基于多特征的BP神经网络多种植物叶片病害识别研究

为准确识别植物的健康状况,更好地对植物进行健康管理和治疗,以芒果、柠檬和石榴3种植物健康和病害叶片为研究对象,设计BP神经网络模型对植物健康状况进行识别。首先提取植物叶片表型特征数据,包括叶片颜色特征、形状特征和纹理特征。其中使用小波变换提取植物叶片的纹理特征,并用PCA主成分分析法对提取的特征数据降维。其次建立BP神经网络模型对植物进行分类识别。采用不同特征组合进行实验,识别准确率最高可达83.9%。采用颜色、形状和纹理组合特征建立的BP神经网络植物叶片健康识别模型具有最好的识别效果,可以便捷、高效地识别植物病害。     

基于随机森林法的棉花叶片叶绿素含量估算

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。     

基于近红外光谱的小麦品质分类研究

为了快速、简便、准确地鉴别小麦品质的类别,本研究提出了应用近红外光谱分析技术结合BP神经网络的鉴别方法对小麦进行品质分类。研究过程中对小麦样品的光谱数据进行了详细分析,采用马氏距离剔除了光谱数据中异常数据,并通过主成分分析说明利用近红外光谱鉴别小麦品质分类的可行性。为了提高所建模型的性能,采用SPXY算法对小麦样品进行合理的划分。并选取了一阶微分加归一化的预处理方法来处理光谱数据,消除无关信息和噪声对小麦光谱数据的影响。运用偏最小二乘法压缩光谱数据,减少了数据量,节省建模时间。最后采用BP神经网络方法建立了小麦品质分类模型。实验结果显示：模型的鉴别效果较好,对强筋样品识别的准确率高达94.4%,弱筋样品识别的准确率高达100%。实现了快速、准确地对小麦品质强筋和弱筋两类的鉴别,对小麦生产、市场交易及食品加工有着非常重要的意义。     

基于粒子群算法和支持向量机的黄花菜叶部病害识别

使用数字图像处理技术,以黄花菜叶部病害图像为识别对象,基于Lab空间和K-means聚类算法分割病害区域,提取目标区域的颜色特征、方向梯度直方图(histogram of oriented gradient,HOG)特征和形状特征,分别建立单一特征模型和特征融合模型,采用粒子群(particle swarm optimization,PSO)算法通过交叉验证优化支持向量机(support vector machine,SVM)模型的惩罚因子和核参数,建立基于PSO-SVM的多特征融合分类模型识别黄花菜病害。基于SVM的多特征融合分类模型识别率高于单一特征分类模型,识别率可达为81.67%;基于PSO-SVM多特征融合分类模型识别率高达92.39%。基于PSO-SVM的多特征分类模型识别率高,可以及时、便捷、高效地识别黄花菜病害。     

随机森林方法在玉米-大豆精细识别中的应用

研究基于遥感影像的作物精确识别技术方法, 对获取作物分布信息具有重要意义。随机森林分类(random forest classification, RFC)是机器学习的一种, 本文使用Landsat-8 OLI卫星影像数据, 针对研究区内的大豆、玉米和其他地物等3种主要作物类型, 系统比较了该方法与较为成熟的最大似然分类(maximum likelihood classification, MLC)、支持向量机分类(support vector machine, SVM)方法的分类精度。结果表明, MLC、SVM、RFC的总体分类精度分别为91.68%、91.49%、94.32%, Kappa系数分别为0.87、0.87、0.91, RFC方法作物识别精度比MLC和SVM分类显著提升。对原始7波段影像进行主成分变换(principal component analysis, PCA), 提取前4个主成分分量, 同时计算归一化植被指数(normalized difference vegetation index, NDVI)和归一化水体指数(normalized difference water index, NDWI), 将6个额外辅助特征波段叠加到原始7个波段影像上进行再次分类, MLC和SVM方法作物识别精度未有提升, RFC方法总体精度提高了1.49个百分点, Kappa系数提高0.03, 精度提升幅度有限, 主要原因是6个辅助波段在类型识别中作用较小。在分类耗时上, MLC、SVM、RFC分别为145 s、11 000 s、1800 s, 表明随机森林分类具有最好的分类精度和适中的耗时。综合评价后, 随机森林分类方法在进行大豆-玉米精细识别中具有较大优势, 具有业务应用的潜力。     

基于颜色和纹理特征的花生仁外观品质检测研究

为了提高对花生仁外观缺陷的在线分类准确率及效率。通过对采集完好、破损、霉变的花生仁RGB图像进行均值位移法、灰度处理以及阈值分割等预处理,研究提取了花生仁HSV颜色空间下的H、S、V各分量的一阶矩和二阶矩共6个颜色特征值,再基于灰度共生矩阵法提取能量、熵、对比度、逆差分矩共4个纹理特征值,构建颜色和纹理结合的特征向量,最后分别采用BP神经网络和SVM分类器对花生仁进行分类识别。结果表明：在花生仁的整体识别准确率上,BP神经网络为96.67%,SVM分类器为97.22%,后者优于前者,在识别时间上BP和SVM分别为2.5 s和1.1 s,识别效率上也是SVM更好,综合识别准确率和效率两方面考虑,优先选择SVM分类器模型来对花生仁进行分类识别。     

多种分类器在农用地分等中的应用及其用法改良

以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。     

基于无人机高光谱影像的玉米地上生物量反演

【目的】研究以玉米地上干生物量为研究对象,探讨基于无人机高光谱数据利用人工神经网络法反演生物量的可行性。【方法】在吉林省蔡家镇开展玉米氮肥梯度试验,并进行无人机高光谱数据和地上干生物量获取,共获数据30组。随机选22组数据用于建模,剩下8组用于模型的外部验证。分别基于光谱指数法和BP神经网络算法构建反演模型,比较分析各种方法反演玉米生物量的优劣。【结果】结果表明：和基于光谱指数构建的生物量反演模型相比,BP神经网络模型取得了更好的反演结果。其建模时决定系数为0.99均方根误差为0.08 t/ha,相对均方根误差为3.39%；外部验证时,决定系数为0.99,均方根误差为0.15 t/ha,相对均方根误差为8.56%。【结论】BP神经网络模型可有效提高无人机高光谱遥感反演玉米地上生物量的精度。     

MDBPSO算法优化的全波段光谱数据协同冠层SIF监测小麦条锈病

为了从全波段光谱数据中提取对小麦条锈病敏感的特征参量,提高小麦条锈病遥感探测模型的运行效率和精度,本文首先从惯性权重和粒子更新方式两个方面对传统离散粒子群算法(discretebinaryparticleswarmoptimization, DBPSO)进行改进,利用改进离散粒子群算法(modified discrete binary particle swarm optimization, MDBPSO)从全波段光谱数据中优选遥感探测小麦条锈病严重度的特征变量,然后与冠层日光诱导叶绿素荧光(solar-inducedchlorophyllfluorescence,SIF)数据相结合作为自变量分别利用随机森林(randomforest,RF)和后向传播(backpropagation,BP)神经网络算法构建小麦条锈病遥感探测模型,并将其与相关系数(correlationcoefficient,CC)分析法和DBPSO算法提取特征参量构建模型的精度进行对比分析。结果表明:(1) MDBPSO算法比传统DBPSO算法具有更快的收敛速度和更高的寻优精度,改进前后其迭代次数从395次减少到156次,最优适应度函数(optimumfitnessvalue,OFV)值从0.145减小到0.127。(2)采用MDBPSO算法选择特征变量时,RF和BP神经网络两种方法构建的模型精度均高于CC分析法和DBPSO算法,其中RF算法预测病情指数(diseaseindex,DI)值和实测DI值间的检验集决定系数(validation set determination coefficient, R2V)比CC分析法和DBPSO算法分别提高了9%和3%,均方根误差(validation set root mean square error, RMSEV)分别降低了28%和11%, BP神经网络算法预测DI值和实测DI值间的R2V比CC分析法和DBPSO算法分别提高了13%和6%,RMSEV分别降低了21%和10%,利用MDBPSO算法优选特征参量能够提高小麦条锈病的遥感探测精度。(3)在MDBPSO、DBPSO和CC分析法3种特征选择算法中,RF算法构建的模型精度均高于BP神经网络算法,其中RF模型预测DI值和实测DI值间的R2V比BP神经网络算法至少提高了7%,平均提高了9%,RMSEV至少降低了15%,平均降低了20%。以MDBPSO算法优选的特征参量为自变量利用RF方法构建的小麦条锈病遥感探测的MDBPSO-RF模型是小麦条锈病遥感探测适宜模型,该研究结果为进一步实现作物健康状况大面积高精度遥感监测提供了新的思路。     

基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用

为了快速、简便、准确地测定小麦蛋白质的含量,本文提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明：GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。     

A Data Detector Based on Channel Equalizer Designed for the Downlink of CDMA Systems

In code-division multiple-access (CDMA) systems,sub-optimum multi-user or joint detection algorithms have been studied recently, which are mostly designed for the uplink situation. The algorithms are too complex to implement for the downlink situation. The conventional receiver consisting of matched filters is often inefficient in eliminating MAI. The authors propose a data detection algorithm designed for downlink of CDMA systems which introduce channel equalization to eliminate MAI. It consists of a channel equalizer and code matched filter. The equalization algorithm is based on zero forcing (ZF) criterion.The performance of the algorithm is better than metched filter's and its complexity is cower than tunt of sub-optimum multi-user detection.     

机动车尾气排放测算行驶周期的自动建立方法

为了建立用于机动车尾气排放测算的行驶周期,利用便携车载尾气采集装置(PEMS)系统和GPS装置进行了大量的机动车尾气排放和驾驶活动数据采集,并对数据进行了预处理,提出了短行程的评价标准,给出了最优短行程自动搜索的2种启发式算法(遗传算法(GA)和离散同步扰动随机逼近(DSPSA)),对建立的行驶周期进行了预测尾气排放总量的有效性验证。结果表明：2种启发式算法均能有效地解决行驶周期自动建立问题,GA算法优化得到的行驶周期更有代表性,该行驶周期能以相对较小的误差预测尾气排放总量。建议将GA算法作为开发其他城市的行驶周期的算法工具。     

基于支持向量机的蘑菇毒性判别研究

毒蘑菇和可食用蘑菇在外表上非常相似,依靠传统方法难以判别。为了实现判别上的自动化和增强可靠性,提出了一种基于支持向量机的蘑菇毒性判别方法。首先给出了数据样本和数据预处理的方法,其次建立C-SVM模型并进行训练,同时依照一对一方法实现了支持向量机的多分类,最后使用定步长探索法获得了模型的最优参数。仿真实验对比分析了不同样本量,不同参数下所提方法的准确度,验证了该方法在蘑菇毒性判别上的可行性。同时,使用神经网络、决策树方法进行分类器间的性能对比,发现与神经网络、决策树的判别结果相比,所提方法具有准确率高、操作方便、实用性强等优点。     

Auto gain control design in vibration acquire system

Aiming at the problem that the gain amplitude is hard to identify in advance and the gain value can not be set properly, an auto gain control (AGC) strategy using Kalman filter is presented to deal with the uncertainty in vibration acquire system. The design principles, algorithms and circuit implementation are described. The experimental results show that this method can not only control auto gain in dynamic data acquiring system, but also get wide gain amplitude range without setting the initial value. It has important practical application value in high dynamic range data acquisition.     

大米镉含量测定结果的不确定度评定

为确保大米中镉含量测定结果的可靠性,依据JJF1059-1999《测量不确定度评定与表示》,对石墨炉原子吸收法测定大米镉含量过程中可能带来不确定度的各因素进行了详尽分析,找出了影响测定结果可靠性的主要因素,对在镉含量测定的实际工作中有效控制各影响因素具有积极的指导作用。     

小麦水分胁迫影响因子的定量研究 Ⅱ.模型的建立与测试

基于冬小麦水分生理生态关系，综合考虑土壤水分有效性、作物不同生育阶段对干旱或渍水胁迫的敏感性、作物主要生理过程（蒸腾、光合作用、干物质分配等）对干旱胁迫的差异性、渍水持续天数等确定了支持作物生长模拟的干旱和渍水胁迫影响因子的算法。用独立于建模的盆栽小麦水分试验观测资料对干旱和渍水胁迫影响因子的算法进     

CALCULATION OF CONTACT PRESSURE UNDER FOUNDATION RESTING ON VISCO-ELASTOPLASTIC SUBGRADE

In this paper, the finite element method(FEM) is carried out for the contact pressure under circular foundation with visco-elastoplastic model and a 8 node finite element program determing parameter. In order to prove the reliability of the theoretical analysis, a circular rigid loading plate test on remolded clay is done. Otherwise, a comparison of the measuring contact pressure under box foundations of highrise buildings in Beijing and Shanghai with the calculated value by different method is made. The result shows the calculated value by the method proposed in this paper is more coincident with practical data.     

A Design of RBF Neural Networks Based on Genetic Algorithms

Genetic algorithms are proposed to automatically configure RBF neural networks.The network configuration is formed as a subset selection problem.Using new genetic operators,the genetic algorithms are improved in convergence and applicatility.The configuration and optimal principle of genetic algorithms are introduced.The method of generating the RBF networks is given.Finally,the simulated result on practical data is used to demonstrate the performance of the new algorithms.     

Application of Integrated Oxidation Ditch (IOD) to the Municipal Wastewater Treatment

Based on the practice of Xindu full-scale IOD municipal wastewater treatment plant in Sichuan province, the IOD process characteristics, treatment effect and reliability are elaborated. Additionally, the single space and continuous flow IOD process is deeply analyzed and discussed from the theoretical point of view.     

Reliability-aware schedule of periodic tasks in energy-constrained real-time systems

The Dynamic Voltage Scaling(DVS)technology which is widely used in numerous energy management schedule has negative effect on system reliability. Based on the artificial bee colony algorithm (ABC), two noble reliability-aware schedule algorithms are proposed for DVS systems with discrete frequencies, which will meet the energy constraint and deadline naturally while maximize the reliability of the system. The simulation results indicate that the dynamic schedule algorithm outperforms the static schedule algorithm, and its performance is close to that of the optimal scheduler that knows the exact workload in advance.