基于贝叶斯网络及时序模拟的配电系统可靠性评估

针对适合配电系统可靠性评估的贝叶斯网络模型还不够完善,研究了贝叶斯网络模型的组成,建立了“联合”关系模型和“因果”关系模型;针对贝叶斯网络精确推理难以计算大规模配电系统的可靠性指标,将贝叶斯网络和时序模拟技术相结合,提出了一种时序模拟推理算法。该算法能产生元件的状态与随机时间段,实时进行系统状态的推理与时间、停电用户次数和停电量的累计,利用这些累计量不但可以计算系统的可靠性指标,还可进行诊断推理和因果推理,从而既能实现对系统的总体评价,又能找出钳制系统的薄弱环节。通过与配电系统可靠性测试系统数据及贝叶斯网络精确推理数据相比较,验证了该算法的合理性和有效性。     

贝叶斯最大熵地统计方法研究与应用进展

以克里格估算为基础的插值和随机模拟为代表的经典地统计方法是目前研究地理属性空间分布的主要方法,但仍存在精度不高及不能有效利用其他有价值信息的缺陷。近年来贝叶斯最大熵地统计方法在国外逐渐流行,该方法能够在有效利用多源数据的基础上,提高空间分布研究精度,是一种新的非线性方法。本文详细阐述了贝叶斯最大熵方法的数据内容、实施步骤、一般算法及计算结果,并介绍了该方法的应用情况,最后对该方法的优点和不足作出了评价。     

基于熵权法加权的模糊C均值聚类算法研究

针对模糊C均值聚类算法不能区分数据各属性之间的不平衡性,提出了一种基于熵权法加权的模糊C均值聚类算法。该算法首先应用熵权法计算各属性的权重系数,然后对标准化之后的原始数据进行加权,最后应用模糊C均值聚类算法对加权之后的数据进行聚类。实验表明,该算法聚类准确率要明显高于未加权的模糊C均值聚类算法。     

基于机器视觉的非结构化道路检测与障碍物识别方法

为了实现非结构化道路检测与障碍物的识别,提出了一种基于最小错误率贝叶斯决策与Hough变换相结合的非结构化道路检测与障碍物识别算法。算法首先将Otsu多阈值理论引入到最小错误率贝叶斯决策中并进行图像分割,然后利用Hough变换进行道路检测、提取出纯路面区域并再次进行路面分割,最后根据分割结果进行路面障碍物定位。结果表明,该算法能够有效实现非结构化道路的检测与障碍物的识别,在光影、照度变化、水渍等不利因素影响较小的情况下,具有较好的鲁棒性。     

基于可见-近红外光谱技术的蜜源快速识别方法

蜂蜜蜜源决定了蜂蜜的药用价值。为了实现快速无损识别蜂蜜蜜源,提出了基于可见-近红外光谱技术结合机器学习的方法来实现蜂蜜蜜源的快速无损识别。该研究采集来自4个蜜源共232份蜂蜜样本光谱数据,随机选取其中212个样本用来构建分类器,剩余20个样本进行分类器泛化学习能力的检验评估。光谱数据预处理采用基线校正,数据标准化和平滑消除干扰和噪声。基于一对多分类规则,采用主成分分析结合贝叶斯线性判别构造线性多分类器,并就分类效果和泛化学习能力与前向神经网络器构成的非线性分类器进行比较。结果表明：基于主成分分析结合贝叶斯线性判别构造的多分类器分类正确率为91.95%,前向神经网络的分类正确率为100%。该研究也表明应用可见-近红外技术对蜂蜜蜜源进行快速分类是可行的。     

L波段主被动微波协同反演裸土土壤水分

土壤水分是进行干旱监测、土壤侵蚀、农作物产量预测以及地表温度研究的重要参量,利用主被动微波协同的方法提高土壤水分的反演精度是定量遥感发展所面临的重要任务。本文基于土壤L波段微波散射辐射模拟数据集,通过对比分析主被动微波数据对土壤水分含量和粗糙度2个参数的敏感性,提出了基于L波段主被动协同的裸土土壤水分反演算法,算法充分利用了被动微波地表发射率对土壤水分较为敏感,而主动微波后向散射系数对地表粗糙度较为敏感的特点。首先由地表垂直极化发射率和 VV 极化后向散射系数协同提取地表粗糙度信息,再由被动微波双极化数据结合地表粗糙度信息来估算土壤水分信息。利用SMAPVEX12实验数据集中部分稀疏植被采样点的观测数据对算法进行验证,验证结果显示,土壤水分反演结果与地面实测数据相关性为0.6637,RMSE为0.0607 cm3/cm3。该文反演算法模型系数直接由模拟数据集计算得到,克服了常规经验算法的发展对地表实测数据的依赖性,减小了算法在实际应用中的局限性。     

基于关联规则的渔业信息推荐系统设计与实现

为了快速便捷的获取渔业科学数据信息,基于Web日志挖掘技术对渔业科学数据共享平台用户频繁访问模式进行分析,用于发现用户访问规则,进行信息推荐服务。对分析挖掘中涉及的算法进行了分析与改进,提出了IASR(IP agent session referrer)用户识别算法和关联规则Apriori算法的改进算法,试验研究表明,IASR算法将用户识别准确性提高了13%,速度是通用算法的2倍。当事务数目大于500时,改进算法的执行效率远远优于Apriori算法,速度提高6倍以上。在此基础上,讨论了系统的关键设计与实现方法,开发了渔业信息推荐系统。系统采用JAVA、AJAX开发,数据库SQL Server2005,操作系统为Windows XP。应用结果表明,系统可使用户方便快捷地获取自己感兴趣的渔业数据信息,从而提高信息服务的质量。     

基于遥感数据与作物生长模型同化的作物长势监测

遥感观测和作物生长模型模拟是进行农作物长势监测的2种有效手段,并具有较好的互补性,构建二者的同化系统是目前农业遥感研究领域的热点。同化涉及多学科的交叉集成,十分有必要将同化方法中的模型、算法、数据进行集成,构建基础作物模型同化系统平台,降低科学研究和应用的难度。采用模块化结构设计,将同化系统构建所需的主要模型、算法、数据等进行有机结合和无缝集成,实现基于极快速模拟退火算法的遥感数据与CERES-Wheat作物生长模型的同化原型系统构建。此外,通过所开发的系统利用地面高光谱作为遥感数据,通过同化小麦叶面积指数对同化系统进行了检验和初步应用。同化LAI与实测结果较好的拟合度,表明所开发的同化系统基本可行,能为遥感技术与作物模型的基础研究和应用提供一个平台。     

基于光谱特性分析的冬油菜苗期田间杂草识别

杂草识别是自动除草的关键环节,运用光谱分析技术可以快速识别杂草。该文以冬油菜苗、冬油菜苗期杂草和土壤为研究对象,通过ASD便携式光谱分析仪采集光谱数据。对每个样本连续采集5组数据,经平均、一阶导数、压缩等预处理后,得到368组波长在400～2300 nm范围内的光谱数据。采用逐步判别分析法,按统计量Wilks’ Lambda最小值原则选择变量,选取了710、755、950和595 nm共4个特征波长。运用4个特征波长分别建立了典型判别函数模型和贝叶斯判别函数模型。用这2组模型分别对预测集进行预测,典型判别函数模型的正确识别率为97.78%,在不同的先验概率下贝叶斯判别函数模型的正确识别率分别为98.89%和97.78%。结果表明：当先验概率根据类别大小计算时,以特征波长建立的贝叶斯判别函数模型能较好的识别冬油菜苗期田间杂草,而且模型稳定。该研究结果可为杂草探测光谱传感器的开发提供参考。     

应用田间行走式红外光谱进行土壤碳含量估测研究

对应用田间行走式设备获取的土壤红外光谱数据,通过特征变换和特征选择相结合,以提高所建立土壤碳校正模型的预测精度。首先应用独立成分分析（ICA）、主成分分析(PCA)和小波分析(WA)对土壤红外光谱数据进行特征变换,然后分别应用无信息变量消除法(UVE)、连续投影算法(SPA)、无信息变量消除结合连续投影算法(UVE-SPA)、基于遗传算法和偏最小二乘法的变量选择法(GA-PLS)来进行特征选择,基于所选择的特征建立了土壤碳校正模型。结果表明,通过ICA进行特征变换,然后进行特征选择,可以建立比直接对光谱数据进行波长选择精度更好的预测模型;而WA或PCA与特征选择方法结合,只能获得与对光谱数据直接进行波长选择相近的效果。因此,针对田间条件下通过行走式设备获得的光谱数据由于受复杂的环境条件下干扰多的情况,可以将ICA与特征选择方法结合起来对光谱数据进行特征变换和选择,以建立更可靠的土壤碳含量预测模型。     

基于关联规则数据挖掘算法的应用

数据挖掘,又称数据库中的知识发现,作为一门新兴的研究领域,主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识,数据挖掘是当前数据库领域中最受瞩目的研究方向之一。在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起了越来越多的关注。本文利用SQL Server 2005数据挖掘工具,对已测得的土壤数据,利用关联规则算法对土壤的地力等级进行了预测。     

农业信息数据挖掘的粗糙集方法研究与实例

我国是个农业大国,农业数据量极大,手工处理工作量大且不准确。本文研究了将粗糙集理论运用于农业数据挖掘的计算机处理方法,提出了基于粗糙集理论的农业数据挖掘的基本算法和模型,并通过实例对其进行了验证。     

Multi-step ahead soil temperature forecasting at different depths based on meteorological data: Integrating resampling algorithms and machine learning models

Direct soil temperature (ST) measurement is time-consuming and costly;thus,the use of simple and cost-effective machine learning (ML) tools is helpful.In this study,ML approaches,including KStar,instance-based K-nearest learning (IBK),and locally weighted learning (LWL),coupled with resampling algorithms of bagging (BA) and dagging (DA)(BA-IBK,BA-KStar,BA-LWL,DA-IBK,DA-KStar,and DA-LWL) were developed and tested for multi-step ahead (3,6,and 9 d ahead) ST forecasting.In addition,a linear regress...     

基于物联网的生猪运动行为及猪舍环境远程监控系统

In intensive and large-scale livestock breeding, how to evaluate welfare of each individual effectively has become one hotspot of welfare breeding.In this study, a remote monitor system based on computer vision technology and wireless sensor networks was proposed.In the system, pig videos in the piggery were captured by IP cameras and transmitted remotely to PC systems for objects tracking and trajectory extraction, and the piggery environmental data such as temperature, humidity and harmful gases were collected by wireless sensor networks(WSN) nodes.Traditional Camshift tracking algorithm was improved.The average root mean square errors of traditional and improved algorithm were 78.07 and 32.29, indicating the improved algorithm reduced error and improved tracking stability.The results of the real-time monitoring of environmental parameters by WSN showed that the hydrogen and ammonia concentrations, and the ambient temperature were all kept in the normal range, while the carbon dioxide concentration was exceeded, and the air humidity was slightly high.Through data mining, precise welfare monitoring and breeding management were realized.     

基于数据挖掘的决策树算法应用研究

数据挖掘是一种发现大量数据中潜在信息的数据分析方法和技术,已经成为关注的热点。决策树方法因其简单、直观、准确率高等特点,在数据挖掘及数据分析中得到了广泛的应用。本文使用数据挖掘的C4.5算法对UCI数据库中的蘑菇数据构建决策树模型,给出了蘑菇可食用或有毒的决策。     

基于数据仓库和数据挖掘技术的温室决策支持系统(简报)

农业领域的专家知识多是描述性和经验性的知识,难以进行精确的数学描述,这给农业决策支持系统的构建带来了一定的困难。为解决这种传统的决策支持系统的不足,介绍了基于数据仓库技术和数据挖掘技术构建的温室决策支持系统。该系统通过建立数据仓库来存储各种来自异质的信息源的数据,利用联机分析处理实现多维数据分析,然后通过数据挖掘技术从数据仓库中获得新的农业知识,以丰富决策支持系统的知识库。在系统的实现过程中,采用了SQL Server分析服务,实现数据挖掘与数据仓库以及应用程序的紧密耦合,从而大大提高了数据挖掘效率。将数据仓库、联机分析处理、数据挖掘三者结合起来形成了一种新的温室决策支持系统。     

基于数据仓库的土壤环境监测综合挖掘模型构架

为解决土壤环境监测全流程优化问题,提出了监测流程综合挖掘方法,采用数据仓库和工作流挖掘技术,构建了一个土壤环境监测综合挖掘模型构架.首先,采用雪花结构建立了数据模型构架,为流程挖掘提供数据底层;然后建立了监测流程综合挖掘模型构架,给出了监测单元挖掘、监测点位挖掘和监测数据挖掘,以及综合挖掘的模型函数和参数,以局部优化和全局优化的思路实现了土壤环境监测全流程优化.研究结果对于提高土壤环境监测效率,拓展LIMS实验室信息管理系统功能,构建土壤环境监测数据仓库和专家系统提供指导.     

基于物联网的生猪运动行为及猪舍环境远程监控系统（英文）

In intensive and large-scale livestock breeding,how to evaluate welfare of each individual effectively has become one hotspot of welfare breeding.In this study,a remote monitor system based on computer vision technology and wireless sensor networks was proposed.In the system,pig videos in the piggery were captured by IP cameras and transmitted remotely to PC systems for objects tracking and trajectory extraction,and the piggery environmental data such as temperature,humidity and harmful gases were collected by wireless sensor networks(WSN)nodes.Traditional Camshift tracking algorithm was improved.The average root mean square errors of traditional and improved algorithm were 78.07 and 32.29,indicating the improved algorithm reduced error and improved tracking stability.The results of the real-time monitoring of environmental parameters by WSN showed that the hydrogen and ammonia concentrations,and the ambient temperature were all kept in the normal range,while the carbon dioxide concentration was exceeded,and the air humidity was slightly high.Through data mining,precise welfare monitoring and breeding management were realized.     

基于多维建模的滑坡监测数据挖掘

安全监测是研究和防治滑坡的重要手段之一,而位移监测又是滑坡监测中一种最常用的监测手段.滑坡位移监测数据的分析一般基于平面文件进行,而本研究则基于数据仓库的概念,深入分析滑坡位移监测时间序列数据,使用建模工具Power Designer建立了滑坡位移监测多维模型,在多维数据集的基础上进行数据挖掘分析.以长江三峡库区白水河滑坡位移监测数据为例,设计了滑坡监测数据多维数据集的维、概念层次和度量等,并在SQL Server 2005 Analysis Services软件中使用Microsoft时序算法实现数据挖掘,对滑坡位移进行预测分析,得到的预测数据与实测数据误差很小,表明Microsoft时序算法可用于滑坡监测数据的短期预测.