fx—4500P多项式回归通用程序

本文对适用于任意方次的多项式回归CASIOfx-4500P计算器通用程序给出了算法、内存分配、源程序及算例，其中程序模块ProgGAUSS可独立用于解算14个未知数以下的对称系数线性方程组。对用小型计算器解算大数据量问题和用一维数组处理多维数组问题有普遍适用性。     

谷物胚乳性状QTL区间作图的贝叶斯方法

将贝叶斯统计原理和胚乳性状的数量遗传模型相结合,以分离群体中各植株的分子标记基因型以及植株上若干粒种子胚乳性状的单粒观测值为数据模式,提出胚乳性状QTL区间作图的贝叶斯方法.该方法通过Gibbs以及Metropolis-Hastings抽样实现的马尔科夫链蒙特卡罗(MCMC)算法获得QTL效应和位置的估计.方法的有效性用染色体水平和基因组水平2套模拟方案进行验证,结果表明:贝叶斯方法能够准确地估计胚乳性状QTL的位置和效应,并同时区分2种显性效应.     

基于机器学习的智能养蚕管理系统设计

目前,养蚕生产面临劳动力紧张、设备陈旧、技术滞后、标准不一等问题,特别是管理养蚕环境和操作技术的方式仍然存在不足,因此不能满足产业化、智能化现代农业的发展需求。依托农业物联网实时记录、监控养蚕环境因子和家蚕生长发育状态,利用机器学习算法不断学习、训练得到一个预测模型,该模型可结合养蚕生产实景,能准确理解养蚕环境、家蚕生长发育状态和生产场景,实时调节环境因子、输出技术方案,能达到优质、高效、精准养蚕生产。     

基于机器学习的高分辨率遥感影像农业大棚提取

农业大棚数量、面积和空间位置信息的及时和准确采集,对于农业结构调整、污染防治有着重要意义。遥感数据被广泛应用于大棚提取,但是在遥感影像上大棚所占的面积往往远少于背景地物,属于少数类,而传统随机森林(RF)机器学习分类器对非平衡数据集中少数类样本分类效果较差。为了使RF更适用于对大棚的提取,优化了RF的样本选择方式,首先随机抽取相同数量的不同类别样本构建初始训练样本集进行RF建模,然后基于投票熵和样本间的广义欧几里得距离循环迭代的测试集中优选样本,并将所选样本添加到训练集。结果表明,优化的RF模型用于基于遥感数据的农业大棚信息获取可以取得满意的结果。     

基于光谱特征参数的粳稻冠层氮素含量反演方法

粳稻氮素含量的快速、无损、准确估算,可以及时掌握粳稻的生长状况,对指导粳稻田间管理具有重要意义。为提高粳稻冠层氮素含量的高光谱反演精度,利用沈阳农业大学路南试验基地2018年粳稻3个关键生育期无人机高光谱影像和同步测定的粳稻冠层氮素含量作为数据源,选用从粳稻冠层光谱中提取的高光谱位置变量、面积变量和植被指数变量3种类型20个光谱特征参数与氮素含量进行相关性分析,选出各个生育期内相关性较高的前3个光谱特征参数作为模型输入分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)和思维进化算法优化BP神经网络(MEA-BPNN)3种粳稻冠层氮素含量反演模型并验证。结果表明:在粳稻分蘖期、拔节期、抽穗期,与粳稻氮素含量相关性最好的高光谱特征参数均为红边面积SDr,相关系数分别为0.771,0.664,0.775;MEA-BPNN反演模型与PLSR、BPNN相比,无论在模型精度还是预测能力都有明显提高,在各个生育期,MEA-BPNN模型的建模集和验证集决定系数R²均达到0.700以上,RMSE均低于0.400以下,说明MEA-BPNN反演模型是筛选出的最佳粳稻冠层氮素含...     

基于迁移学习的芒果成熟度分类算法研究

成熟度判别是芒果采收及储藏的重要依据.为了适应移动设备硬件算力的限制,对比了传统机器学习方法和迁移学习方法在芒果成熟度鉴别方面的表现,优选最佳模型并开发了芒果成熟度分类软件.试验采集了不同成熟度的小台农图像100张,进行数据扩充后按照8:2划分为训练集和测试集,以准确率、F1值和预测时间作为模型评价指标,分别采用k近邻(K-NearestNeighbor, KNN)、支持向量机(Support vector machine, SVM)、朴素贝叶斯(Naive bayes, NB)、决策树(Decision tree, DT)机器学习算法模型和AlexNet、ResNet18、VGG16、GoogleNet和SqueezeNet迁移学习算法模型进行训练和测试,并对比分析各模型的表现.结果表明：机器学习虽然运算速度快,但分类的准确率明显低于迁移学习,迁移学习的分类准确率均在90%以上.但综合考虑模型的分类准确率和计算能力认为Resnet18表现最佳,它在迭代20次后准确率达到98.75%,而测试时间仅为74.66 ms,优于其它深度学习模型.     

基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

一种生物病虫害控制模型的进化算法处理

为控制蘑菇种植过程中尖眼蕈蚊数量,利用线虫和尖眼蕈蚊数量变化的动态关系模型,应用分布估计算法对控制干涉次数和控制数量进行优化处理,将其与遗传算法结果进行比较.结果表明:该算法在控制次数略有增加情况下,可以取得较小目标函数值,并且算法稳定收敛,该结果可以作为一种理想的控制优化方案.分布估计算法可以用来处理此类动态关系模型的优化问题.