共命运,与时代同步伐,见证了中华民族从站起来、富起来到强起来的伟大飞跃.在新时代新征程中,中国林学会将继续谱写新一轮跨越腾飞的壮丽篇章.
其他文献
模糊集可以表示为一些模糊粒的并集,粗糙集也可表示成相应模糊粒的并集.本文主要探讨直觉模糊粗糙集的粒结构,直觉模糊粗糙集是在直觉模糊关系下结合了粗糙集和直觉模糊集构造出来的.本文首先在直觉模糊等价关系下定义了两种模糊粒,利用它们构造直觉模糊集的上下近似算子并给出例子.然后首次在相似关系下构造直觉模糊粗糙集的粒结构并探讨其性质,给出相应隶属函数的表达式,证明了利用模糊粒定义的近似算子等价于利用隶属函数定义的近似算子,进一步拓展了直觉模糊粗糙集在粒计算中的应用.
在移动网络交易中,交易双方的互信是网络交易能够顺利进行的前提和关键,实体间的信任度量涉及到交易额、交易时间、消费实体个人相关信息及其对信任的风险态度等因素,通常难以准确地进行量化计算.为探明这种互信关系的本质特点,基于多Agent系统协同理论,提出了基于移动Agent的动态互信计算模型,实现了对信任的定性与定量的转换;同时对现有的新用户信任度赋值方法进行了改进,提出一种依据前期系统的最小信任度,动态设置新用户初始信任度的方法,有效抵制了随意抛弃信誉资料的败德行为.并通过将交易评价体系和权重体系引入多因素机
属性约简是模糊粗糙集理论的重要研究内容,它能够删除冗余的属性,保留数据集中的关键信息.本论文旨在给出动态数据信息下的属性约简方法.基于模糊粗糙集模型中的极大样本差别对,给出了当样本发生变化时的增量属性约简算法.首先引入了增加一个样本时的约简更新机制,通过更新极大差别对,提出了相应的属性约简算法,基于此,给出了增加多个样本时的极大差别对更新机制以及相应的属性约简算法,最后实验进一步阐明该方法对于计算增量属性约简的有效性和实用性.
针对卫星姿态确定系统中存在不确定性系统误差问题,本文提出了 一种适于处理不确定性系统误差的新型鲁棒滤波方法,以提高姿态确定精度.在深入分析了经典的鲁棒姿态确定方法的优势及缺陷基础上,利用相对安装误差等系统误差之间的相关性信息,将不确定性误差降维处理,进而,基于最小化估计误差的方差上界的思想,设计出改进的新型鲁棒滤波方法,抑制不确定性系统误差的影响.最后通过仿真实验验证了本文所提出方法的有效性以及相对于经典的卡尔曼滤波(EKF)方法、扩维的EKF(E-EKF)方法以及经典的鲁棒滤波方法的优越性.
本文在L是完全分配格时,首先提出了L-模糊素理想度,并利用L-模糊集的四种截集对其进行了等价刻画,其次研究了由L-模糊素理想度诱导的L-模糊凸结构,同时讨论了任意多个L-模糊子集交的L-模糊素理想度以及在同态映射下象与原象的L-模糊素理想度的性质.
区间值毕达哥拉斯犹豫模糊集是毕达哥拉斯犹豫模糊集的扩展,增强了不确定信息处理的鲁棒性.将区间值毕迭哥拉斯犹豫模糊信息融入粗糙集分析,进行相应不确定性建模,实现不确定性信息融合.基于区间值毕达哥拉斯犹豫模糊关系,构建区间值毕这哥拉斯犹豫模糊粗糙集模型,研究下上近似关于集合并交补运算的基本性质,得到近似集的知识粒化单调性质,采用实例分析进行模型说明与性质验证.所得模型与性质有利于区间值信息系统的不确定性推理.
针对电力系统在风电并网时由于其随机性及不确定性而产生的波动扰动,致使降低系统稳定性的问题,提出一种基于H∞优化控制的不确定电力系统稳定性研究方法.通过励磁控制系统利用并行分布补偿技术结合事件触发理论设计模糊控制器,同时采用T-S模糊控制对电力系统进行模糊建模.通过H∞优化控制理论结合李雅普诺夫稳定性理论研究提出保证单机无穷大电力系统稳定性的充分条件以及系统控制器的设计方法,并将充分条件以线性矩阵不等式形式表示.最后采用MATLAB仿真软件对所求得稳定性判据进行验证,证实该结论的有效性.
近年来,深度学习在很多领域获得了广泛的应用.但是,由于深度学习的不可解释性,人类不能信任它的处理结果.本文针对这个问题,尝试使用云模型来表达特征空间中单个神经元的概念.经过逆向云变换算法得到的概念内涵可以表达概念的成熟度.在卷积神经网络(CNN)中,峰态系数过高或者过低的概念数量很多.现有逆向云发生器在转换这些概念时会产生较大的估计误差.这种误差导致得到的概念内涵不准确,干扰了对深度学习的解释.我们分析了单步法和多步法产生误差的原因,并用实际概念对分析结果进行了验证.分析结果表明,这些逆向云发生器在两种极
本文研究广义q-阶正交模糊混合几何平均算子及其在多属性决策中的应用.基于q-阶正交模糊集的隶属度空间大于直觉模糊集与毕达哥拉斯模糊集的特点,在q-阶正交模糊环境下,将算子自身的权重与位置权重相结合,定义了广义q-阶正交模糊混合几何平均算子.提出基于广义q-阶正交模糊混合几何平均算子的多属性决策方法,并通过选取最优拍摄地实例应用了该方法,讨论了参数的不同取值对结果的影响,最后与其他算子进行对比,说明该方法的有效性和可行性.
区间数作为一种表达不确定性信息的工具,具有易获得性和实用性.区间数之间的距离和相似度是表达区间数之间差异的有效度量,可应用于决策、模式识别、聚类等领域.学者们根据不同的背景提出各种度量方法,但还存在辨别力不足、违反直觉以及个别无法满足度量的公理化条件等问题.为了解决上述问题,本文提出一种改进的区间数距离度量方法.该方法通过考虑区间数之间的包含、分离和相交关系,引入半径影响因子λ和k,定义不同影响因子下的区间数距离度量.通过证明,该距离度量方法满足公理化条件,对比现有的一些距离度量,具有更好的辨别力且不存在