葡萄酒质量影响因素的实证研究

从葡萄酒和酿酒葡萄的理化指标入手,综合分析其对葡萄酒质量的影响。通过t检验、模糊聚类分析、相关性分析等多种方法,综合分析了评酒员对葡萄酒品尝评分的结果、葡萄和葡萄酒的理化指标以及葡萄和葡萄酒的芳香物质数据,建立了葡萄和葡萄酒的理化指标对葡萄以及葡萄酒质量的影响关系多元线性回归数学模型,运用SPSS、Matlab软件得出了酿酒葡萄和葡萄酒之间的理化关系。最终,建立起一个以葡萄和葡萄酒的理化指标来判断其质量等级的数学模型,为判断酿酒葡萄和葡萄酒质量提供一个相对完善的理化评判标准。     

基于分区域特征点聚类的秧苗行中心线提取

为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。     

玉米叶片铜污染的EEMD-MA-FD光谱诊断模型

以铜为例探讨重金属不同胁迫浓度下玉米叶片光谱的微弱信息量差异,在2017年测定的玉米叶片光谱数据和Cu~(2+)含量的基础上,结合集成经验模态分解(Ensemble empirical mode decomposition,EEMD)、Mallat算法(MA)和分形维数(Fractal dimension,FD)构建EEMD-MA-FD光谱诊断模型来进行光谱弱信息变换监测。与红边最大值、蓝边最大值等常规重金属污染监测方法进行对比分析,验证EEMD-MA-FD模型在玉米叶片铜污染监测中的优越性,最后利用2016年采集的光谱数据作为检验数据验证模型的稳定性。结果显示,玉米叶片Cu~(2+)含量与EEMD-MA-FD模型结果存在较强的相关性,相关系数为-0.942 2,检验数据Cu~(2+)含量与模型结果相关系数为-0.993 7,与实验结果有较高的一致性。由此验证了EEMD-MA-FD诊断模型在农作物重金属铜污染监测中的可行性。     

基于TPA法枣酸枣杂交F1果实质地与裂果对比分析

【目的】评价枣和酸枣杂交F₁代果实质地多样性,分析不同质地果实与裂果的关系。【方法】采用相关性分析、主成分和聚类分析等方法,研究枣雄性不育JMS2(Z.jujuba)×酸枣邢16(Z.acidojujuba)的F₁代及其亲本果实,基于TPA分析并对比果实裂果率。运用应力曲线得出硬度、粘附性、内聚性、弹性、破裂力、胶粘性和咀嚼性7个果实质地参数。【结果】各果实质地指标均有不同程度的分离,变异系数分布17.79%～52.43%。弹性、破裂力、胶粘性和咀嚼性呈极显著正相关,相关性系数分布在0.33～0.94,硬度、胶粘性和咀嚼性与其他指标相关性较强,内聚性与硬度、破裂力呈极显著负相关,与粘附性呈显著性负相关,应用主成分分析,把7个质地参数,转化为累计贡献率为96.47%的4个主成分分别为硬度因子、内聚因子、粘附因子和弹性因子,杂交群体不同果实质地分成3个群体,分别为绵密软质群、高弹硬质母本群和中值父本群。中值父本群是3个类群中最大的,占总数的76.56%。【结论】硬度、胶粘性和弹性参数高或果肉内聚性高的类群裂果率更低。     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

高校新读者图书个性化推荐服务研究

[目的/意义]针对阻碍高校智慧图书馆对新读者进行图书个性化推荐的用户冷启动问题,提出一种面向新读者的高校图书馆个性化推荐方法,为智慧型高校图书馆开展图书个性化推荐服务、提高新读者借阅率提供切实可行的方案。[方法/过程]以北华大学图书馆借阅流通大数据进行数据挖掘,得出属性相似的新读者和已有读者具有相似借阅偏好的结论。然后,通过奇异值分解解决数据稀疏问题,采用基于欧氏距离的蚁群算法对新读者与已有读者聚类,搭建了新读者和已有读者之间关系的桥梁。最后将已有读者借阅的图书采取Top-N算法对新读者推荐。[结果/结论]以2017级读者为实验对象,选取了3个学院的44名读者,用所提出的算法进行了实验检验。实验结果表明新算法推荐效果显著,操作简单可行,为后续个性化推荐工作奠定了基础。     

基于多通道数据流在线相关分析及聚类的闸站工程安全监测

闸站工程自动安全监测可积累大量高质量监测数据,然而对这些数据的在线自动分析手段较为有限。该文提出一种针对多通道实时监测数据流的在线相关分析与聚类方法,以挖掘多个感兴趣测点通道数据流之间的联系。该方法能够在线快速计算数据流的统计特征,在计算数据流之间相关性度量的基础上,对多数据流进行自动聚类。以泰州高港闸站工程安全监测系统为例,针对扬压力、伸缩缝、温度等多类型共65个通道数据流进行在线相关分析与聚类,一次特征计算、分析与聚类总时长低于1 s,满足在线处理的实时性要求。该文提出的方法能够判断闸站工程渗压情况、伸缩缝与温度变化特性等,可有效发现潜在的工程安全问题或传感器故障。     

一种基于花授粉算法的WRF风速集合预报新模型

基于不同水平分辨率和边界层参数化方案的集合预报思路,应用花授粉算法与不限制负值的约束理论(FPA-NNCT)进行权重平均,提出一种新的风速集合预报模型(FPA-NNCT-WRF-E).利用山东省代表山地和海滨下垫面的2个风电场风速实测数据,将新模型与传统算术集合模型(M-WRF-E)以及FPA模型(FPA-WRF-E)的风速预报结果进行对比评估.结果表明:FPA-NNCT-WRF-E预报明显优于M-WRF-E和FPA-WRF-E的风速预报,与M-WRF-E相比, FPA-WRF-E将风速平均绝对误差(MAE)减小了20%以上,而新模型FPA-NNCT-WRF-E将MAE减小了38%以上.预报的准确性得到了提高.     

基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。     

基于模糊C均值聚类的作物病害叶片图像分割方法研究

为提高作物病害图像的分割效果,根据作物病害图像的特点,提出了一种基于模糊C均值聚类算法(FCM)的作物病害图像自适应分割方法.该方法将像素的灰度与其邻域均值作为FCM的输入特征,变换FCM的隶属度函数使其包含图像的局部邻域特性;通过聚类有效性验证分析和试验确定模糊C均值聚类算法(FCM)的最优聚类数、模糊加权指数.运用该方法对棉花病害叶片图像进行分割.结果表明:该方法能较好将病斑部分和正常部分分割开,平均分割误差率小于5%,对作物病害图像的分割处理非常有效.