一种基于支持向量机的植物根系图像边缘检测算法(英文)

由于传统边缘检测方法中存在的比如粗糙边缘、噪声边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。本文基于支持向量机方法给出一种新型、简单有效的边缘检测算法。基于带高斯径向基核函数的最小二乘支持向量机,得到了一簇梯度算子和相应的二阶导数算子。用所得到的边缘检测算法与Canny和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰。     

支持向量机在粮食产量预测中的应用

将支持向量机算法应用于粮食产量预测,结果表明,支持向量机的径向基核函数模型预测粮食产量的精度优于其他预测方法。     

基于最小二乘支持向量机的土壤含水量检测的研究与分析

介绍了运用数字图像处理技术和基于最小二乘支持向量机的土壤含水量检测方法,经理论分析和土壤含水量检测试验,证明该方法有效、可行、操作简便、实时性好。     

最小二乘支持向量机方法在农用柴油机故障诊断中的应用研究

采用最小二乘支持向量机法对农用柴油机故障进行计算机仿真诊断。结果表明：该方法能够提高故障诊断的准确性,减少误诊。     

基于遗传BP网络的植物根系图像边缘检测

为实现对护坡植被根系图像的轮廓提取和边缘检测,提出一种遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络.将描述边缘的特征向量,作为神经网络的输入信号,构造三层前馈网络.在网络训练过程中,构造的边缘特征量抗噪性佳,且可有效提取边缘的真实信息.仿真实验表明:设计的神经网络抗噪性强,边缘定位精度高,提取后图像更接近根系真实轮廓图像,更有利于植物固坡研究中根系形态的监测.     

Boosting稀疏最小二乘支持向量回归机及其在推力估计中的应用

为实现航空发动机的直接推力控制代替传统的基于传感器的液压机械式控制，本文使用boosting技术提升最小二乘支持向量回归机的性能设计了推力估计器。在使用boosting的过程中，有两点与传统方法不同：（1）为了在建立稀疏最小二乘支持向量回归机的时候使数值计算更稳定，使用无放回抽取；（2）为了实现最小二乘支持向量回归机的稀疏性和降低计算的复杂度，用训练数据集的一个子集来建立最小二乘支持向量回归机，不再使用全部训练数据。仿真实验表明，基于boosting稀疏最小二乘支持向量回归机的推力估计器能够满足直接推力控制的需要，即估计推力相对误差不大于5‰。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i（允许错分的松弛变量）的二范数。这使得最小二乘向量机的优化问题为：min（1/2）‖w‖^2＋C（1/2）sum from i=1 to 1ξi~2（ξi是松驰变量;C为正则化参数）。用于函数估计的最小二乘SVM为：y（x）=sum from k=1 to Nαk K（x,xk）＋b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数（γ为可调参数,σ为核函数宽度系数）,参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。对灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘支持向量机预测的最大误差7．12％,平均误差4．81％。最小二乘支持向量机模型有较高的预测精度和良好的推广能力,可做为灌区粮食产量预测的一种新方法。     

啤酒瓶检测中多分类支持向量机算法的选择

在提取啤酒瓶的缺陷特征后，如何选择合适的多分类支持向量机算法对提高分类准确率和分类速度具有重要的作用．本文通过一对一、一对多、决策有向无环图、二叉树、误差纠错码、一次性求解等多分类支持向量机算法在核函数为线性、多项式、径向基，神经网络的情况下，对多个基准样本进行了分类性能、分类速度、分类准确性的详细比较以及完整的理论分析，最终得出一对一多分类支持向量机在径向基核函数时性能优于其他算法．在啤酒瓶智能检测机器人上的实验，表明这种算法能够满足检测需要．     

基于最小二乘支持向量机的车用铂电阻温度传感器非线性校正

依据铂电阻温度传感器样本,提出了一种采用最小二乘支持向量机辨识传感器逆模特征的校正铂电阻温度传感器非线性误差的原理和方法.该方法不需逆模型函数形式的先验知识,能够保证找到的极值解就是局最优解,具有较好的泛化能力.实例应用表明,其检测精度可达到0.1 ℃,铂电阻温度传感器非线性校正效果好.     

农业灌溉用水量的LS-SVM预测模型研究

农业灌溉用水量预报是灌区制定水资源调度计划、合理高效分配水量的科学依据。针对灌溉用水量影响因素复杂非线性的特点,鉴于支持向量机算法的诸多优势,建立了基于最小二乘支持向量机的灌溉用水量预测模型,将该模型用于塔河流域T灌区灌溉用水量预测,并与人工神经网络方法预报结果比较,表明该方法具有泛化能力强、误差小等特点。     

一种基于支持向量机的图像检索方法

提出了一种基于支持向量机(Support Vector Machine,SVM)的个性图像检索方法,首先融合符合用户需求的图像的物理特征构造SVM分类器,然后把获得的图像信息提交给分类器进行识别,最后把检索结果返回给用户.实验结果表明,用SVM作为学习机器可以实现对图像的检索分类.     

基于最小二乘支持向量机的农村土地利用空间优化配置方法

由于农村各类用地数据具有样本小、非线性等特点,导致土地利用空间配置结果的适宜性较差,提出基于最小二乘支持向量机的农村土地利用空间优化配置方法。基于最小二乘支持向量机预测农村土地利用空间格局,得到各类用地面积数据,对各类用地进行满足经济效益与生态效益最大化的多目标函数的优化配置。实例结果表明,农村土地利用空间优化配置结果中各类用地类型高度适宜区域的面积在总面积中占比均超过75%,证实了设计方法的合理性。     

分形与形态学在原木漏节图像边缘检测中的应用

采用X射线无损检测系统透射被检测的原木,根据检测透射物体后射线强度的差异,得到漏节图像。将图像分割成若干子区域,应用最小盒计数法计算每个子区域的分形维数,将图像从空域描述变换到分形域描述。进而应用数学形态学对得到的分形维数图进行有效的边缘检测,以确定原木缺陷的种类。检测结果表明：将分形理论和数学形态学结合起来的边缘检测方法,可以快速、准确地检测出原木漏节图像边缘。     

图像形态学在苹果自动分级视觉信息处理中的应用——以果梗判别与边缘检测为例

首先指出果梗判别在苹果自动分级系统中的研究意义;进而列出4种有代表性的判别果梗的方法;在此基础上提出了利用图像形态学可以更好地判别果梗,同时还能检测边缘;最后对该算法进行了系统评估,并为提高处理速度进行了改进.     

基于双编码遗传算法的支持向量机作物病害图像识别方法

为了实现作物病害的计算机识别,采用基于双编码遗传特征选择的支持向量机和病害图像多特征参数识别病害的方法,对病害图像增强处理,彩色病斑分割,特征参数提取,构建双编码遗传算法优化特征子集,并赋予权重的一对一投票策略支持向量机来分类识别作物病害进行研究.结果表明:在同等条件下,该方法与没有采用遗传算法的支持向量机相比,特征向量减少了38％,正确率提高了6.29％.