广西-湖南地区柑橘黄龙病综合防控技术模式集成及实践

广西-湖南地区通过试验，研究集成了“以种植无病苗木为基础，以统一放控梢、大型植保机械喷施低毒高效药剂、果园悬挂黄板和冬季清园防治木虱为重点，以常态化普查清理病树为保障的柑橘黄龙病综合防控技术模式”，并在技术模式的应用上，因果园类型及黄龙病发病程度不同，不同果园采取分类防控策略；在柑橘黄龙病片区联防联控上，构建了政府责任制、宣传培训和村规民约为核心的柑橘黄龙病片区联防联控的“荔浦模式”，并取得了显著成效。本文对上述技术模式进行了介绍，以期为其它片区防控柑橘黄龙病提供技术和经验借鉴。     

多黎曼流形的判别分析与融合

为了得到低维且更具有判别性的流行表示,并进一步融合各种流行判别分析的结果,本研究提出了基于局部重构的黎曼流形判别分析统一框架,在动态纹理分类,物体识别和人脸识别任务中,验证了该框架的有效性。     

采用全卷积神经网络与Stacking算法的湿地分类方法

高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高和泛化能力弱等问题，提出了一种联合全卷积神经网路（fully convolutional neural network，FCN）与集成学习的湿地分类方法。首先利用全卷积神经网络（SegNet、UNet及RefineNet）对GF-6影像的语义特征进行提取与融合，然后利用Stacking集成算法对融合后的特征进行判别和分类。结果表明，联合全卷积神经网络与Stacking算法能有效提取湿地信息，总体分类精度为88.16%，Kappa系数为0.85。与联合全卷积神经网络与单一机器学习RF、SVM与kNN算法相比，该文提出的湿地分类方法在总体分类精度上分别提高了4.87%，5.31%和5.08%；与联合单一全卷积神经网络（RefineNet、SegNet、UNet）与Stacking算法下的湿地分类结果，该文提出的湿地分类方法在总体分类精度上分别提高了2.78%，4.48%与4.91%；该文方法一方面能通过卷积神经网络提取遥感影像深层的语义特征，另一方面通过集成学习根据各分类器的表征性能进行合理的选择并重组，从而提高分类精度及其泛化能力。该方法能为湿地信息提取及土地覆盖分类方法的研究提供参考。     

信用卡客户分类与营销策略研究 ——以M银行为例

大数据时代的到来给我们的生活带来了巨大的变化,随着信用卡业务需求和支付场景的增多,银行投入越来越多的资源进行信用卡支付建设,但由于需求的逐渐饱和,各银行之间的竞争也越来越激烈。为了进一步获取更多的市场份额,吸引更多更忠诚的客户,银行业的精准营销理念被提出并实施发展起来。利用科技手段精准地发现客户、识别客户、维护良好的客户关系成为获胜的关键因素。研究了客户关系管理、客户细分及精准营销的相关理论,实现了数据的处理过程,基于RFM模型、k-means算法构建了符合业务需求的客户价值分类模型。将客户分为四个不同的群体,针对不同的群体采取不同的营销措施,进行差异化管理,最终达到精准营销的目的,节约营销资源和成本。     

多变环境下基于多尺度卷积网络的猪个体识别

【目的】通过实现复杂多变环境下非接触式猪个体身份识别,提高畜牧行业的生产效率。【方法】以猪舍环境下猪的脸部图像为基础,提出了一种基于多尺度卷积神经网络在多变环境下的猪个体身份识别模型。利用改进的多尺度网络结构,该模型实现了深度和宽度的扩展,网络深度达到了86层。网络不仅使用了对称和非对称的两种方法拆分卷积核和多通道的方法并行提取猪脸特征,还利用网络融合技术和Batch Normalization结构过滤掉通道中的冗余信息。避免了深层网络参数激增,增强了模型对猪脸特征的提取能力并提高模型的识别速度。利用预处理后的11 695张猪脸数据集训练并验证模型,通过设置7组不同环境下的对比实验,分析改进的模型在复杂环境下的识别效果。【结果】86层的基于多尺度分类网络的识别模型权重大小和每轮样本的训练时间分别为498.4 M和66 s,比16层的VGG网络权重小1140 M,每轮训练速度快8 s。利用7组测试集的对比实验的结果表明,提出的模型在7种环境下的识别率都高于其他网络,尤其是在真实养殖环境下识别率高达99.81%。当猪脸图像中出现遮挡和旋转的情况时,提出的模型识别率皆高于92%。【结论】提出的针对脸部特征的猪个体身份识别模型是有效的,并在多变环境下具有较高的识别率和鲁棒性,为实现一体化管理及追踪溯源的研究提供参考。     

运用植被指数时序特征对落叶松人工林分类

为探究植被指数时序特征是否有利于落叶松人工林提取,以孟家岗林场为研究试验区域,根据落叶松人工林季相和物候特征,利用Landsat8OLI影像数据提取研究区内5种植被的归一化植被指数(I NDV)、差值植被指数(I DV)、比值植被指数(I RV)、增强型植被指数(I EV),构建相应的植被指数时序特征。采用最大似然和随机森林两种方法对单一时相影像和加入植被指数时序特征的影像进行对比试验。结果表明:影像中加入植被指数时序特征后,最大似然算法的分类总体精度为89.53%,Kappa系数为0.87,比单一时序特征的影像分类精度提高了13.35%;随机森林算法的森林类型分类总体精度为93.22%,Kappa系数为0.92,比单一时序特征的影像分类精度提高了19.8%。因此,加入植被指数时序特征后能得到更高的落叶松人工林提取精度。     

茴鱼属鱼类分类地位和分子系统发育研究现状

茴鱼属Thymallus鱼类主要分布于欧洲、北美洲及亚洲北部,是渔业价值较高的珍稀名贵冷水性鱼类。本文通过综述茴鱼属鱼类分类学地位、分类及命名的混乱、分子系统发育学等的研究现状以及保护遗传学研究进展,分析当前茴鱼遗传学研究存在的问题,提出解决途径,为该属鱼类的深入研究和自然资源保护提供参考。