2021美赛F奖论文中文版-C题
需积分: 5 76 浏览量
2022-09-16
15:57:51
上传
评论 7
收藏 835KB PDF 举报
C
2021
毫米/厘米
汇总表
#2109298
摘要
亚洲大黄蜂（AGH，柑橘树）是世界上最大的大黄蜂物种之一。
AGH原产于因多马拉亚地区，
是各种昆虫的贪婪捕食者，包括蜜蜂。2019年9月19日，在温哥华外发现了一个AGH巢。尽管鸟巢
在现场被摧毁，但一群幸存下来的大黄蜂继续在附近地区游荡，激起了公众的严重焦虑。北美
AGH种群入侵可能破坏生物多样性，威胁公共卫生[8]。因此，遏制AGH的传播是一项紧迫的任务
，其中我们确定了三个重要的目标：估计AGH种群动态，建立一个有效的报告分类系统，形成一
套分配大黄蜂控制人员的策略。
我们通过构建一个具有一组自定义更新规则的强大的元胞自动机（CA）模型来解决第一个问
题。我们首先将华盛顿州及其周边地区划分为2925个区域（或单元格），每个区域的面积范围为
12公里*12公里。为了提高CA的准确性，我们引入了一个指标，捕获AGH繁殖和活跃水平的季节变
化，以及每个细胞对AGH的适宜性测量。然后，这些索引共同确定了CA的更新规则。CA给出的模
拟描述了以下入侵动态： 1)乔治亚海峡将阻止AGH殖民地向西扩散，特别是向温哥华岛扩散；2)
一部分AGH将首先向东移动，然后向南移动，最有可能进入奥卡诺根-韦纳奇国家森林。3)另一组
AGH将接近适宜性指数较高的加拿大边境。从长远来看，CA模拟表明AGH群体主要向国家森林地区
收敛。为了研究我们的模型对初始条件的敏感性，我们扰动了CA的几个关键参数。然后，我们通
过库贝克-莱布勒散度度量计算不同初始化的输出种群分布之间的距离，并在每个时间步长构造
每个细胞区域的AGH种群的95%置信区间。结果表明，我们的CA模型对参数的显著变化不敏感。
民间报告对遏制AGH至关重要。对于文本数据分析，我们应用潜在狄利克雷分配从文本中提取
关键语义。模型输出表明，大多数文本数据与手头的分类任务无关，因此它们对这项调查的价值
不大。对于图像数据分析，我们构建了一个基于预先训练的VGG-11架构和一个SVM分类器的两阶
段图像分类模型。为了处理一个非常不平衡的数据集，我们通过旋转、裁剪和高斯模糊来增强具
有正标签的图像。然后，我们在2019-0919-2020-0515的图像数据上对我们的模型进行训练，并
在2020-0-0515及以后对其进行测试，平均测试精度为90.2%，AUROC得分为94。4%.该模型在对抗
性攻击下的鲁棒性。对于区域信息，我们设计了一种在空间和时间上的区域报告可信度的度量，
这在接下来的贝叶斯分析中是至关重要的。然后，我们将获得的量的微调版本输入一个朴素贝叶
斯推理模型，该模型输出给定报告的正确分类的可能性，因此可以用于报告处理的优先级。
为了进一步改进我们的模型，我们为传入的报告设计了一个可靠的更新例程。我们从Baum-
Welch算法中得到了深入的了解，并提出了一种新的贝叶斯更新方法。该方法利用蒙特卡罗抽样
法计算不同参数集的后验概率，可以从正报告和负报告中提取信息。
最后，基于CA的预测和更新程序，我们提出了一套规则来决定AGH是否被根除。我们还给华盛
顿州农业部写了一份备忘录，解决了AGH入侵的严重程度，并为检测AGH殖民地和处理目击报告提
供了建议。
关键词：细胞自动机，朴素贝叶斯推理，鲍姆-韦尔奇算法，AUROC分数
选择的问题
团队控制编号
剩余24页未读，继续阅读
资源评论
cynara12
- 粉丝: 8
- 资源: 12
