基于K-L变换与LS-SVM的玉米品种识别方

为实现外观相似的不同玉米品种的有效识别，提出了K-L变换与最小二乘支持向量机相结合的籽粒品种鉴别方法。采用标记算法及多尺度小波分析方法获得玉米单籽粒图像，应用K-L变换技术提取籽粒图像的特征数据，设计了二叉树型多类LS-SVM分类器，实现了对特征数据的有效分类。通过试验分析，确定了较为合理的状态空间维数(L=3)，正确识别率可达     

昆虫免疫致敏响应研究综述

从昆虫免疫致敏识别、免疫致敏响应、免疫致敏响应分子机制、免疫致敏传递机制等方面对昆虫免疫致敏进行综述，同时对农业害虫抗性治理和农药合理运用等进行了展望。     

中药材粉末显微图像模式识别方法

提出了一种适合中药材粉末状态下显微图像的模式识别方法。使用3种分析方法进行特征提取,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,经特征选择后,对图像分类贡献较大的8个特征量被组合成特征向量,用于图像识别。实验中采用了k-近邻分类方法,其较高的识别率表明,此方法是可行的和有效的,为今后进一步进行中药材识别提供了理论参考。     

基于模糊模式识别理论的乌梁素海水质评价

运用模糊数学基本理论和方法,以国家地表水环境标准为依据,对2004年5月至7月乌梁素海水质状况进行评价,并将实地水质监测结果与评价结果对照分析。评价结果与实际情况相符,能够比较准确地反映乌梁素海的水质等级变化。证实了模糊模式识别方法应用于湖泊水质评价中的合理性和可靠性,对于湖泊水质评价具有实际意义。     

自组织神经网络在流域土壤水分含

由于土壤水分含量受众多因素的影响，空间变异性很大，给土壤水分含量空间分布的研究带来了很大的困难。空间模式识别是处理土壤水分含量空间数据的方法之一，能够分析得到土壤水分含量空间数据的聚类结果。基于自组织特征映射和自适应共振理论的自组织神经网络模型在空间数据模式识别中得到广泛应用，针对澳大利亚tarrawarra试验流域土壤水分含量的观测数据，应用自组织神经网络，建立动态土壤水分含量的空间模式识别模型，并用半变异函数对识别结果进行检验，实例研究表明该方法是一种行之有效的方法。     

基于机载激光雷达技术的茂密林地单株木识别

提出一种利用LiDAR数据进行单株木识别的方法,首先利用广义高斯模型分解全波形LiDAR数据,得到高密度的点云和相应的波形参数,通过建立数字高层模型得到非地面点云,然后计算点云的空间特征得到林木点云,最后在3D空间中利用马尔可夫随机场重新标记得到单株木点云.实验表明,与传统方法相比,本文方法能有效提高单株木识别的准确性,特别是对茂密林地中低矮、细小林木识别效果明显,平均识别精度达到75％.     

模式识别与人工神经网络辅助水土流失监测预报初探

对于开发建设项目的水土流失监测和区域水土流失预报，使用模式识别和人工神经网络方法进行辅助处理，用已有的较为详尽的水土流失监测数据来训练神经网络，使之熟悉数据之间的非线性关系，从而对新的监测数据进行较好的处理，同时对建设区域内的水土流失情况进行预报。本文讨论了这种方法的可行性，具体的模型和处理效果将在以后的实验和具体的监测项目中得到研究。     

应用模糊模式对东方鲀属Fugu相近种类分类的初步探讨

应用模糊模式识别原理对同一特征值参数差异很小的鱼类进行分类，建立了模式以及数据处理的一种数学方法。并对红鳍东方、假睛东方和介于二者之间种类进行了实例分析。     

模式识别在植物叶片识别中的应用

总结了模式识别在植物叶片自动化识别中的典型应用.模式识别在植物叶片识别中主要应用于植物分类、植物缺素研究和植物病害的自动诊断等方面.模式识别在植物叶片识别方面起到了重要作用,具有广阔的发展前景.     

基于变量预测模型的模式识别方法在滚动轴承故障诊断中的应用

将基于变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的方法引入滚动轴承的故障诊断,提出了基于EMD(Empirical Mode Decomposition,EMD)和VPMCD的滚动轴承故障诊断方法.采用EMD方法提取滚动轴承振动信号特征向量后,以VPMCD作为模式识别方法对滚动轴承的工作状态和故障类型进行分类.对正常状态、外圈故障、内圈故障3种不同类别下的滚动轴承振动信号进行了分析,结果表明了该方法在滚动轴承故障诊断中的有效性.同时,与人工神经网络(Artificial neural network,ANN)算法的对比分析表明,VMPCD算法分类性能的稳定性以及计算效率均要高于ANN算法.