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CART决策树技术的林业地类遥感影像分类研究

以LandsatTM遥感影像为研究数据源,利用CART决策树算法,结合光谱信息和纹理信息进行林业地类的分类,并把获得的结果与传统的最大似然法分类进行比较,结果表明：在卫星影像的整体分类精度上,决策树分类技术要优于最大似然法。相对于最大似然分类,决策树的树状分类结构对数据特征空间分布不需要预先假设某种参数化密度分布,所以...     

基于优化卷积神经网络的木材缺陷检测

针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。     

基于AlexNet优化的板材材种识别方法

【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29 680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%, AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留...     

临安县林业系统结构模型群研究

我们以临安县的林业为例,应用系统理论、模糊聚类、多目标规划、线性规划、回归方程和系统动力学等数学方法,设计了一个林业系统模型群的优化方案。借助电子计算机工具,对该县的林业作系统诊断,研究战略目标,优化林业树种结构和用材林龄级结构,使达到经济、生态、社会效益最佳。     

重油混烧控制系统的智能故障诊断

提出用离散Hopiield神经网络预测模型算法对传感器的故障进行检测;采用Hopfield神经网络与模糊评判结合方法,对阀门进行了故障诊断;提出一种改进离散Hopfield神经网络算法,该改进算法中,为使得样本构造记忆矩阵中包含抑制信息,将故障输入矢量和输出诊断矢量对由二值状态矢量对转换为两极对形式,构成离散Hopfield神经网络的输入-输出两极对.实时检测重油混烧控制系统的故障和异常,构造输入故障矢量,通过判断是否与神经网络原训练样本完全匹配或由计算贴近度确定一个最靠近的样本与之对应,给出混烧控制系统的故障诊断和故障信息提示.     

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。     

福建省林业区划模糊聚类分区问题的研究

本文以福建省67个县(市)行政单位为分区样本,选择地理位置、地貌类型、气候条件、森林资源状况和水土流失等5项分区因子11个因素,应用模糊聚类分析方法,经过电子计算机进行原始数据处理和分析计算,对省级林业区划,作出数量化的划类分区,以达到合理地调整林业生产布局,分类指导林业生产发展的目的。应用模糊聚类分析方法,进行省级林业区划分区,比一般常规的经验方法分区,更加显示其科学性和准确性,它为省级林业区划分区数量化、定量化,开辟出一条新的途径。     

模糊C-均值聚类分析在基因表达数据分析中的应用

为更好地挖掘基因表达数据、获取更多的生物学信息,近年来许多改进的传统聚类算法和新聚类算法不断涌现。模糊聚类在聚类分析中又具有广泛的意义和重要的应用价值。叙述基因表达数据的获取和表达,介绍应用在基因表达数据中的模糊C均值聚类算法以及不同的实现途径和相应的优缺点,简述聚类结果的评价问题,并对发展趋势做进一步的展望。     

林业产业结构与森林生态安全动态关系研究——以黑龙江省为例

随着林业经济的增长与资源、环境的矛盾日益突出,优化林业产业结构成为林业建设面临的重点任务,而森林生态安全是林业产业结构优化升级的前提与基础。本研究通过构建林业产业结构与森林生态安全指标体系,运用ECM模型与VAR模型对黑龙江省林业产业结构与森林生态安全进行动态分析,结果表明:黑龙江省林业产业结构与森林生态安全之间具有长期的均衡关系,且在这种长期的均衡关系中,林业产业结构变动会对森林生态安全产生显著的促进作用,但是它们之间不存在短期均衡关系,而且林业三次产业均对森林生态安全产生影响,尤其是第二、三产业对森林生态安全具有正向的促进作用,且相对比第一产业更明显、周期更长。     

林业及相关产业分类

今年2月1日，国家林业局、国家统计局联合发布了《林业及相关产业分类（试行）》。它依据《国民经济行业分类》（GB／T4754--2002）对林业的界定，结合我国林业管理的实际情况，将林业及相关产业分为林业生产、林业旅游与生态服务、林业管理和林业相关活动4个部分，共13个大类、37个中类和112个小类，其中小类与《国民经济行业分类》的行业小类相一致，实现了《林业及相关产业分类（试行）》与《国民经济行业分类》的衔接。     

最大树模糊聚类分析在林业分区中的运用

以云南省孟连县为例,介绍了最大树模糊聚类分析在林业分区中的运用方法,包括林业分区主导因子的筛选、原始数据的预处理、模糊相似关系的标定、最大树模糊聚类分区等。     

基于卷积神经网络和树叶纹理的树种识别研究

利用计算机图像工程技术和卷积神经网络将大量树叶图像叶脉信息提取并分类,主要研究单一背景下阔叶树叶脉纹理特征。本实验采用卷积神经网络在图像信息识别准确率高,无需人工定义树叶纹理特征减少繁琐的人工成本。将网络在Caffe平台上面进行定义,使用符合标准正态分布的一组随机参数初始化网络。对卷积神经网络使用BP神经网络反向传播算法和随机梯度下降算法训练。经过对于网络的训练最终识别率达到95%以上,超过了人眼的识别率,为树种识别研究提供有效的分类方法。卷积神经网络在树叶纹理中省去了人工定义树叶特征的工作。最终多次实验得到可观的识别效果,卷积神经网络适用于树叶图像的识别,其识别率基本达到可以应用的要求。     

最大树模糊聚类分析在林业分区中的运用

以云南省孟连县为例，介绍了最大树模糊聚类分析在林业分区中的运用方法，包括林业分区主导因子的筛选，原始数据的预处理，模糊相似关系的标定，最大树模糊聚类分区等。     

对林地地类划分问题的探讨

林地地类划分是林业规划设计调查工作的基础性工作。分析认为,最新林业行业林地地类划分标准《林地分类》(LY/T 1812-2009)中有些地方与《土地基本术语》(GB/T 19231-2003)、《土地利用现状分类》(GB/T 21010-2007)等国家标准相矛盾,部分地类划分也与林业生产实际脱节,如存在地类层级不合理,未规定各地类统一代码,部分地类名称太长、不准确,乔木树种矮化经营或萌生无明显主干状林地划分为乔木林地不妥,无立木林地下级地类划分不合理等。提出应对现行林地分类系统进行适当修改,并列出了修改建议。     

我国交通事故损失程度模糊聚类分析

我国幅员辽阔,地形各异,为了探究我国交通事故损失程度,基于模糊聚类算法,对全国31个地区的9个特征元素建立分析指标体系.通过国家统计局2017年数据,建立模糊相似矩阵,然后用平方法计算传递闭包,得到模糊等价矩阵,根据相似系数不同的值进行动态聚类.结果表明:该方法能够将交通事故损失程度进行分类,为城市道路交通安全管理提供...     

试论靖州县实施分类经营后用材林树种结构调整

林业实行分类经营，首先要划分商品林和生态公益林。优化现有用材林结构，从整体上提高林业的经济效益，采伐量减少但保持总体经济收入不发生很大变化就显得非常重要。通过对靖州县实施林业分类经营后用材林的结构调整进行初步探讨，借以引起各界有识之士对分类经营的商品林优化结构的重视。     

基于模糊聚类分析的木材缺陷CT图像分割

为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。     

关于林业分类经营改革问题的研究

传统的林业发展模式混淆了作与商品产业的林业和作为社会公益事业的林业在许多方面的差别，带来一系列严重问题。必须实行林业分类经营改革。改革的任务不在于对森林进行简单的划类，而在于围绕分类经营这一基本要求进行管理体制、运行机制、组织形式、经营方式、经济政策、管理制度等一系列相关方面的配套改革。林业分类经营改革也是林业生产力布局的一次大调整。