基于数据挖掘的温室多参数控制算法的研究

温室多参数控制系统是通过对影响温室环境的控制因子(如温度、湿度、光照和CO2浓度等)实现多参数控制。为此,利用基于密度的聚类算法(DBSCAN)和粒子群优化算法相结合的方式,将某一参数对温室影响的情况进行快速聚类,主要进行降维和归一化处理,以便找出适合温室的控制参数。实验证明,该算法对温室多参数控制具有很强的实用性。     

基于优化DBSCAN算法的玉米种子纯度识别

为快速有效地识别玉米种子纯度,针对玉米种子图像特征,对玉米种子的图像处理方法和聚类算法进行研究,提出一种基于最远优先遍历的DBSCAN玉米种子纯度识别算法。该方法首先提取玉米种子冠部核心区域的RGB、HIS和Lab种颜色模型特征参数,选取H、S、B作为识别向量;其次通过最远优先遍历算法剔除密度差异特征向量边缘异常散点;最后采用DBSCAN算法进行密度聚类。实验结果表明,该方法玉米纯度识别正确率达93.3%。     

基于KD-Tree与DBSCAN的水电机组状态监测数据清洗方法

针对水电机组状态监测数据量逐步增大,数据质量差的问题,提出了一种基于改进K维树（K-Dimensional Tree,KD-Tree）与基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）的水电机组状态监测数据清洗方法,首先对输入数据建立KD-Tree,再使用DBSCAN在最近邻样本上扫描完成聚类,聚类结束以后会分离出噪声点,将噪声点去除即可完成对水电机组状态监测数据清洗。选取某水电站状态监测系统上导摆度数据1 088条,再以相同时间间隔插入随机数据100条,通过算例与常规DBScan、K-means、OCSVM算法对比聚类性能与时间性能,所提出的方法识别正确率最高,为97.78%,消耗时间最少,为0.007 732 s,数据清洗效果最优,并可以大幅减少计算时间。     

基于三维激光雷达与优化DBSCAN算法的果树定位方法

为提高果园喷雾机器人在果园行间行走的自主性和安全性,提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先,采用三维激光雷达获取果园的环境信息,通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理;然后,对DBSCAN算法进行优化,构建KD树索引有序化实时点云数据,并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式,最后根据数据点到激光雷达的距离自适应确定聚类密度阈值,实现行间不同距离的果树检测;最后,以果树聚类结果的冠层边缘点为果树的定位参考点,得到果树定位参考点的坐标,计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升,果树的横向定位平均误差为2.6%,纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求,为精准农业装备在林果园环境下的自主导航和作业提供有效参考。     

基于DBSCAN的农机作业轨迹聚类研究

农业机械在田间作业过程中,时间和空间维度上产生大量的作业数据,对农业机械作业轨迹数据进行聚类分析在农机作业状态分析和效率研究中具有重要意义。为此,应用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对模拟农业机械作业轨迹进行分析,设计了基于密度聚类的农机作业状态分类算法。对模拟数据的聚类结果表明:该方法正确分类农机作业班次内的有效作业轨迹、空行转移轨迹和停歇轨迹的精度达到98.33%、70%和100%。聚类作业轨迹反映的农机利用率为95.35%,为农机田间作业轨迹研究提供了依据。     

基于双层自适应密度聚类算法的分行业日负荷特性

利用营配大数据所提供的大量数据计算电力用户的日负荷特性参数,运用密度聚类(DBSCAN)方式分析行业的日负荷特性。提出了以波动率、最大负荷发生时刻和最小负荷发生时刻三项指标为特性指标的降维方法。利用高斯核密度估计优化处理密度聚类算法,提出日负荷特性规律算法效果评价体系。针对评分结果确定是否需要二次聚类,最终给出电力行业典型日负荷特性曲线。以浙江沿海某城市近4万用户进行算法验证,结果表明该算法提高了聚类质量及效率,其行业负荷特性结果对电力需求侧预测、配电网规划等具有较大的指导意义。     

弱光束条件下森林区域光子云去噪算法精度研究

先进地形激光高度计系统（ATLAS）可为全球森林冠层高度测量提供科学数据，利用ATLAS光子云数据可获取森林冠层高度信息。为探究光子云去噪算法在弱光束条件下森林研究区的去噪效果，采用局部距离统计算法、基于密度的聚类(Density based spatial clustering of applications with noise, DBSCAN)算法和基于粒子群优化(Particle swarm optimization, PSO)模型的PSO-DBSCAN算法在弱光束条件下的森林区域进行了光子云去噪试验，研究了算法的去噪精度，并分析研究区不同特性对于去噪效果的影响。结果表明： PSO-DBSCAN算法在弱光束条件下森林区域去噪精度达到了0.95，满足光子云去噪的精度要求，该算法相对局部距离统计算法和DBSCAN算法表现出更好的去噪效果；相对地形坡度和植被覆盖度，太阳高度角会对算法的去噪结果产生更大的影响。     

基于DBSCAN和BP_Adaboost的农机作业地块划分方法

农业机械(农机)在多个地块作业,费用和效率有时需按地块统计,现有的农机监控系统仅能记录农机定位信息和作业状态信息,难以实现地块的自动精准划分。本文通过研究轨迹点属性特征,分析作业地块数量不确定性和轨迹点分布规律,采用基于密度聚类方法(Density-based spatial clustering of applications with noise, DBSCAN)和分类器集成算法(BP＿Adaboost)结合的方法划分地块。根据DBSCAN算法对农机轨迹点多数有效、识别错误集中的特点,结合BP＿Adaboost算法挖掘多维度信息关联、容错能力强、分类效果好等优势,先利用DBSCAN得到初步的轨迹点状态类别,再利用BP＿Adaboost算法建立训练模型对农机轨迹点状态精准识别,根据时间序列和类别标记划分地块。本文方法既解决了只依靠阈值和经纬度信息聚类不准确的问题,也减少了大量样本标记工作。利用该方法轨迹点状态识别准确率达96.75%,地块划分准确率为97.74%。     

基于改进型FCM算法的牛肉大理石花纹提取方法

提出了一种基于改进型模糊C均值聚类算法的牛肉大理石花纹提取方法。该方法结合了快速模糊C均值（FCM）聚类算法，对传统FCM算法中的隶属函数、聚类数C和初始聚类中心点选取方法进行了优化。试验表明，该方法使牛肉大理石花纹提取的准确度由     

基于空间聚类的农田土地平整区域规划方法研究

针对当前农田土地平整作业过程中,常会出现铲车过载或空载造成平地效率低下的问题,提出一种基于空间聚类的农田土地平整区域规划方法。首先,获取农田地势高程数据,通过克立格插值法遍历到空间各个位置;然后,通过改进后的K-均值聚类算法与密度聚类算法,对农田高程数据进行区域标记,去除区域中的离散点和误差点,初步完成区域划分;再结合农田平整时挖填土方量体积和农田面积适中等原则,对区域大小及形状进行修整,完成农田土地平整区域规划。田间试验分析表明,采用所提出的区域规划方法规划后,农田平整过程中铲车过载和空载现象明显减少,有效作业时间提高5%以上,工作效率提升显著;平整后各划分区域地势平整情况得到明显提高,平整度小于6 cm。     

农村电网信息网络技术分析及发展

对农村电网信息业务和传输方式进行了描述,分析了农村电力专用通信网络现有的信息技术体制,并基于农村电网的业务需求和发展趋势,选择一种适合的新技术体制作为发展方向,在此基础上给出信息基础网络的发展思路.     

生态涵养区农村居民点内部用地结构特征研究

科学划分农村居民点内部用地土地利用类型,并对其结构进行系统分析,是编制村庄发展规划和实施差异化整治措施的基础。以北京市密云区为例,基于细化分类的农村居民点内部用地数据和密云水库保护区范围,综合运用Weaver-Thomas组合系数法、洛伦兹曲线、基尼系数和景观格局分析等方法,分析农村居民点内部用地结构特征。结果表明：密云区农村居民点以生活空间为主,生产空间和生态空间为辅,居住、农业生产、工业生产和商旅服务是主要的用地类型;农村居民点内部生活空间的分布最均衡,其次是生产空间,生态空间用地类型最不均衡,水源保护区内的农村居民点用地生态空间面积比例高于区外。农村居民点内部用地类型较为混合,景观破碎;比较而言,水源保护区内的景观相对聚集和规则,说明水源保护区的划定和管理对农村居民点内部用地结构有一定影响。研究结果可为村庄用地的有序整治与高效利用提供依据。     

基于无人机遥感的高潜水位采煤沉陷湿地植被分类

为了掌握采煤沉陷湿地植被的类别和空间分布,促进矿区土地利用、管理和修复,以山东省济宁市东滩煤矿3304工作面为研究区,以无人机多光谱影像为数据源,分别采用面向对象的分类方法和监督分类方法对研究区湿地植被进行分类。基于优选的面向对象尺度分割参数,确定分类规则后构建面向对象分类模型,对湿地植被进行分类,生成植被分布图。同时,利用野外获取的322个采样点进行精度验证。结果表明:与基于像元的监督分类方法相比,面向对象分类方法显著提高了影像分类精度。监督分类方法总体精度为44. 3%,Kappa系数为0. 4;面向对象分类方法总体精度达到84. 2%,Kappa系数为0. 8。该研究为采煤沉陷区湿地调查与开采沉陷影响下地表植被空间分布规律研究提供了方法与基础数据。     

基于激光点云的三维虚拟果园构建方法

针对果园管理数字化程度低、构建方法较为单一等问题,本研究提出了一种基于激光点云的三维虚拟果园构建方法。首先采用手持式三维点云采集设备（3D-BOX）结合即时定位与地图构建-激光测距与测绘（Simultaneous Localization and Mapping-Lidar Odometry and Mapping,SLAM-LOAM）算法获取果园点云数据集;然后通过统计滤波算法完成点云数据离群点与噪声点的去除,并结合布料模拟算法（Cloth Simulation Filtering,CSF）与DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法,实现地面去除与果树聚类分割,进而使用VoxelGrid滤波器降采样;最后利用Unity3D引擎,构建虚拟果园漫游场景,将作业机械的实时GPS（Global Positioning System）数据从WGS-84坐标系转换为高斯投影平面坐标系,并通过LineRenderer显示实时轨迹,实现作业机械运动轨迹控制与作业轨迹的可视化展示。为验证虚拟果园构建方法的有效性,在海棠果园与芒果园开展果园构建方法测试。结果表明,所提出的点云数据处理方法对海棠果树与芒果树聚类分割的准确率分别达到了95.3%与98.2%;通过与实际芒果园的果树行距、株距对比,虚拟芒果园的平均行间误差约为3.5%,平均株间误差约为6.6%。并且将Unity3D构建出的虚拟果园与实际果园相比,该方法能够有效复现果园三维实际情况,得到了较好的可视化效果,为果园的数字化建模与管理提供了一种技术方案。     

我国农村公共项目成功标准研究——基于利益相关者核心价值的一个新视角

农村公共项目极易产生负的外部性。此类项目的成功标准受到很多因素的影响,在概念上依然模糊,至今也没有一个统一的标准。本文提出了一个新的视角,即立足于项目的全寿命周期,界定和分析农村公共项目的利益相关者,分析项目成功和项目管理成功的关系。通过建立了农村公共项目核心价值生成模型和实现模型,形成在项目各阶段以公平和效率均衡为基础的农村公共项目核心价值,认为只有实现了关注绝大多数利益相关者核心价值农村公共项目才能被认为是一个成功的项目。     

自然环境下重叠果实图像识别算法与试验

针对非结构化自然环境中光照变化和对象重叠特征等外界因素给图像处理带来的难题,提出了一种自然环境下重叠果实的图像识别与边界分割的组合优化算法。该组合优化算法首先对原始图像进行噪声滤波处理,然后利用Sobel算子以及改进算子的最大类方差法(OTSU)来辨识重叠果实目标;接着采用K-means算法对重叠目标的像素进行聚类得到单个目标位置,再结合边缘检测结果的连通域分析及区域生长获得单个目标边界的大致区域;最后利用基于限制区域的分水岭算法,得到目标的精确边界。为了验证所提算法的有效性和适应性,进行了试验研究。试验结果表明:所提出的组合优化算法不仅可以在自然环境下从重叠物体图像背景中识别出重叠目标,而且还可以从重叠目标中分割出单个目标的精确边界。