基于卷积神经网络的空心村高分影像建筑物检测方法

基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。     

基于元胞自动机模型的土地利用情景模拟与驱动力分析

土地利用格局的形成过程比其最终形成的结果更为重要。本文以哈尔滨市双城区为例，利用不同时期的土地利用数据，在土地利用变化关键驱动因素分析的基础上，选取了对土地利用变化影响较大的距离变量、邻近土地利用类型数量、单元自然属性、社会经济因素等4方面14个驱动力因子，建立了基于元胞自动机(CA)与人工神经网络(ANN)相结合的土地利用空间格局模拟模型。在此基础上，对研究区自然禀赋、社会经济快速发展、基本农田保护及土地利用规划等不同情景驱动机制下的土地利用空间格局进行了时空模拟，以此解析土地利用变化过程与驱动力因素的响应关系。模拟结果显示：自然禀赋情景下，各地类变化趋势与现在保持一致；在社会经济快速发展情景下，建设用地面积增加明显，主要由旱地和其他用地转入；在基本农田保护情景下，耕地面积比较稳定，各地类变化趋势较为缓和；在土地利用规划情景下，各地类变化较为合理，兼顾耕地保护和经济发展。研究结果显示，该方法对哈尔滨市双城区土地利用格局变化的驱动机制具有较好的解释作用。     

二次聚类与神经网络结合的日光温室温度二步预测方法

精确预测日光温室温度是实现对温室精准调控的前提。由于温室是复杂非线性系统，受室内外众多环境因素影响，且部分因素难以准确测量和建模，因此，难以通过机理分析建立室外因素精确影响室内温度的物理模型。而现有时间序列分析、人工神经网络等仅基于数据的方法预测准确度也较低。本文提出连续时间段聚类与BP神经网络相结合的二步日光温室温度预测方法。首先，进行二次聚类，对室外温度情况相似的日进行聚类，并将全年划分为若干个类似时间段，根据连续时间段内相似日的数量进行聚类，将全年内的连续时间段归入若干类别。其次，对不同类别的时间段，分别采用BP神经网络建立室外温度、相对湿度、太阳辐射、风速和温室室内温度间的关联模型，通过数据训练，能够较为准确的根据室外环境数据预测室内温度。通过涿州实验农场2年数据试验验证，通过二次聚类，全年连续时间段可划分为3类，通过分别建立BP神经网络并分别训练，结果表明本方法预测误差仅为6.23%，与现有未分类的BP神经网络预测算法对比，本文方法有效地提高了准确度，平均误差降低5.4个百分点。     

灌溉管网非恒定流计算机实现方法

为了研究灌溉管网非恒定流计算机实现方法,基于非恒定流的基本原理及其特征线(MOC)解法,探讨了采用节支关联表和支节关联表建立管网结构信息,并对管网数据进行储存、计算和结果输出的方法,在计算过程中通过数组储存不同的节点类型及管网参数供计算机调用。通过实例对典型喷灌管网的非恒定流过程进行了计算并分析。结果表明,该方法储存管网结构信息简单方便,计算机能够快速识别节点类型并调用相应的边界条件子程序,本方法可用于复杂灌溉管网的非恒定流建模与分析。     

径向基神经网络在猪胴体瘦肉率预测中的应用

猪胴体瘦肉率(LMP)是评价猪肉品质的重要指标之一,在生产线上快速而准确地预测出其数值并进行分级是并不可少的。目前,国内大部分厂家依然采取屠宰后人工称重测量的方法,耗时耗力,且存在相当大的误差。为此,随机抽取了116头皖北地区商品猪,选定眼肌面积、背膘厚及腿臀比作为参考数据,以Mat Lab工具箱作为研究工具,利用BP、Elman和RBF等3种不同的神经网络建立预测模型,统计后进行比较分析。实验表明:3种模型的神经网络均可用于瘦肉率预测,但RBF网络误差最小,训练速度最快,学习能力最强,最适合用于建立瘦肉率的预测模型。     

基于神经网络的多功能收割机发动机性能仿真及优化

随着全球经济和工业的快速发展,能源危机和环境保护问题越来越突出,传统内燃式发动机受到了巨大冲击,因此研究高效、节能的发动机显得尤为重要。为此,研究一种压缩比为10.6多功能收割机,并设计了基于MatLab仿真平台的GT-Power神经网络模型,利用神经网络训练和测试的数据自动进行仿真和储存,采用拉丁超立方采样算法设计试验,简化运算过程提高寻优效率。实验结果表明:神经网络模型转矩、比油耗和温度等参数模型预测误差很小、精度很高,可用于多功能收割机发动机的性能预测,使其各项指标参数最优化。     

基于人工智能的农用拖拉机发动机故障快速诊断研究

为了达到拖拉机发动机不解体故障诊断的目的,提高诊断效率,利用发动机缸盖的振动信号的采集原理,提出了一种基于神经网络的人工智能故障检测方法,并构建了拖拉机发动机振动信号采集系统。基于人工智能的拖拉机发动机故障诊断系统,综合运用信号采集技术、信号处理技术、数据库技术、神经网络技术和人工智能专家系统,实现了和数据库及具有强大信号分析的处理功能,提高了系统的诊断实时性和诊断精度。最后,采用田间试验方法,对拖拉机故障快速诊断系统进行了试验验证。试验结果表明:采用人工智能诊断方法不仅可以有效提高系统的准确率,而且诊断系统的响应更加迅速,并且曝晒、震动、灰尘等恶劣的现场环境中仍能保持正常工作的稳定性。     

基于网络技术数字化图书馆建设探讨

介绍了目前网络技术的发展以及在数字图书馆中的应用情况。     

论信息时代网络语言中的外来语

随着信息时代网络交流的日益普及,网络与语言结合,形成了一种全新的语言模式—网络语言。网络语言中一个突出的现象是大量外来语杂糅其中。通过分析网络语言中外来语的表现形式,探讨网络语言中外来语流行的原因,并提出如何正确看待这一现象。     

实时混合对抗蠕虫的建模和分析

传统的防病毒技术难以抵御蠕虫的传播，为此本文提出实时混合对抗技术，该技术在被对抗蠕虫感染的主机与易感染主机数量相等时转换对抗策略，并建立实时混合对抗蠕虫的传播模型.最后，通过仿真实验从对抗有效性、资源消耗和应对突发事件能力三个方面验证实时混合对抗技术的性能.理论分析和实验结果表明，实时混合对抗技术能更好地满足对抗有效性和低资源消耗要求，并能应对突发事件.