排序方式: 共有26条查询结果,搜索用时 0 毫秒
1.
2.
3.
网络爬虫是搜索引擎的重要组成部分。针对目前聚焦爬虫搜索策略的不足,提出了一种新的搜索策略解决方案。在搜索过程中对适应度高于或低于种群平均适应度的个体采用不同的交叉概率和变异概率来扩大爬虫的爬取范围、增加新个体,并通过改进遗传算子,提高聚焦爬虫的搜索效率。实验证明,基于自适应遗传算法的聚焦爬虫在一定程度上解决了传统遗传算法的"早熟"问题,而且能够爬取到更多主题相关的网页和相关度高的网页。 相似文献
4.
研究了在中高纬度下考虑推广的β平面,研究了基本气流具有弱切变的非线性正压Rossby波,得到了偶极子阻塞形成的一个理论及其影响的问题.采用多重尺度法的方法,获得了Rossby波包满足非线性Schr9dinger方程的结果,通过δ效应对波包的波数产生影响,从而对Rossby的频率产生影响.指出:当Rossby波的波数满足k~2/3-Fm~24k~2+4/3F(k为纬向波数,m为经向波数)时,大气中周期Rossby波可以产生调制不稳定,形成包络Rossby孤立波.由于δ效应会对波数产生影响,推广了大气阻塞理论的结果. 相似文献
6.
目的:评价通心络胶囊治疗冠心病不稳定型心绞痛的临床疗效。方法:检索CNKI、万方、维普、CBM、PubMed等数据库2005~2016年公开发表的与通心络胶囊治疗冠心病不稳定型心绞痛相关的临床随机对照研究。由2位研究者独立按纳入和排除标准对文献进行筛选,提取资料并对纳入研究方法学质量进行评价,运用RevMan 5.3软件对收集的信息进行统计分析。结果:共纳入14篇文献,共计1266例。Meta分析显示:通心络胶囊组改善心绞痛症状的总有效率高于对照组[RR=1.26,95%CI(1.19,1.34),P<0.00001];通心络胶囊组心电图总有效率优于对照组[RR=1.31,95%(1.20,1.42),P<0.00001]。结论:通心络胶囊可进一步改善冠心病不稳定型心绞痛的临床症状和心电图等指标,且安全性较高。 相似文献
7.
8.
三门湾春季网采浮游植物群落特征 总被引:1,自引:0,他引:1
根据2013年5月的大面调查资料,对三门湾海域网采浮游植物的群落特征进行了初步研究。调查海域共检出浮游植物9门253种,以硅藻为主,占总种数的71.5%,其次是甲藻,占总种数的16.6%,其余藻类所占比率较低。浮游植物细胞丰度平均值为(2 227±3 883)×103个/m3,高值区分布在湾口东北部。优势种主要有短角弯角藻Eucampia zoodiacus、中华盒形藻Biddulphia sinensis、卡氏角毛藻Chaetoceros castracanei、整齐圆筛藻Coscinodiscus concinnus、中肋骨条藻Skeletonema costatum、琼氏圆筛藻Coscinodiscus jonesianus和弯菱形藻Nitzschia sigma。受水温和盐度等环境因素的影响,浮游植物优势种在湾口、湾中和湾顶部形成区域分布差异。对比历史资料可知,该海域网采浮游植物细胞丰度增加,而硅藻占总种数百分比则呈下降趋势。 相似文献
9.
目的:系统评价稳心颗粒联合曲美他嗪治疗冠心病不稳定型心绞痛的临床疗效。方法:检索自建库至2017年12月中国知网(CNKI)、维普中文科技期刊数据库(VIP)、万方数据(WANFANG DATA)、中国生物医学文献数据库(CBM)、PubMed等数据库有关稳心颗粒联合曲美他嗪治疗冠心病不稳定型心绞痛相关的临床随机对照试验(RCTs)的研究。由2位研究者按纳入和排除标准独立对文献进行筛选,提取资料并利用Cochrane偏倚风险评估工具对纳入研究的方法学质量进行评价,运用RevMan 5.3软件对收集的信息进行统计分析。结果:共纳入14项研究,共计1357 例患者符合条件纳入分析。Meta分析结果显示:稳心颗粒联合曲美他嗪组在改善心绞痛症状总有效率方面优于对照组[OR=5.95,95%CI(4.09,8.67),P<0.00001];心绞痛发作次数低于对照组[WMD=1.01,95% CI(0.90,1.13),P<0.00001];心绞痛发作时间低于对照组[WMD=2.62,95%CI(2.29,2.95),P<0.00001]。结论:稳心颗粒联合曲美他嗪能明显改善冠心病不稳定型心绞痛的临床症状,减少心绞痛发作次数,缩短发作持续时间,且安全性较高。 相似文献
10.
提出一种基于数值模式预报产品的气温预报集成学习误差订正方法,通过人工神经网络、长短期记忆网络和线性回归模型组合出新的集成学习模型(ALS模型),采用2013—2017年的欧洲中期天气预报中心数值天气预报模式2 m气温预报产品和中国部分气象站点数据,利用气象站点气温、风速、气压、相对湿度4个观测要素,挖掘观测数据的时序特征并结合模式2 m气温预报结果训练机器学习模型,对2018年模式2 m气温6~168 h格点预报产品插值到站点后的预报结果进行偏差订正。结果表明:ALS模型可将站点气温预报整体均方根误差由3.11℃降至2.50℃,降幅达0.61℃(19.6%),而传统的线性回归模型降幅为0.23℃(8.4%)。ALS模型对站点气温预报误差较大的区域和气温峰值预报的订正效果尤为显著,因此,集成学习方法在数值模式预报结果订正中具有较大的应用潜力。 相似文献