基于新农村建设环境下的农村电子商务平台建设研究

随着科技的进步和新农村建设的不断推进,新农村电子商务平台的建设发展成为必然趋势。新农村交易的产品主要是以农产品为主的前提下,新农村电子商务平台的建设需要考虑因素较多,在这种环境下对电子商务平台的设计框架、业务架构、技术支持、建设内容进行了分析。希望对相关的人士提供参考。     

基于SVM算法的个人信用评估方法的完善

在众多的模式识别工具中,支持向量机(Support Vector Machine,SVM)是一种非常有效的解决工具。提出了基于SVM模型提升金融机构对个人信用评估效率的方法。通过对某银行的用户信用数据进行的研究,设计具体评估流程,利用SVM的SMO算法处理参数优化来构建模型,特点是分类精度高、误判率低,具有较好的稳健性,以此来控制消费信贷风险具有良好的适用性。处理商业银行划分信贷等级,应用此种模式可以解决信贷申请和政策实现,具有一定的实际意义。     

机器学习算法与3σ定律在智慧温室数据预处理中的应用

为了有效解决在极端环境下智慧温室内部分传感器不工作导致产生缺失值及数据准确性的问题.以智慧温室传感器采集的数据为研究对象,利用多种机器学习算法进行数据插补,同时利用3σ定律和数据融合对插补后的数据集进行预处理,提高了数据集的完整性与准确性.为技术人员进一步分析、处理数据,实现智慧温室精确控制提供了更加准确可靠的数据源.     

对比Bayesian B等多种方法的大豆全基因组选择应用研究

为提高育种家选种选育的效率,运用统计学手段对两组大豆的基因型数据及对应的真实性状设置不同遗传力及有效位点数,模拟不同性状进行运算来预测精准值。采用交叉验证重复百次使预测值趋于稳定,对比分析Bayesian B及常见的几种基因组选择方法。结果图形直观展示出Bayesian B方法效果较好且较稳定,说明Bayesian B方法在大豆全基因组选择上有较明显的优势,可以在大豆育种分析中辅助使用。同时,介绍了Bayesian B方法的应用,以便指导大豆品种选育。     

物联网+区块链的饲料供应链金融信息服务平台

传统的供应链金融为链上企业融资提供了便利,促进了企业发展.随着经济社会的不断发展,因信息不对称、不能实施有效监管等问题导致融资企业信用不足,无法获得融资或融资额度不能满足企业需求的现象时有发生,极大地阻碍了融资企业的健康发展.文章利用物联网和区块链的相关技术,以饲料加工企业融资过程为研究对象,构建了一个基于"物联网+区块链"的饲料供应链金融信息服务平台.融资企业的质押信息和生产经营活动在平台上公开透明、数据为链上企业共享,便于金融机构进行监管和简化融资流程,增强了企业活力,助推饲料供应链健康发展.     

自主作业的农业低空遥感平台设计与实践

该研究依托吉林省智慧农业工程研究中心,深入研究了农业低空遥感平台关键技术.提出了遥感平台的整体框架结构,分析了硬件平台的动力系统和控制系统,以及软件平台的闭环控制程序和通信程序,阐述了平台调试方案.结果表明,系统平台运行稳定,为现代农业的精细化作业提供了参考方案.     

基于多种机器学习方法填补大豆基因组缺失的比较研究

为探索大豆基因组测序不同程度缺失数据的有效填补措施,提升数据分析综合能力,本研究以大豆株高与叶面积两组性状的基因组基因型数据为研究对象,进行5％、10％和20％不同缺失比例的人为数据缺失处理,分别运用K近邻算法、SoftImpute算法和随机森林算法3种机器学习方法对缺失数据进行填补,分析填补数据的准确性和性对原始数据和填补后的数据进行全基因组关联分析,分别对比填补后的数据和原始数据的分析效果.从准确2看,随机森林算法填补的准确率最高;从运行时间上来看,SoftImpute算法的运行速度最快;运行内存方面,SoftIm算法的运行内存最小,而当数据量达到10 000x1 000时,K近邻填补算法的运行内存最小.在不考虑运行时间和运行内存的因素,且对填补的准确率要求较高的情况下,随机森林算法的填补效果要优于K近邻填补算法和SoftIm算法,若对运行时间要求较高且数据量较大时,则应选择SoftImpute算法,同种情况下若对运行内存要求较高时,可优先考虑K近邻填补算法.结果说明不同机器学习方法在不同缺失程度的填补需求下的适用性,可应用于大豆基[数据缺失处理.     

环境锰污染对生物健康的威胁

锰广泛存在于自然环境中,是地壳最丰富金属元素之一,也是人类和其他生物正常生长、发育及维持细胞内环境稳定所必需微量元素.近年来,随锰广泛应用,环境锰含量超标,生物甚至人类摄入过量,导致锰中毒,受到人们关注.为此,文章探讨锰应用对土壤、水、空气、畜禽饲料、食品造成的污染,论述锰污染对生物甚至人类健康的威胁,以期为锰减排、污染治理、环境保护、生物和人类锰中毒防治及开展锰中毒机理研究提供参考.     

四种机器学习算法预测大豆蛋白质定位对比研究

为探索不同缺失程度大豆蛋白质亚细胞定位预测的有效方法,提升大豆蛋白质亚细胞定位预测能力,本研究以1万条已知亚细胞定位位置的大豆蛋白质序列数据为研究对象,进行5%、10%、15%、20%和30%不同缺失比例完全随机缺失,分别运用SVM算法、朴素贝叶斯算法和随机森林算法和决策树4种机器学习算法预测缺失序列的亚细胞位置,对原始位置和预测后的位置进行相关性分析,对比分析不同算法的准确性和性能。结果显示：随机森林算法预测的准确率最高;朴素贝叶斯算法的运行速度最快;朴素贝叶斯算法的运行内存最小。在不考虑运行时间和运行内存因素,且对预测的准确率要求较高的情况下,随机森林算法的预测效果要优于另外3种算法;同种情况下,若对运行内存要求较高时,可优先考虑朴素贝叶斯算法。结果说明不同机器学习方法在不同缺失程度的预测需求下的适用性,可应用于大豆蛋白质数据的定位预测。     

基于Laplace边缘检测算法虚拟植物系统的研究与实现

将计算机信息技术引入农业生产研究是目前农业生产研究的新发展方向,并伴随产生了农业信息化这样的新领域。植物叶片几何形状的识别是农业信息化结合数字图像处理技术的一个方面。为此,通过理论分析和仿真计算对研究植物叶片形状的传统图像边缘检测技术进行了分析比较,并创造性地提出了利用Laplace边缘检测算子来改进植物叶片几何形状的识别与检测系统。Laplace边缘检测算子的二维几何形态的建模具有数据的表达与复制的功能,通过生成的图像处理数据更加准确地识别与检测不同种类植物叶片的形态,为农业生产研究者提供更加有效、更加准确的研究数据。