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。     

基于改进目标进化算法的城市园林GIS数据均衡化技术研究

传统城市园林GIS数据均衡化处理技术忽略了对调整参数的全面寻优,导致部分数据仍存在不均衡问题。为此,提出基于改进目标进化算法的城市园林GIS数据均衡化技术。针对城市园林GIS数据,结合SMOTE算法与遗传算法,形成一种新的改进目标进化算法——GSA算法,对GIS数据完成二次采样,通过鸡群算法求解目标函数最优解,以此得到多个最优调整参数,使图像灰度分布更加均匀,实现城市园林GIS数据均衡化处理。实验结果表明,与传统技术相比,改进目标进化算法的GIS数据均衡化效果更好,证明该技术具有理想应用性能。     

冷胁迫下普通油茶CCCH型锌指蛋白基因家族的鉴定和分析

【目的】为挖掘和利用耐寒普通油茶Camellia oleifera遗传资源提供参考。【方法】基于普通油茶的冷胁迫转录组数据,对其CCCH型锌指蛋白基因进行鉴定,并对CCCH型锌指蛋白进行理化性质分析、系统发育分析、保守结构域预测、二级结构预测等相关生物信息学分析,并以庐山高海拔油茶(LSG)和栽培油茶品种赣无1(GW1)为材料,对CCCH型锌指蛋白基因在冷胁迫下的表达情况进行分析。【结果】在普通油茶的冷胁迫转录组数据中共鉴定到24个CCCH型锌指蛋白基因,参考水稻分类方法,将24个CCCH型锌指蛋白聚类到2个亚家族中。保守基序分析结果表明,在24个基因中仅有3种CCCH型锌指蛋白基序类型,即C-X8-C-X5-CX3-H、C-X7-C-X5-C-X3-H和C-X5-C-X4-C-X3-H,数目分别为92、4和4。转录组表达谱分析结果表明：在野外冷胁迫试验中CoC3H17基因在D4、D5和D6时期的表达量高于D1、D2和D3时期,在室内冷胁迫试验中庐山高海拔油茶和赣无1的CoC3H17基因一直表现为更高的转录本丰度;CoC3H14和CoC3H24基因在野外试验的D4、D5和D6时期均表现...     

基于三维激光扫描技术的原木三维图像重构

为实时健康监测森林资源的生长状况,以原木为试验样本,利用三维激光扫描技术(3D Laser Scanning Technology)对原木进行扫描,得到原木点云数据,共计1 016 990个数据点。经扫描直接得到的点云数据存在噪点且数据量过多,给重构原木三维模型增加了困难,因此需要对点云数据进行分割、去噪和精简。本研究应用K均值(K-means)聚类算法对点云数据进行数据分割;自组织映射(Self Organization Map,SOM)神经网络对点云数据进行数据去噪;弦高偏移算法(Chord Height Offset Algorithm)对点云数据进行数据精简;最后得到564 821个数据点,根据处理后的点云数据对原木三维模型进行重构。试验结果证明,得到的原木三维重构图像清晰且不失真,保留了表面的完整特征信息,进而对树木的生长状况进行评估,此方法也可应用在遥感卫星图像处理上。     

2003—2019年内蒙古FIRMS＿MODIS植被火点时空变化

基于FIRMS MODIS C6火点数据集，采用重心模型、空间相关性和均值聚类等方法，分析2003—2019年间内蒙古自治区植被火点时空分布格局。结果表明：研究区年际火点数量先增后减，春秋季节为高发期，火点主要集中在3-5月和9-10月。在空间上，火点多分布于低海拔区域，年际火点重心由东北向西南迁移，月火点重心主要分布在东部城市；植被火点空间自相关水平较低；植被火点呈现“春季主导型”“秋季主导型”“无明显特征”3种聚类类型。     

基于体元逐层聚类的TLS点云数据单木分割算法

为了提高地基激光雷达(Terrestrial Laser Scanning,TLS)点云数据的单木分割精度及分割效率,以落叶期的蒙古栎人工林为研究对象,以TLS为基础数据,在三维点云数据体元化的基础上提出一种基于体元逐层聚类的单木分割算法,通过分析体元在竖直方向的z值序列准确获取单木的位置,然后利用模糊C均值算法以单木位置为初始聚类中心从最底层体元开始进行逐层聚类,最终实现样地水平蒙古栎单木分割。研究结果表明,通过分析体元在竖直方向的z值序列能准确获取单木的位置,本研究提出的单木分割算法能够实现样地水平单木的精确分割。     

基于卷积神经网络的油茶害虫生态识别

害虫是影响油茶（Camellia spp.）产量的主要因素之一，对其进行准确识别有助于及时防控，减少损失。目前，油茶害虫识别研究缺少相关的数据集，限制了深度学习技术在油茶害虫识别中的应用。为给在生态环境下准确识别油茶害虫提供1种新范式，构建包含1 116张7类害虫的油茶害虫识别图像数据集，采用4种目标检测算法（SSD、YOLOv3、YOLOX和RetinaNet）在该数据集上进行试验。结果表明，IOU阈值为0.5时，SSD的平均精度为93.50%,YOLOX为93.50%,RetinaNet为86.80%,YOLOv3为96.60%;SSD的平均召回率为73.20%,YOLOX为75.10%,RetinaNet为78.00%,YOLOv3为76.80%。综合分析，YOLOv3的检测和分类能力最优。     

基于激光扫描数据的建筑物自动提取方法研究

指出了随着三维激光扫描硬件设备的不断更新发展,面对更庞大的数据量、精度更高的工程应用,迫切需要具有快速度、高精度的方法来实现扫描数据的建模和计算机的自动分类提取。在已有研究基础上,利用基于球面投影构网和FCM聚类混合的点云分类法,对选取的单站地面激光扫描数据进行处理,并分析了其可行性,主要采用了以下几种处理算法进行了比较分析:基于球面投影的空间三角形构网方法;Fuzzy C-Mean(FCM)模糊聚类方法的点云分类;柱面投影和CYLVIEW浏览器设计;软件开发。     

一种改进的基于差别矩阵的求核属性算法

本文研究了粗糙集中决策表的求核属性,分析相容和不相容决策表的特点.结合现有的求核属性方法,提出了适合相容和不相容决策表的基于“D集”的改进的差别矩阵求核方法.该方法的基本思想是核属性应该考虑决策属性的取值,并由取值的区域划分来决定.本文主要是对张振林等提出的算法进行改进,通过改进基于粗糙集理论的求属性核的算法,能更快,更有效地找到属性核,并通过实验验证了算法的可行性和有效性.     

天然林空间结构多目标优化评价模型探究

针对当前天然林空间结构多目标优化缺少稳定、准确评价模型的难题,从森林空间结构的混交、竞争、空间分布格局3个方面构建了天然林空间结构多目标优化综合评价模型,并应用该模型对样地D1和D2中调查的数据进行验证,实验结果表明,该评价模型的评价结果与实际预测值一致,能准确反映基于多目标优化的天然林空间结构优劣程度。     

基于类三维地图的湿地野外调查路线规划

尝试使用项目区旧的调查斑块图、数字高程数据等构建项目区的类三维地图,应用A*算法等路径规划算法,利用计算机系统规划用于湿地野外调查的路线。讨论了湿地野外调查路线规划策略的要素、数据模型、最优路径规划算法,并编制了相关程序。以碧塔海湿地实际数据进行了实验。     

系统聚类的一种优化算法实现

从计算机程序设计的角度出发,针对影响系统聚类算法执行效率的几个主要因素,分别提出较合理的数据结构来优化系统聚类的算法实现,降低算法的时间和空间的复杂度,增强系统聚类对大数据量的空间数据处理能力,并通过实际例子证明该优化算法的可行性.     

基于改进差分进化算法的鳞翅目昆虫图像识别方法

【目的】应用计算机图像处理技术提取昆虫图像特征,提出一种新的特征选择技术筛选昆虫识别相关的特征,以准确、快速地识别出鳞翅目昆虫种类。【方法】基于开源的利兹蝴蝶数据集和拍摄的以森林鳞翅目昆虫为主的数据集,采用改进的纹理特征提取算法(DRLBP)提取鳞翅目昆虫图像纹理特征,应用汉明距离计算的粒子间距离度量种群多样性,提出进化过程中自动调整多样性的方法,给出二进制自适应差分进化算法(BADE)。利用BADE算法筛选合适的较小维数的纹理特征子集,并用基于概率协同表示的分类器(PROCRC)进行图像分类。【结果】PROCRC分类器在所有数据集上均展现出良好分类效果,平均识别率分别为81.73%和88.18%。经特征选择后的昆虫的分类精度显著提升,最高提升率达13.49%。BADE的性能高于其他特征选择算法,且经BADE算法特征选择后纹理数据集的维数和分类所需时间均显著下降,其降维率接近50%,时间减少率最高达50%。【结论】BADE算法可有效进行特征选择,提高识别精度,节约模型的识别时间,利用群体智能优化算法对鳞翅目昆虫图像进行特征选择的方法具有可行性,DRLBP和BADE算法相结合的鳞翅目昆虫识别方法在农林昆虫的快速、准确识别中具有广阔应用前景。     

基于蚁群聚类算法的板式定制家具订单聚类分析

为研究在定制家具分批生产之前的订单聚类问题,根据不同订单的信息,选取对定制家具排产影响较大的订单特征,将订单文本向量化,计算家具订单之间的相似度。利用蚁群算法的状态转移规则,通过聚类数目未知的蚁群算法将订单类别进行归并,以聚类完成后所有类别的材料种类总数最少为目标。通过仿真试验将其与聚类数目已知的蚁群聚类算法和K-means算法聚类结果进行比较,结果表明:相对于上述两种聚类算法,在定制家具订单聚类问题研究中,本文研究的算法聚类效果更好。     

森林火灾火烧迹地遥感信息提取及应用

森林火灾是影响陆地生态系统、大气环境以及全球变化的重要因素之一。传统的森林火灾信息统计数据存在收集困难、难以空间化等方面的不足,而遥感技术的发展为火灾研究提供了一种新的技术手段。本文旨在对现有基于遥感的火烧迹地相关研究进行总结,从数据开发以及数据应用2个方面梳理现有研究成果,并对未来的研究提出展望,为森林火灾相关研究提供依据。在参阅近年来国内外相关文献的基础上,本文从2个方面对火烧迹地相关研究进行系统总结:1)现有火烧迹地数据产品集及其开发算法:从产品名称、遥感数据源、覆盖范围、时序范围、空间分辨率、时间分辨率等方面,对11种火烧迹地数据产品集进行介绍;随后,对不同数据产品的开发算法进行比较,包括基于热学异常的提取算法、基于光谱特征变化的提取算法以及两者相结合的提取算法;最后,对现有火烧迹地数据产品的精度特征进行总结。2)火烧迹地数据产品应用:对火烧迹地数据在火灾风险评估、大气污染物排放、全球植被动力学模型、火灾后生态系统监测4个方面的应用进行介绍。现有的火烧迹地数据产品还存在一定的不足,这些不足限制了其应用领域的扩展。未来的火烧迹地数据产品改进可以从以下3个方面展开:1)构建长时间序列火烧迹地数据产品集。2)开发高精度的火烧迹地数据产品集,充分考虑火灾发生时以及火灾发生前后的各种异常特性,真实反映火灾发生所带来的地表特征变化,才能建立更加精确、稳定的提取算法,提高火烧迹地数据产品精度。3)建立多样化的火烧迹地数据产品集,改良现有火烧迹地数据产品,增加新的监测内容,如火烧能量、火焰温度以及火灾规模等,这将进一步扩大火烧迹地数据产品的应用范围。     

基于影像分割的树木特征点提取方法研究

树木处于复杂的自然环境中,加之其本身的不规则性,使得影响树木影像检测和识别质量的参数难以确定.采用一种基于集群聚类的方法对树木影像进行影像分割,在聚类中心的定义方式上不是简单地以各类的灰度重心作为聚类中心,而是采用了一种最大—最小距离法进行聚类中心的动态选择.在聚类过程中除了合并过程还加入了类别分裂处理,对每一次迭代过程中标准差最大的类别分裂成新类,并将新类中的像元重新加入到距离判别过程中,成功地将树木从背景影像中分离出来.在此基础上选择合适的特征提取算法,分别对原始影像和分割结果进行特征点的提取,对提取结果进行比较,得到了更好的特征点提取结果,为后续的树木影像匹配等研究工作提供可靠的数据基元.     

LEAFY同源基因系统进化及研究进展

LEAFY(简称LFY)同源基因是一个调控植物花分生组织和花器官形成的特征基因,它是启动开花的枢纽,而且还可防止花分生组织的逆转。本文分别利用软件Vector NTI software(I nvitrog en)和MEGA5.1对36种植物LFY基因编码的氨基酸序列特征、系统进化等进行分析,结果表明,其蛋白质平均含有397个氨基酸,分子量为44.35 kDa,等电点为7.32;多序列比对显示它们有37个完全保守的氨基酸残基,另外还存在丙氨酸、赖氨酸、组氨酸等氨基酸富集区;系统进化显示裸子植物与单子叶植物聚为一类,后与双子叶植物聚在同一进化树中。上述研究不仅对植物成花机理的研究具有重要的参考价值,而且为植物花发育以及早花早果奠定了理论基础。     

油茶WRKY基因家族鉴定及逆境胁迫表达分析

【目的】WRKY转录因子在植物应对生物和非生物胁迫中起重要调控作用。油茶是我国南方丘陵地区重要的经济树种,常受各种逆境胁迫影响。深入挖掘油茶WRKY基因家族成员并探讨其应对逆境胁迫的表达调控模式具有重要意义。【方法】以油茶全基因组数据为参考,利用生物信息学方法,鉴定分析了CoWRKYs基因家族成员,并基于油茶逆境胁迫的相关转录组数据,明确CoWRKYs在低磷、干旱和低温等非生物胁迫下的表达模式,最后基于qRT-PCR方法解析CoWRKYs在不同逆境胁迫下的瞬时表达特征。【结果】CoWRKYs基因家族包含89个成员（CoWRKY1～CoWRKY89）。根据系统发育特征可将其分为3大类,I类、II类和III类的数量分别为20、55和14。保守基序分析表明,进化关系密切的CoWRKYs蛋白具有相同或相似的基序组成。CoWRKYs在低磷、干旱、低温等非生物胁迫下表达谱分析的结果显示,65个CoWRKYs呈现显著表达差异,其中17个CoWRKYs同时受三种非生物胁迫的调控,且大部分基因在逆境胁迫下表现为上调表达,推测这些CoWRKYs在油茶的非生物逆境胁迫中可能起正调控作用。qRT-PCR结果表...     

基于机载LiDAR点云多层聚类的单木信息提取及其精度评价

【目的】针对已有三维点云数据单木分割方法提取下层林木困难、准确提取林木数量占总体比例偏低导致提取工作有效性不高、提取效果受点云密度和林分结构复杂程度影响等问题,改进单木提取策略和算法,为Li DAR单木提取技术向生产实践应用转化提供支撑。【方法】以机载Li DAR点云数据为基础,提出一种基于分层聚类的三维立体单木分割方法,并对点云分层、分割、单木匹配等环节进行算法改进,实现空间异质性较高林分的单木分割和信息提取。【结果】改进后的算法可在高密度、高空间异质性林分中进行单木分割和信息提取,并能更合理地与地面实测林木信息匹配,可匹配的林木比例最高达88.70%,单木树高、林分平均高精度最高分别达92.38%、99.84%,树高基尼指数、树高变异系数精度最高达89.65%。【结论】通过多水平分层和纵向聚类融合,可提升对于林下层尤其是更新层林木的提取能力;构建提取有效性指标,更加关注成果的适用性;评价指标中加入空间结构精确度指标,可充分发挥Li DAR对空间结构的反演能力。     

基于k-mean聚类与灰度梯度最大熵的树木图像分割

提出一种基于k-mean聚类与灰度-梯度最大熵的树木图像分割算法,将要处理的树木彩色图像在RGB颜色空间下进行基k-mean聚类,通过选取合适的类参数实现初分割.由于灰度-梯度空间清晰地描绘图像中各个像素点的灰度、梯度的分布规律及图像目标与背景之间的边缘情况,采用灰度-梯度最大熵算法进行精分割,结合形态学后处理提取图像边缘最终将获得更理想的独立目标图像.与二维最大熵分割方法比较的实验结果表明,灰度-梯度最大熵算法提高了树木图像分割的准确度.