文本分类中特征提取方法的比较与研究

介绍了进行文本分类的关键技术,着重介绍了常用的文本特征提取方法.选取支持向量机方法作为文本分类器方法,选取不同特征提取方法应用于文本分类,通过实验,比较和分析了由不同的提取方法所构成的分类器的分类性能,确定了信息增益(IG)法和文本证据权(WET)为两种性能优异的特征提取方法.该结论可为分类性能进一步的优化研究奠定理论和实践基础.     

黄羽肉鸡对五种饲料原料养分利用率比较

为测定黄羽肉鸡对玉米蛋白粉、酶力肽、菌体蛋白、菊花粉粕和红薯淀粉渣5种饲料原料的养分利用率,试验选用体质量和体况近似的黄羽肉鸡35只,分为7个处理,每个处理设5个重复,每个重复1羽,设5个试验组,试验组分别投喂1种饲料日粮（30%待测饲料原料和70%基础日粮组成）,收集的粪便样品待测。结果显示：黄羽肉鸡对酶力肽的表观代谢能、氮校正代谢能、蛋白质表观利用率和蛋白质真利用率均为最高,其次是菌体蛋白或玉米蛋白粉,而菊花粉粕最低;5种原料的氨基酸表观利用率为-130.42%～96.64%,氨基酸表观利用率的最高值均出现在酶力肽中,其次为玉米蛋白粉,最低的为菊花粉粕;氨基酸真利用率总体趋势和表观利用率一致,黄羽肉鸡对酶力肽的氨基酸真利用率最高,为93.80%～99.05%,玉米蛋白粉次之,对菊花粉粕的氨基酸真利用率最低。由此可知,黄羽肉鸡对酶力肽和玉米蛋白粉的利用率较好,对菌体蛋白、菊花粉粕和红薯淀粉渣的利用率较低。     

膜计算粒子群算法改进极限学习机的水肥预测模型研究

针对灌溉系统水肥预测计算复杂、预测精度不高、实时性不强等问题,提出膜计算粒子群算法改进极限学习机(MCPSO-ELM)的水肥预测模型.为提高极限学习机的泛化能力和预测精度,引入粒子群算法与膜计算进行优化,利用粒子群算法的高效率搜索能力与膜计算的平行计算优势,大幅度提高收敛速度和搜索精度,不断迭代优化ELM网络的连接权值...     

模糊推理与神经网络、遗传算法在系统预测中的应用

近年来，原来并没有什么必然联系的模糊理论和人工神经网络有了较多的结合．这是由于在模糊系统设计涉及到的3个问题：第一，模糊规则的选取}第二，模糊概率函数（隶属函数）的确定；第三，模糊决策算法的决定．这在有些系统中并不是十分明确的，而人工神经网络却不需要人为干预，而只需通过实际输入、输出数据的学习即可得到其决策．但是人工神经网络也有其缺点，它不够稳定，单独使用确定度不是很高，而且神经网络中所使用的BP算法有其限制性，只能得到局部最优解． 因此，我们将模糊理论与神经网络相结合，根据其预测值与实际值的误差选取适当的权重，建立二者对预测结果的影响关系的模型，用于系统预测．在神经网络中，把BP算法和遗传算法结合起来，得到全局最优解．     

基于平衡策略的支持向量机在电力系统中期负荷预测的应用

针对电力负荷中期预测比较困难并且存在较大误差的问题,提出了基于径向基核函数与基于平衡策略的Sequential minimal optimization(SMO)改进算法相结合的负荷中期预测方法,结合EUNITE网络提供的实际数据,研究了日最大负荷的前后期关系、日最大负荷与节假日的关系和当日与对应星期数的相关性,建立了相应的电力负荷中期预测模型。并对预测结果进行了分析。算例表明,该算法具有运算速度快、精度较高的优点。     

利用经验-过程混合建模方法优化华山松过程模型的参数

【目的】以基于碳平衡的过程模型CROBAS为例,提出一种结合经验模型与过程模型的混合建模方法,优化华山松过程模型CROBAS-PA的参数,探索在建模数据不足情况下预估复杂过程模型参数的有效途径。【方法】参数优化模型的目标函数设为过程模型CROBAS-PA与经验模型QUASSI 1.0在树高和生物量预测上的离差,优化模型的决策变量选取过程模型中10个随气候和树种调整的参数(树冠树叶分形维数、消光系数、比叶面积、最大光合速率、树叶衰老率、叶表面积密度、自然整枝参数、树枝边材率、树干边材衰老率和树枝边材衰老率),约束条件为过程模型参数的可行域。选用差分演化算法,采用Sobol一阶灵敏度和全局灵敏度系数进行参数敏感性分析与评估,利用平均误差(ME)、平均绝对误差(MAE)和平均相对误差(MRE)进行模型检验。【结果】经参数优化后的华山松过程模型CROBAS-PA的有效预测时间可达20年,树高和胸径预测值平均绝对误差分别小于1.03 m和1.19 cm,平均相对误差分别低于5.59%和2.59%。灵敏度分析显示,最大光合速率、比叶面积、消光系数、树冠树叶分形维数对树高和胸径的生长变化有明显影响,而叶表面积密度对胸径和树高的生长变化影响较小。【结论】经参数优化后的华山松过程模型CROBAS-PA可以较准确预测华山松的树高和胸径生长以及林木各器官中的碳分配,基于经验-过程混合建模方法在复杂过程模型参数预估中具有一定应用潜力。     

基于Floyd算法的景区游历路线规划问题

借助Floyd算法,分析了旅游情境下单源多目的地的路线规划问题。结合最近邻思想设计遍历景点的最短路线规划算法,通过具体实例进行验证,提出了在简单因素下的多目标整体最优路线规划,为旅游最短路线的个性化定制提供了解决方案,同时也为单源多目的地多目标路线规划问题提供了一定思路。     

基于物联网的远程温室视觉监控系统设计与实现

在当前智慧农业的大环境下,农作物生长过程的识别与监控问题一直是一项具有挑战性的任务,基于此提出一种基于物联网的远程温室视觉监控系统,系统通过LoRa无线通信技术监测温室内的温湿度、光照强度等环境参数,能够及时监测到农作物的生长状况,并实现自动通风、自动补光等功能。在PC端的Qt上位机实时监测温室内的环境信息并控制环境参数,通过OV9726摄像头对农作物进行监测,所获得的生长状态信息传输到S3C6410集中控制模块进行处理,结合克隆选择算法和朴素贝叶斯分类器对叶片进行识别处理。本系统采用LoRa模块进行自组网来实现环境监测,将Linux操作系统移植到集中控制模块,为视觉系统软硬件平台的搭建做准备工作,所使用的组合算法能够使得农作物叶片识别率达到95.3%,识别时间达到8.4 ms,对于叶片识别精度等方面有着明显的提升,经过实验充分验证本系统所使用的设备与算法的有效性。     

基于改进YOLOv5的蝴蝶兰花朵识别与计数

为精确预测蝴蝶兰产量和对蝴蝶兰的生产进行科学管理,对大苗时期的蝴蝶兰植株花朵和花苞进行识别与检测,统计其花量。由于蝴蝶兰花苞目标体积较小,提出一种基于改进YOLOv5的蝴蝶兰花朵与花苞识别方法。首先,修改颈部网络的结构,在特征金字塔FPN(Feature Pyramid Network)和路径聚合网络PANet(Path Aggregation Network)中引入有利于小目标检测的160×160尺度特征层,以提升对小目标的检测效果;其次,使用K-means++聚类算法针对训练集生成更合适的先验框,并采用载入预训练权重和冻结主干网络的训练方式,以使模型更加容易学习,提高网络模型收敛速度和泛化能力;最后,在颈部网络加入轻量级注意力机制,加强对目标的关注,减少背景干扰,以提升模型的特征提取能力。试验结果显示,该算法对花苞的检测精确率达到89.54%,比改进前提升9.83%;对花苞和花朵的平均精确率达到91.81%,比改进前提升5.56%。该算法有优异的检测精度并有效提高对小目标的检测能力。     

结合注意力机制与YOLOv5的松材线虫病受害木检测

松材线虫病是我国近几十年来最严重的一种森林病害,加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木,分别对比了改进模型CBAM-YOLOv5、SE-YOLOv5、CA-YOLOv5与YOLOv5模型的识别效果,实现了对变色松树和枯死疫木检测效果的提升。结果表明：3种注意力改进策略的变色松树查全率、平均精度和F1分数显著提高,查准率不逊色于YOLOv5模型;综合考量查全率和F1分数指标,SE-YOLOv5模型的变色松树和枯死疫木检测效果最好,其F1分数分别达到89.7%和76.9%,比原模型分别提高了5.5%和5.4%,其检测精度分别为91.7%和80.3%,较YOLOv5模型分别提升了4.7%和5.1%;在理想置信度阈值情况下3种注意力改进策略的变色松树和枯死疫木查全率均值分别为85.4%和76.6%,基本满足实际检测需求。对各注意力改进模型检测层的特征图和热力图进行剖析可以看出,嵌入注意力机制有利于提取高贡献度的特征成分,可以提升变色松树特征提取的准确性。因此,改进的YOL...