基于拟脑智能系统的烤烟烟叶分级研究

对烟叶进行检测与分级是控制烟叶质量的重要手段之一.研究烟叶质量的合理表征参数及其自动提取方法,以及烟叶辅助分级系统,是迫切需要解决的问题.应用人工智能方法和计算机技术进行烤烟烟叶自动分级,提出一种借鉴生物脑信息处理结构的烤烟烟叶智能分级系统.该系统由思维模型、感觉模型和行为模型3个子系统构成,分别模拟分级专家的思维智能、感知智能和行为智能,具有学习与记忆、判断与模糊推理、分级决策等多种思维功能,以及图像自动采集、上下位机通信等协调与控制功能.应用该系统进行烟叶分级试验的结果与分级专家分级结果的平均一致率可达到85%,与人工分级水平相当.     

基于Web的黄瓜病害诊断系统设计

设计了基于Web的黄瓜病害诊断系统,用户在输入病害症状信息的过程中不必进行数字的选择和输入,只需在相似症状上打勾,以实现专家系统源信息需求最简化的目标。该系统以产生式规则作为知识表示方法,采用数值诊断与RBR规则推理相结合的推理机制,应用病害可信度来判断诊断结果准确性,引入症状示病数以保证诊断结果的唯一性,提高了单纯使用数值诊断法诊断的效率。     

支持向量机(SVM)方法在降水分类预测中的应用

支持向量学习机(SVM)是基于统计学习理论的模式分类器,将SVM方法应用于降水异常的分类预测中尚属首次。主要利用1958—2003年逐月的74个环流特征量、NINO 3,NINO 4海温指数、相关区域海平面气压、500 HPA、100HPA有关指数资料等,分别建立了四川盆地5片区降水距平百分率大于50%(特多)和小于-50%(特少)的2个SVM推理模型,并进行了降水分类预测试验和2005年1-3月实际预测,结果显示出所建SVM推理模型的Ts评分较高,具有一定的预测能力,展示了SVM的优越性和推广前景,可在短期气候预测业务中参考应用。     

模糊推理技术在黄瓜温室环境决策中的应用

为探讨温室环境对黄瓜栽培的影响,提出一种基于模糊推理技术的黄瓜温室环境决策方法,通过对温室中主要的环境因子如温度、湿度、光照强度和CO2浓度的采集,系统根据专家知识对其进行隶属度的量化,并计算其相对知识库中各条知识结论的结论值,与用户进行交流后得出最后的判断,辅助用户对黄瓜温室环境进行管理。     

基于模糊推理的农业病虫害专家系统

针对农业病虫害问题的复杂性,将模糊推理技术应用到农业病虫害专家系统中,建立病虫害介绍、症状及权重数据库。考虑对病症发生起肯定与否定两方面作用的症状,根据隶属度阈值筛选用户提供的信息,选用加权欧式距离法计算相似性,给出有效的病症诊断结果与信度。赋予用户一定的权限以修改数据库。最后说明系统推理过程。     

基于模糊推理的坝上地区温室杂草识别专家系统的开发

适用于我国坝上地区实际特点的温室杂草识别专家系统目前尚未解决杂草识别过程中的模糊性问题。为此,针对坝上温室杂草识别专家系统知识描述的不确定性,对其中的不确定因素采用模糊逻辑与产生式规则相结合的方法,引入多维模糊推理算法,结合杂草的形态特征进行识别,开发了基于模糊推理的坝上地区温室杂草识别的专家系统。     

北方玉米专家系统知识库的构建

阐述了玉米专家系统的总体设计思路和知识库的构建方法,采用"Web浏览器/Web服务器/数据库系统"三层分布计算机体系结构,应用模糊产生式规则的知识表示方法和不精确推理方法,较好地解决了东北玉米生产知识的复杂性和不精确性。     

奶牛专家系统的研究与应用

阐述了专家系统的基本概念及结构,介绍了中国奶牛专家系统的构成、现状、作用,对未来奶牛专家系统发展前景进行了展望。     

Constructing naive Bayesian classifiers for veterinary medicine: A case study in the clinical diagnosis of classical swine fever

For diseases of which the clinical diagnosis is uncertain, naive Bayesian classifiers can be of assistance to the veterinary practitioner. These simple probabilistic models have proven to be very powerful for solving classification problems in a variety of domains, but are not yet widely applied within the veterinary domain. In this paper, naive Bayesian classifiers and methods for their construction are reviewed. We demonstrate how to construct full and selective classifiers from a data set and how to build such classifiers from information in the literature. As a case study, naive Bayesian classifiers to discriminate between classical swine fever (CSF)-infected and non-infected pig herds were constructed from data collected during the 1997/1998 CSF epidemic in the Netherlands. The resulting classifiers were studied in terms of their accuracy and compared with the optimally efficient diagnostic rule that was reported earlier by Elbers et al. (2002). The classifiers were found to have accuracies within the range of 67-70% and performed comparable to or even better than the diagnostic rule on the available data. In contrast with the diagnostic rule, the classifiers had the advantage of taking both the presence and the absence of particular clinical signs into account, which resulted in more discriminative power. These results indicate that naive Bayesian classifiers are promising tools for solving diagnostic problems in the veterinary field.     

冲裁模智能CAD系统的研究

为实现冲裁模设计的高效化与智能化,以Pro/E为开发平台,结合范例推理技术,对智能冲裁模CAD系统进行了研究,设计了系统的整体框架,并对组成系统模块的关键技术进行了详细的论述。系统能获得冲裁件的尺寸和公差并进行工艺性检验;能获得最佳的排样方案;系统以编码的方法来反映范例的特征,结合相似性系数计算,能检索到最相似的模具范例;范例改写后,能将符合相似性系数要求的范例进行存储,并能生成模具工程图。