Learning the BN Structure Based on the Sum of Mutual Information

The Crossing Entropy is defined to scale the similar level of two probability distribution. In many papers on learning BN structure,the Crossing Entropy was used as an indicator of measuring the learning accuracy of an algorithm.The known scoring metrics for learning BN structure is analyzed in this paper,then a new scoring metrics Sum of Mutual Information is proposed based on the information theory.At last,two algorithm for learning BN structure by SIM is represented.     

油桃外部缺陷的高光谱成像检测

采用高光谱(420~1 000 nm)成像技术对"中油9号"油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本(4种外部缺陷样本和完好样本)运用偏最小二乘回归(PLSR)从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。     

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。     

农机专业《机械制造工艺学》教学方法的探讨

《机械制造工艺学》是工科院校中一门实践性强、涉及面广、灵活性大又十分重要的专业课，对培养学生分析问题和解决问题的能力、创新能力、实践能力等起着重要的作用。为此对农机类专业的《机械制造工艺学》课程教学方法进行了探讨，提出了一些教学措施，并通过实践，取得较好效果。     

浅谈大学生合作学习的意义及培养策略

我国大学生未充分利用合作学习的方法,缺少合作精神。可通过创建和谐校园环境和良好的家庭环境,改革以应试为主的教育体制,培养大学生合作学习的意识和社交技能大学生合作学习能力。     

传统学习行为与网络学习行为比较研究

网络媒体的发展使得网络学习行为的研究成为热点。把传统学习行为与网络学习行为进行对比,比较两者的优缺点,找出网络学习的规律和特点,更好地服务于网络教学,提升教学水平。     

关于生物类基础化学教学中应用“问题学习法”的探讨

本文通过课前、课堂、课后三个部分的问题设置,紧扣教学大纲,紧密联系中学化学和后续课程中相关知识,体现理论联系实际、学科前沿。引领学生"主动学习,积极思考",为后续课程学习起到积极的、有效的铺垫作用。     

基于可信多数投票的快速概念漂移检测

数据流因具有数据持续到达，概念漂移产生时刻无法预测、概念的数量不确定等特征，使得滑动窗口的大小很难事先确定，滑动窗口包含概念的数量对概念漂移检测存在影响.本文提出了基于可信多数投票的快速概念漂移检测算法（CMV_SEA），该算法使用SEA算法中的基分类器淘汰方法，使用可信多数投票实现滑动窗口中基分类器的集成.仿真实验表明：相比于SEA算法，CMV_SEA算法提高了泛化能力；能在新概念产生的第一时间内检测到概念漂移；对概念漂移的检测能力和新概念的学习能力不受滑动窗口大小的影响.