农田生物质能集约利用空间优化决策

发展农田生物质能源集约利用,是解决中国能源问题和环境问题的重要途径。由于农田生物质能空间分布的分散性、不连续性,所以对生物能源数量、空间分布特征以及其集约利用空间优化问题进行研究是生物质能源从研发走向实际应用的关键。该文以广东省为例,利用NPP（净初级生产力）模型获得可用农田生物质能生物量和空间分布状况,在此基础上,采用不同尺度的泰森多边形作为生物能源的初级筹集范围,应用遗传算法对生物质能集约利用的空间优化配置问题进行快速求解。结果表明,遗传算法和GIS模型结合对解决面域供应和点域需求问题具有明显的优越性,可为生物质能集约利用提供有效的空间优化方法;尺度效应对模型模拟结果有很大影响,当以10 km为邻近阈值建立泰森多边形作为初级筹集区域时,适宜度达到最大。该研究可为生物质能集约利用空间优化决策提供依据。     

基于改进蚁群算法的农网送电线路设计路径寻优

送电线路的路径选择是线路设计中的重要环节,直接影响工程总造价及运行可靠性。该文针对送电线路选择路径的特点,建立全局最优路径的搜索模型,形成简单的连通图,并对基本蚁群算法的选择策略及信息素更新进行改进,同时考虑了地质状况、水文情况及林带征地等对线路路径选择的影响,最后利用改进的算法直接在模型上进行全局最优路径搜索。仿真结果表明,此方法可以准确地搜索到送电线路的全局最优路径。     

基于K_means硬聚类算法的葡萄病害彩色图像分割方法

为了提高植物病害图像的分割精度与效果,根据植物病害症状及图像的特点,提出了一种基于K_means硬聚类算法（HCM）的葡萄病害彩色图像非监督性分割处理方法。该方法是在L*a*b*颜色空间模式下利用ab二维数据空间的颜色差异,以平方欧式距离作为像素间的相似度距离、以均方差作为聚类准则函数对颜色进行二分类聚类,并通过数学形态学运算对聚类结果进行校正。利用该方法对3种葡萄病害彩色图像进行分割的结果表明,该方法能够较为准确地将病斑区域从彩色图像中分割出来,对葡萄病害彩色图像的分割处理比较理想,鲁棒性好,分割准确率     

南方复合地貌区DEM内插算法的对比研究

数字高程模型是数字地形分析的重要数据基础,在土壤、水文、地貌、生态环境、地质灾害、农业等领域均有广泛应用。插值生成的DEM精度与插值算法本身特性、插值区域地貌类型都密切相关,研究插值算法对不同地貌类型的拟合精度差异,对提高DEM插值精度具有重要意义。以平原丘陵兼有、水网密集分布的南方复合地貌区为研究区,对ANUDEM,IDW,Kriging,Spline,NNI,TIN六种插值算法生成的DEM分别从总体、丘陵岗、平原3方面进行误差评价,结果表明:在丘陵岗地区,ANUDEM精度最高,对地形因子拟合程度最为准确;在平原地区,ANUDEM,TIN精度较高,能准确刻画水网等细节信息;总体而言,ANUDEM插值生成的DEM更能够精确地模拟南方复合地貌区的真实地形。     

基于振动及EEMD-CMAC算法的鸭蛋散黄在线检测

针对鸭蛋长期存储以及运输过程中造成的散黄问题,构建一种基于振动信息的鸭蛋散黄在线检测流水线,可实现鸭蛋的自动触压和随动检测。通过磁致伸缩振子对鸭蛋扫频振动进行音频信息增强,对音频振动信号进行集合经验模态分解,并通过主成分分析进行降维提取主要特征,基于此,构建基于小脑神经网络的鸭蛋散黄检测模型。试验中,对320枚鸭蛋进行检测(训练集200枚,测试集120枚),结果表明,基于累积贡献率达98.14%的前5个主成分的鸭蛋散黄检测模型训练集和测试集识别率分别达98.66%和97.03%,每枚鸭蛋在线检测时间约1 s。研究表明,所研制的检测流水线基于磁致伸缩振子扫频激励未知品质鸭蛋,再结合EEMD-CMAC进行鸭蛋散黄检测是可行的,可满足流水线在线检测的要求。     

基于目标规划的履带可变形机器人结构参数设计及验证

机器人结构参数直接影响其对环境的适应能力,因此合理的结构参数设计至关重要。为更高效设计能适应障碍已知环境的机器人,该研究提出一种基于目标规划的机器人结构参数设计方法,以得到能适应该环境的结构参数最优的机器人,并开发样机进行试验验证。首先提出并设计履带可变形机器人模型,在分析机器人越障机理基础上,建立机器人能够跨越的台阶和沟壑障碍与其结构参数间的关系,并在此基础上建立履带可变形机器人的结构参数目标规划模型。利用遗传算法得到该目标规划问题的最优结构参数:履带轮半径60 mm,摆臂最大长度326 mm,机体长度290 mm,并利用Adams建立仿真模型验证了机器人对目标环境的适应性。样机试验表明机器人能够跨越160 mm高台阶和300 mm宽沟壑,证明了计算得到的结构参数的合理性,及基于目标规划的机器人结构参数设计方法的可行性。该研究可为机器人的结构参数设计提供参考。     

鸡蛋蛋壳裂纹敲击振动功率谱信号特征参数筛选和分析

运用自行研制的禽蛋裂纹检测装置,可以采集并分析敲击鸡蛋产生的响应信号,检测裂纹蛋。提取敲击响应信号功率谱的10个特征参数,并采用逐步回归法和遗传算法进行优化和筛选,以期选取更有效的特征参数,提高模型检测精度。结果表明,遗传算法筛选结果明显优于逐步回归法。当采用遗传算法筛选的4个特征参数(功率谱信号的第1共振峰对应的频率点、第1共振峰的功率谱与其前4个频率功率谱的方差、前3个共振峰功率谱方差、中低频段功率谱能量比)作为判别模型的输入向量,模型能取得最优结果,预测集判别率可达到97.2%。     

A morphological assessment system for ‘show quality’ bovine livestock based on image analysis

Morphological assessment is one important parameter considered in conservation and improvement programs for bovine livestock. This assessment process consists of scoring an animal based on its morphology and is normally carried out by highly qualified staff. These animals are all of agreed ‘show quality’ and hence they are morphologically very similar.This paper presents a system designed to provide an assessment based on a lateral image of the cow. The system consists of two main parts: a feature extraction stage, to reduce the information on the cow in the image to a set of parameters, and a neural network stage to provide a score based on that set of parameters. For the image analysis section, a model of the animal is constructed by means of the point distribution model (PDM) technique. Later, that model is used in the searching process within each image, which is implemented using genetic algorithms (GAs). As a result of this stage, the vector of weights that describe the deviation of the given shape from the mean is obtained. This vector is used in the second stage, where a multilayer perceptron is trained to provide the desired assessment, using the scores given by experts for selected cows.The system has been tested with 138 images corresponding to 44 individuals of a special rustic breed, with very promising results, given that the information contained in only one view of the cow can not be considered complete.     

Job-Shop scheduling based on improved immune cloning algorithm

Parallel immune clone algorithm is proposed based on population coevolution theory and parallel computing affinity of individual at multiple compute nodes. Introducing the immune memory mechanism, the evolution processes of antibody population and memory units are conducted simultaneously, meanwhile, it improves mutual cooperation among antibodies, and ensures solution set approaching optimal solution from the inside of feasible region or infeasible region border. Clone proliferation, high frequency variation and operation of crossover operators increase the chance that better individuals gain affinity maturation by the operation of clone expansion, improve diversity of antibody population distribution, achieve the balance of optimization between depth and range, and ensure the convergence of the algorithm and the diversity of the search range. A computational study for a standard data set is carried out to test the validity of the algorithm, and the effect of algorithm parameters on the results is analyzed. The simulation results show that the global search capability, local search capability, algorithm stability and computing speed of the algorithm are all superior to conventional optimization algorithms such as normal immune clone optimization algorithm, genetic algorithm, etc.     

基于分布式数据入侵检测模型研究

在数据挖掘技术应用于入侵检测的研究中,分布式环境下的全局频繁项目集的更新算法尚不多见。为改善入侵数据增加后,更新算法的效率问题,提出一种基于分布式入侵检测的关联规则快速更新算法TDUA(Trivial Distributed Update of Association rules)。算法引入强频繁项目集概念,有效地修剪候选项目集数目,采用共享模式的体系结构,具有通信代价较小,挖掘效率较高的特点。并从理论与实验两个方面验证了算法适应在高速大流量的分布式网络环境下快速准确地建立入侵检测模型。