自组织特征映射网络在农业机械装配序列规划中的应用分析

分析了数字化环境下农机装配序列规划的特点和目前常用的方法,以及自组织特征映射网络的特点,提出了一种基于自组织特征映射网络的装配基础件判定模型并设计了基于自组织特征映射网络的装配基础件判定算法,以农用减速机的零件为例,验证了模型以及算法的正确性。     

基于自组织特征映射神经网络的储粮害虫分类方法研究

提出了基于自组织特征映射（SOM）神经网络的害虫分类方法：该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,可实现对输入模式自动分类。分析了SOM网络基本工作原理,并将之用于害虫分类模型的建立中。结果表明,该方法能有效地对害虫进行分类,比BP神经网络分类精确度高、分类结果的可解释性更好。     

适宜于空间可伸缩帧间编码的快速算法

为既保持可伸缩视频编码(SVC)有较高的编码效率,又能减少其编码时间,提出了一种适合于增强层的帧间快速编码算法:先计算出各个方式的权值,按照权值大小的顺序进行编码,同时结合残差预测和率失真预测进行提前终止。实验表明,本文算法能够显著地提高编码速度,同时对编码质量影响极小。     

基于提升方案的运动补偿时域滤波技术

运动补偿时域滤波(Motion-compensated temporal filtering,MCTF)将若干连续的视频帧组成一个图像组(Group of pictures,GOP)进行时域小波分解,与图像组大小固定的结构相比,自适应图像组结构(Adaptive GOPstructure,AGS)提高了编码效率,但实现复杂度也大大增加.作者提出了一种改进的自适应图像组结构(Im-proved adaptive GOP structure,IAGS),利用帧间预测效果来判断视频序列的时域变化特性,时域变化快的序列采用小尺寸图像组,反之采用大尺寸图像组.结果表明,IAGS的编码性能与AGS基本一致,实现复杂度与固定图像组结构相当.     

一种基于并查集的SLCA求解算法

LISAII算法需要映射使用前序编码的扩展Dewey码,该编码具有许多冗余信息,因此提出一种使用层次编码的新的算法。该算法以LISAII为原型,基于层次编码,在理论时间性能几乎相同的情况下,使用了更少的存储空间。     

基于背景减与帧间差分结合的视频运动目标分割

提出一种视频运动目标分割的改进算法,算法混合使用背景减算法和帧间差分算法,充分利用了两种典型算法的优点,并改进了其缺陷,解决了背景减算法的背景合理更新及帧间差分算法分割不完整问题.实验结果表明：该算法简单,速度快,易于硬件实现.     

基于MATLAB的SOM网络的干旱聚类分析

基于自组织特征映射网络的聚类分析广泛应用于各种聚类分析领域,尝试将此网络应用于干旱特征的聚类分析,使用软件MATLAB7.1对所设计的网络进行学习和训练,经过6000次训练,最终实现了干旱类型的聚类,误差也达到精度要求,所建模型经测试,可以用于分类的预测.SOM网络可以很好地反映和提取气象样本中复杂的信息,分类效果较好,可以在干旱分类中广泛应用.     

基于SOM神经网络的国家技术创新能力分类

建立了国家技术创新能力评价指标体系,提出了在国家技术创新能力评价中应用基于自组织映射(SOM)神经网络的分类模型,对28个国家技术创新能力进行了分类和评价,通过分析得出了一些有价值的结论,同时验证了模型的有效性。     

基于自组织特征映射神经网络算法的生态服务功能分区

探索了一种基于自组织特征映射神经网络算法识别区域尺度生态系统服务功能分区的新方法。在此基础上,依据新千年生态系统评估框架构建了生态服务功能评价指标体系,并运用自组织特征映射神经网络算法开展了生态服务功能空间聚类分析,在1km栅格上识别并排定了各类生态服务功能的重要性。在案例区锡林郭勒盟的研究表明,利用基于自组织特征映射神经网络算法划分出的该区6个生态服务功能分区比较科学、合理,所形成的分区结论为案例区生态系统的可持续管理提供有时空针对性的决策参考信息。     

宝华玉兰生存群落的自组织特征映射网络排序与分类

为了解国家Ⅱ级保护植物宝华玉兰Magnolia zenii的种群分布规律及其濒危原因,进一步揭示宝华玉兰野生种群与群落及环境之间的生态关系,应用自组织特征映射网络（SOM）对宝华玉兰生存群落进行了排序和分类,以期为保护和管理宝华玉兰种群野生种质资源提供理论依据和新的方法。结果如下:①群落结构分析表明,宝华玉兰天然更新缺乏,且紫楠Phoebe sheareri,建始槭Acer henryi等优势种占据了主要生存空间与资源,影响了宝华玉兰种群增长和发展,使其在群落中处于不稳定地位;②SOM将40个样方进行聚类分析,得到7个群落类型。不同群落类型之间的物种组成存在差异,界限清晰,排序结果与优势种实际分布情况吻合,说明SOM的分类结果具有合理性;③环境因子可视化分析揭示了宝华玉兰分布于坡度较缓的半阳坡,种群分布主要受到坡向和坡度2个环境因子的影响,由于宝华玉兰自身生长过程中对环境要求的特殊性和不适应性,造成了其濒危现状;④SOM具有高度非线性拟合的特点,且能够同时进行排序和分类,并将分类结果可视化,呈现样方之间的相似性,说明SOM应用于群落分类和排序,反映种群与群落及环境之间的生态关系是合适的。     

A Weed Species Spectral Detector Based on Neural Networks

A new neural network architecture for classification purposes is proposed. The Self-Organizing Map (SOM) neural network is used in a supervised way for a classification task. The neurons of the SOM become associated with local linear mappings (LLM). Error information obtained during training is used in a novel learning algorithm to train the classifier. The proposed method achieves fast convergence and good generalization. The classification method is then applied in a precision farming application, the classification of crops and different kinds of weeds by using spectral reflectance measurements. The classification performance of the proposed method is proven superior compared to other neural classifiers. Also, the proposed method compares favorably with the results obtained by using an optimal Bayesian classifier.     

微机气炼机控制系统

A automatic control system based on microcomputer for gas forming machine is presented. A fuzzy control self-organizing algorithm, which has been used in gas forming machine, and the design for hardware and software of control system are also described.     

基于社会工作视角的农村社区自组织现代化治理探究

农村社区社会自治组织的现代化治理与农村社会稳定和经济社会发展密切相关。当前农村社区自组织建设普遍落后于现实实践的需求,严重影响着我国农村现代化的发展进程。而社会工作可以为应对这些问题提供独特的视角与方法,其助人自助的服务理念及其人道主义价值观和实务工作方法,为其介入农村社区组织治理提供了现实契合性,有利于改善农村社区居民社会关系,实现社区共同发展。     

Visualization of amino acid composition differences between processed protein from different animal species by self-organizing feature maps

Amino acids are the dominant organic components of processed animal proteins, however there has been limited investigation of differences in their composition between various protein sources. Information on these differences will not only be helpful for their further utilization but also provide fundamental information for developing species-specific identification methods. In this study, self-organizing feature maps (SOFM) were used to visualize amino acid composition of fish meal, and meat and bone meal (MBM) produced from poultry, ruminants and swine. SOFM display the similarities and differences in amino acid composition between protein sources and effectively improve data transparency. Amino acid composition was shown to be useful for distinguishing fish meal from MBM due to their large concentration differences between glycine, lysine and proline. However, the amino acid composition of the three MBMs was quite similar. The SOFM results were consistent with those obtained by analysis of variance and principal component analysis but more straightforward. SOFM was shown to have a robust sample linkage capacity and to be able to act as a powerful means to link different sample for further data mining.     

基于自组织特征映射神经网络技术的多维土壤数据分析

自组织特征映射神经网络技术（self-organizing map,SOM）因其强大的非线性拟合能力和可视化特点在土壤多维数据分析中具有独特的优势。将SOM技术应用于表层土壤多维数据分析,进而开展人工神经网络技术（artificial neural network,ANN）在环境领域的应用研究。以乌苏-奎屯-独山子-沙湾地区为研究区域,共采集199个表层土壤样本,分析得到22个土壤属性。利用SOM技术开展了土壤聚类分析、采样点优化、土壤属性相关性等研究。结果表明：研究区域土壤属性变异系数较高,土壤受人类活动影响明显,除pH外,其余21个土壤属性数据分布服从正态分布或对数正态分布。依据土壤内在的相关性及土壤属性的相似性,将土壤样本分为42组,综合考虑分组情况和采样点的空间分布特点,将土壤属性显著相似且空间相邻的24个采样点进行优化处理。土壤属性之间呈现一定的相关性,如OM与pH呈负相关性,而与ωH2O呈正相关性;OM与As、Cr、Mn、Cu、Zn、Pb、Ni、Al、Co、Fe、Mo、Ti呈正相关性,但与K、Na、Sb呈负相关性;Cr、Mn、Cu、Zn、Co、Fe之间呈正相关性;Cd和Ni呈正相关性;Al和Ti具有较高的正相关性;而V、Hg、Pb、Sb相互间无显著相关性。     

农业生态系统的耗散结构特征探析

基于农业生态系统是一种耗散结构的认识,本文系统地分析了农业生态系统的开放性、非平衡性、非线性关系、自组织特征以及非线性动力学过程,以期为农业生态系统的调节和控制提供理论依据.分析表明,农业生态系统必须与其边界以外的自然生态系统和社会经济系统保持物质、能量、信息、资金的交换以获得自由能--负熵,来降低系统内部的熵值,并以此来维持农业生态系统的开放性、非平衡性、非线性以及自组织性.     

森林类型遥感识别人工自组织神经树模型初探

运用森林类型遥感目视识别的７０个样本,训练人工自组织神经树模型,然后对１０个“未知”样本进行预测。结果表明,该模型的识别、容错能力较强,综合了遥感图像专家目视判读与计算机自动识别的优点,使判读过程更加精确和简练,而且省工、省时、省经费。开拓了遥感识别地物的新途径     

人工神经网络方法在林地经济区划中的应用

以反映林地区位的经济指标为因子,应用自组织竞争网络建立模型,经过不断的学习测试,以所得网络模拟仿真结果对福建省68个县(市)的林地进行经济区划,其结果分为4个区,分区结果基本反映了福建省林地利用现状,可为福建省的林业经济区划提供参考.     

基于自组织特征映射神经网络的中国耕地生产力分区

【目的】耕地生产力的高低直接关系到国家粮食安全,科学分析不同区域耕地生产力构成要素及其影响机制、摸清耕地资源状况,对于把握耕地资源利用的科学决策、实现耕地产能提升,特别是支撑省域土地整治以及高标准基本农田划定、保障国家粮食安全战略具有重要意义。【方法】基于中国31个省（自治区/直辖市）的土壤肥力、气候条件、地形地貌等自然条件及经济投入、效益反馈等社会统计数据,建立构成自然要素及社会经济要素的指标体系。根据粮食作物单产对耕地生产力分级,并结合以往区划确定耕地生产力区。在深入剖析耕地生产力与其构成素要素之间的复杂、高维、非线性关系基础上,采用自组织特征映射神经网络模型,通过U-矩阵面板以及变量位面对评价单元耕地生产力6个自然要素、5个社会经济要素构成的高维复杂数据进行可视化和空间聚类,识别不同空间格局下耕地生产力的差异性和相似性,直观反映耕地生产力构成要素变化的敏感分布区域,并基于耕地压力指数校正。最后,将聚类结果与耕地生产力分级结果叠加,并结合综合性、相对一致性、区域共轭性、行政单元完整性等原则进行适当调节,确定耕地生产力亚区。【结果】不同省域的土壤肥力、气候条件、地形地貌及经济投入、效益反馈方面有显著的空间差异性和发展的非均衡性,进而将自然要素、社会经济要素均聚为6类。以此为依据,将中国耕地生产力划分为10个耕地生产力区、24个亚区,其中耕地生产力区包括东北平原区、华北平原-丘陵区、黄土高原区、四川盆地、长江中下游平原区、华南丘陵区、云贵高原区、内蒙古高原区、西北内陆区、青藏高原区。耕地生产力亚区是根据自然要素、社会经济要素的可视化特征和空间聚类结果对耕地生产力区的区域优势及限制因素的细化及简要说明,并基于耕地压力指数校正,最终建立起中国耕地生产力分区系统。【结论】分区综合考虑了由自然要素、社会经济要素及耕地压力指数共同构成的区域耕地生产力主导因素及关键问题,分区系统与客观实际相吻合,表明自组织特征映射神经网络模型是一种耕地生产力要素分区与敏感区域识别的科学有效方法,通过空间可视化与要素聚类分析,揭示了不同区域的耕地生产力现有优势、限制因素。     

基于高光谱成像的苹果损伤检测方法研究

【目的】研究苹果损伤高光谱特征,建立基于高光谱成像的苹果损伤区域最佳分类模型,为实时、快速、准确地识别苹果损伤提供重要依据。【方法】以北京平谷区收集的苹果样品为研究对象,利用高光谱图像技术检测水果表面机械损伤。利用 390 ~1 000 nm 范围的高光谱图像（HSI）数据,通过比值光谱分析损伤与正常感兴趣区域（ROI）的光谱响应特性,筛选特征波段,并构建较好地突出损伤区域特征的 3 种类型光谱指数：归一化光谱指数（NDSI）、比值光谱指数（RSI）和差值光谱指数（DSI）。在此基础上,优选提取损伤区域能力较强的光谱指数,利用迭代自组织数据分析（ISODATA）无监督据聚类算法提取苹果损伤区域。【结果】当苹果表面受到损伤时,光谱反射率变化显著。波段优化后发现,528、676 nm 的反射率可以有效识别异常区域。基于选定的特征波段,构建苹果损伤检测的识别光谱指数,包括 NDSI、RSI 和 DSI。光谱指数图像的像素值分析发现,损伤区域特征与正常区域特征在各光谱指数（SI）增强图像中区分明显。两类图像特征的 NDSI 像素平均值相差最大、达到 0.629,表明建立的 NDSI 对损伤区域及正常区域特征具有较强的区分能力。利用无监督分类方法 ISODATA 分类,验证了光谱特征指数在检测苹果损伤方面具有较高的特异性,对苹果损伤的检测正确率 达到 92.50%。【结论】研究结果适用于苹果损伤的实时快速检测,为苹果的精准管理生产提供技术基础与参考。