基于改进边缘分割算法的幼苗信息提取

优化特征空间和改进分割算法是利用面向对象技术准确获取幼苗信息的关键,也是高空间分辨率数据提取目标地物信息迫切需要解决的问题。研究了在多光谱影像进行去噪声处理基础上,采用改进的基于边缘的算法进行影像分割,同时选取纹理、形状、光谱特征构建特征空间,实现幼苗信息提取的方法。结果表明,该方法对幼苗信息提取的总精度达86%,比传统技术提高了12%,KAPPA系数达0.814 5,比传统技术提高了0.115 9。该方法可以对幼苗信息进行准确快速提取,能够为生产或管理部门进行准确监测和决策提供依据,对未来造林情况进行预测和评价有重要意义。     

棉花采摘机器人红外测距技术研究

为定位棉株上的棉花,用红外测距实验装置和计算机图像处理技术结合棉花的农学生长特性测量单朵棉花的距离。在0.7~1.6 m的距离区间内建立红外测距模型,获取了棉株表面点云的距离图像,测量精度达0.0085 m。以0.65为标准差设计高斯滤波器的尺寸,用1-D高斯滤波器平滑棉株图像,用2-D高斯滤波器求取其梯度图像,以0.2 m、0.08 m为强、弱阈值,基于Canny边缘检测算子构建闭环边缘,结合形态学运算提取棉花区域,去除棉枝。用峰点滤波器削弱棉花图像中的粘连重叠现象,基于分水岭算法提取单朵棉花并求取其距离。结果表明,单朵棉花的图像识别率达91.3%,红外与人工测距结果的相关系数为0.992 2,为采摘机器人运动轨迹的规划提供了参数。     

基于无线传感器网络的奶牛行为特征监测系统设计

奶牛等大型动物的疾病和发情状况目前主要依赖饲养员目测判断,大规模集约化养殖仍采用人工观测方法,这不仅带来繁重的人力负担,也容易误判。为了能自动准确地识别奶牛是否发情或生病,该文提出在奶牛颈部安装无线传感器节点,通过各种传感器获取奶牛的体温、呼吸频率和运动加速度等参数,采用K-均值聚类算法对提取的各种参数进行行为特征多级分类识别,以此建立的动物行为监测系统能准确区分奶牛静止、慢走、爬跨等行为特征,从而可以长时间监测奶牛的健康状态。而且,这种监测系统易于推广到对其他动物的监测,对促进养殖业和畜牧业的发展也具有指导意义。     

基于颜色特征的玉米种子纯度识别

为准确快速的识别出玉米种子中的杂粒,提高玉米种的纯度,该文提出一种以玉米种子冠部与侧面颜色作为特征向量进行纯度识别的新方法。该方法首先将玉米种子原始图像进行背景分割、单粒提取,然后进行冠部核心区域及侧面RGB、HSV颜色特征向量的提取,最后采用Fisher判别理论将多维特征向量投影到一维空间中,进行K-均值聚类分析。试验结果证明：利用Fisher判别理论在一维空间上进行K-均值聚类分析,玉米种子纯度的识别率高于93.75%。影响玉米种子正确识别率的主要因素是投影方向的选择及正确的冠部核心区域的提取。     

粒子群算法及其应用研究

粒子群优化算法（PSO）源于对鸟群捕食系统的模拟,是近年来被广为关注和研究的一种智能优化算法。PSO算法属于进化算法的一种,比遗传算法（GA）更简单易实现,且没有交叉和变异操作,需要设定的参数也不多,收敛速度快。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法等领域。目前PSO的研究主要集中在算法本身和算法的应用研究两个方面。     

基于数据挖掘的贝叶斯算法应用研究

在众多的数据挖掘算法中,贝叶斯算法因为准确性高,运算性能强而得到广泛应用。利用日常生活中的例子深入浅出的阐述了贝叶斯算法的基本原理,并应用SQL Server 2005数据挖掘工具,对2009年收集的农安地力评价的数据进行了分析,同时应用贝叶斯算法对地力等级进行了预测。     

深基坑土钉墙内部稳定性计算新方法——最危险滑裂面复合遗传进化 …

高层建筑深基坑土钉墙内部稳定性分析的关键是如何确定最危险滑裂面的位置并计算与相对应的安全系数，这可归结为一类非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点，作者利用从模拟自然进化过程的遗传进化算法和求解约束优化问题的复杂形法而发展起来的复合遗传算法来搜索最危险滑动面，提出了一种深基坑土钉墙内部稳定性分析的复合遗传进化调优算法，它是一种全局优化分析方法，且比一般的遗传算法寻优效率要高     

利用智能推荐技术改进电子科研档案网络服务质量探讨

改进电子科研档案网络服务质量的智能推荐方法主要包括关联规则的推荐方法、协作过滤推荐技术和聚类方法的推荐技术三种。这些智能推荐方法在客户浏览、检索和购买电子档案产品过程中,对于评价客户的需求、期望和优秀服务的感知度具有广泛的应用。智能推荐方法可评价客户对电子科研档案网络服务和网络资源的满意度,进而向客户推荐适当的电子产品的手段,必将极大地提高电子科研档案网络服务质量。     

基于Kd树改进的高效K-means聚类算法

针对经典的K-means算法在多维数据聚类效率上还有待提高的问题，本文提出一种称为CK-means的改进聚类算法。该算法在k-means算法的基础上，通过引入Kd树空间数据结构，初始聚类中心从多维数据某一维的区间等间隔集中选取，以及在数据对象分配过程中采用剪枝策略来提高算法的运行效率。实验结果表明，CK-means聚类算法较经典的k-means聚类算法运行效率更高。     

LSM算法评定空间直线度误差的分析与改进

为了有效地提高评定空间直线度误差的精度,运用几何学、误差理论和最优化原理,深入分析了LSM算法在空间直线度误差评定中所存在的原理缺陷;并改进了LSM算法,提出了改进LSM算法的数学模型.对改进LSM算法编制程序进行了数字实验,结果表明:改进LSM算法克服了LSM算法的原理缺陷,具有较高的精度.