基于高斯混合模型的林业信息文本分类算法

为解决传统林业信息文本分类算法准确率低和正确率分布不均匀的问题,提出了一种基于高斯混合模型的林业信息文本分类算法。在阐述高斯混合模型和EM算法的基础上,使用TF-IDF方法计算林业信息文本特征值,对构造的林业信息文本特征矩阵降维,结合Kmeans算法,通过训练得到各类林业信息文本所对应的高斯混合模型的参数,构造分类器进行精准与快速分类。实验结果表明,该算法与神经网络分类方法、贝叶斯、决策树等常用分类算法相比,该算法有较高的准确率和实用性,为林业信息文本的分类研究开拓了新思路。     

基于模糊聚类算法的定制厨柜零件分类制造技术

定制厨柜零件批量少,品种多,通常以订单为单位组织生产。笔者针对定制厨柜零件制造展开研究,优化定制厨柜生产模式,合并生产批量以提高定制厨柜制造企业的生产效率及材料利用率。通过采集定制厨柜零件结构及加工信息,采用模糊聚类算法对不同结构类型及工艺流程的零件进行分类,建立最优聚类零件族及分类制造模型并应用于企业生产。采用零件族分类制造模型后,企业生产效率得到提升,且在制品占用场地面积减少。模糊聚类算法可优化定制厨柜零件的分类,以零件族为基础的制造模型合并了加工批量,使定制厨柜生产符合大规模定制的要求,利于定制厨柜制造企业提升效益。     

基于分水岭优化思想的单木信息分割算法

基于机载激光雷达(Li DAR)技术和单木分割算法提取单株树木信息对于单木结构研究、理解树木生长、森林可持续管理具有重要的意义。本研究以分水岭算法为基础,使用可变窗口的局部最大值算法,并采用分层级的区域增长算法及由高度差和梯度构建的能量函数来分割树冠边界,从而优化树顶提取和相邻树冠的分割结果。以中国南方亚热带森林为研究区,测试了针对不同密度(低、中、高密度)、不同树种(白皮松和桉树)以传统分水岭算法和优化算法对于树顶提取及树冠分割的效果。为检验结果的准确性,在实验中对Li DAR数据和人工测量数据的分割结果进行了对比和验证,结果表明:对树冠顶点探测率而言,优化算法平均探测效果(树冠探测率r=0.90、树冠准确率p=0.84、总体准确率f=0.86)优于传统分水岭算法(r=0.62、p=0.81、f=0.78);对树冠边界探测精度而言,优化算法平均探测效果(R2=0.80、RMSE=0.22 m、RRMSE=12.03%)优于传统分水岭算法(R2=0.68、RMSE=0.28 m、RRMSE=17.45%)。在树冠探测上,桉树的准确率略低于白皮松,但是与白皮松的探测率相差较小,这表明白皮松对于优化的算法具有较好的鲁棒性,受密度等因素影响较小;在冠幅探测上,桉树和白皮松的精确度随着林分密度的增加而增加,且均有良好的表现。本研究是一种在传统分水岭算法基础上优化的算法,可以较好地提高单木信息分割的效果,这对于了解亚热带森林中林木经营管理、树木竞争及资源监测具有重要意义。     

基于模糊神经网络的可控串补控制策略

目前已运行的可控串补(TCSC)工程都是采用常规的控制策略,采用各种先进控制策略比如非线性控制策略、智能控制策略能使TCSC的作用得到最大限度的利用.设计的TCSC模糊神经网络控制系统采用TCSC当地测量的频率增量及功率增量作为模糊控制的输入,用一种神经网络模拟模糊推理机的知识模型和推理模型,采取误差反传的方法依据输入量的值和系统当前的状态来设计调整神经网络的连接权值以及隶属度函数的参数,从而调整模糊控制规则和量化因子.通过对系统处于不同运行点受到不同干扰下的仿真,表明所设计的TCSC模糊神经网络控制系统具有良好的鲁棒性.     

基于神经网络的圆弧齿轮模糊可靠性优化设计

以圆弧齿轮传动的小齿轮齿数、法面模数、螺旋角及齿宽的均值为设计变量,考虑影响齿轮传动的各种因素的随机性和模糊性,以两圆弧齿轮的体积和最小为目标函数,应用模糊和可靠性设计理论,建立双圆弧齿轮传动的模糊可靠性优化设计的数学模型,应用Hopfield神经网络算法对其进行计算.     

基于BP神经网络木材纹理分类的研究

应用 BP 神经网络对常见的10种木材纹理进行了分类研究,获得了比较满意的效果。首先,应用灰度共生矩阵提取了木材的纹理特征参数;其次,在此特征参数体系下,应用 BP 神经网络对木材纹理进行了分类研究,识别率达89%。     

基于BP神经网络的森林树种分类研究

精准的森林树种分类是林业遥感研究的重要课题。高光谱数据具有丰富的波谱信息,能够探测到不同植被光谱的细微差异,为森林树种分类研究提供了数据来源。人工神经网络提供了任意维数输入输出矢量之间的非线性映射,能够逼近任意的非线性连续系统,为森林树种分类研究提供了技术手段。以马尾松成熟林、樟树幼龄林及荷花玉兰幼龄林为分类对象,将高光谱特征参数作为输入矢量,森林树种类别作为输出矢量,构建BP神经网络,开展分类研究。结果表明:马尾松成熟林及樟树幼龄林的分类精度达100.0%,样本分类综合精度可达93.3%。     

基于模糊模式识别的小班坡向算法

现有的小班坡向算法均是对小班坡向的硬性划分,不符合实际地形连续变化的状态。通过构建单点坡向的隶属函数,求算小班坡向模糊矩阵与模板矩阵的贴近度,判断坡向所属的坡向类别。实验结果表明,基于模糊模式识别的小班坡向算法具有更加客观的坡向分类依据,且具备更高的小班坡向求算精度,更符合实际地形表达。该方法为小班坡向及小班其他地形因子的提取提供了新思路。     

基于LBP-DEELM的木材纹理分类算法

为解决传统木材纹理分类的准确率低且难度大的问题,提出了一种基于LBP-DEELM(局部二值-差分演化优化极限学习机)模型的木材纹理分类算法。在阐述局部二值算子(LBP)和差分演化优化极限学习机(DEELM)算法的基础上,使用均匀旋转不变的LBP模式提取纹理的特征值,结合差分演化算法进行极限学习机优化,通过训练得到每类纹理所对应的分类器模型参数,构造分类器,实现了对木材纹理准确高效的分类。实验结果表明,相比于BP神经网络,SVM支持向量机等分类算法,该模型的实验误差率为2%左右,准确率高,实用性强。     

林业可持续发展与林业分类经营的研究

论述了林业可持续发展与林业分类经营的关系，强调要实现林业的可持续发展，必须按森林主体功能的不同进行分类经营、分类管理。     

基于Kohonen神经网络的森林生态经济区域分类

建立了森林生态经济区域分类的Kohonen神经网络分类模型,对广东省森林生态经济系统进行了分类,取得了较为理想的分类结果。模型不需人工确定指标的权重,具有自学习,动态分类的优点,为森林生态经济区域分类提供了一种有效方法。     

基于神经网络的强化木地板表面质量分类检测研究

应用神经网络技术对强化木地板表面质量分类检测问题进行了研究,利用神经网络的RBF网络结构进行合格和缺陷两类地板的分类试验.结果表明,RBF神经网络结构能够有效地对合格地板和缺陷地板进行分类.     

林业分类经营是林业可持续发展的必由之路

林业可持续发展是现代农业发展和山区经济建设的需要,也是改善人类生存环境的基础。在详细论述分类经营的内涵、主要任务、目的的基础上,认为分类林业可持续发展的必由之路。     

林业分类经营是林业可持续发展的必由之路

林业可持续发展是现代农业发展和山区经济建设的需要,也是改善人类生存环境的基础.在详细论述分类经营的内涵、主要任务、目的的基础上,认为分类经营是林业可持续发展的必由之路.     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较

【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。     

林业用地的分类研究

伴随着经济全球化进程，江苏省林业正面临着新的发展机遇；同时，随着农村产业结构调整的不断深入，农民调农植林积极性的不断高涨，全省林业用地面积急剧增加。因此，林业用地分类型经营、分类型管理就显得尤为必要。通过对“林地”与“林业用地”的分析，提出对“林业用地”依法分类的想法，以促进林业事业健康有序地发展。     

基于分类的林业图片管理信息系统的设计与实现

图片在林业业务中应用广泛,但目前缺乏科学的、针对性的管理工具;提出基于分类的林业图片管理信息系统,利用UML技术分析设计系统功能,结合林业业务对图片进行二级分类,最后通过.NET技术实现系统,从而有效地解决林业图片管理分散、分类混乱、查找困难等问题。