基于知识库的渔业领域本体学习算法

分析了现有本体学习方法的基本思想及其应用于渔业领域本体学习的局限性,结合渔业领域概念的特点,提出了一种基于知识库的渔业领域本体学习算法,给出了算法的详细描述,并用实验验证了算法的性能。结果表明,该算法的召回率较高,但准确率稍低一些。     

基于知识库的渔业领域本体学习算法

分析了现有本体学习方法的基本思想及其应用于渔业领域本体学习的局限性,结合渔业领域概念的特点,提出了一种基于知识库的渔业领域本体学习算法,给出了算法的详细描述,并用实验验证了算法的性能。结果表明,该算法的召回率较高,但准确率稍低一些。     

农业领域本体自适应学习建模研究

在总结现有的本体理论与本体学习技术的基础上,建立了一套本体学习的自适应机制,通过获取农业数据源变化信息、本体服务的需求,以及对已构建本体的评估,提出基于多Agent的农业领域本体自适应学习理论与模型,实现对农业领域本体学习规则的实时自动调整,提升农业本体构建的动态适应性及优化能力,对大规模构建农业领域本体研究具有一定的实际意义。     

基于OWL的森林资源数据智能化采集技术

建立森林资源调查规范本体库是森林资源监测知识重用与共享的基础,可用于提高数据输入过程的智能化与规范化。该文利用OWL语言对森林资源调查本体进行了描述,建立了森林资源调查规范本体库,并基于Jena推理机技术推导调查因子间约束条件,以推导的调查领域知识为基础,开发了基于本体知识的逻辑检查与推理功能,支持森林资源调查软件的数据输入过程。结果表明,所提出的方法将调查输入软件从专业领域知识中分离,使之更通用,更易于维护和扩展,提高了调查输入软件的智能化与规范化程度。      

基于 Mahalanobis矩阵学习的本体算法

提出基于Mahalanobis矩阵学习的本体相似度计算和本体映射算法.利用矩阵分解和坐标下降迭代算法得到Mahalanobis矩阵,进而得到本体图距离矩阵,并由此来判定本体图中2顶点之间的相似程度.最后,将算法应用于生物GO本体和计算机软件本体,通过实验数据验证了算法的有效性.     

基于 Mahalanobis 矩阵学习的本体算法

提出基于M ahalanobis矩阵学习的本体相似度计算和本体映射算法。利用矩阵分解和坐标下降迭代算法得到M ahalanobis矩阵,进而得到本体图距离矩阵,并由此来判定本体图中2顶点之间的相似程度。最后,将算法应用于生物GO本体和计算机软件本体,通过实验数据验证了算法的有效性。     

本体构建理论在林业科学数据共享中的应用研究

随着林业科学数据共享工程的不断深入,科学家们在实际应用中积累了大量的科学数据,而这些数据并没有被充分利用。如何有效的从海量林业科学数据中快速地查询出所需要的数据,是一个亟待解决的问题。针对林业科学数据检索遇到的问题,本文从本体的构建理论出发,构建林业科学数据本体,对林业科学数据进行语义形式化描述,成为人和机器都可以理解的表达形式。并对基于该本体的林业科学数据检索进行了案列分析,为本体的构建为语义层次上的林业科学数据共享提供前提条件。     

提高信管专业数据结构课程教学效果的探索

根据作者在农林高等院校信息管理与信息系统专业的主干课程"数据结构"教学中遇到的问题为线索,分析了教学过程和课程实践环节容易出现的问题,提出三个方法解决相应的问题。     

基于双目视觉与深度学习的番茄本体特征检测系统

[目的]设计基于双目视觉与深度学习的番茄本体特征检测系统,实现番茄本体特征的自动无损检测,为水肥一体化和智慧农业提供技术支持.[方法]采集4000张番茄图像作为研究样本,利用基于深度学习SSD_MobileNet卷积神经网络的番茄主要器官检测算法,对番茄植株、茎、花、果实和叶进行检测.基于双目视觉的图像测量算法对各器官目标区域中株高、茎直径、果径和叶面积进行特征提取.[结果]利用SSD_MobileNet网络模型对研究样本进行训练和测试,调用训练好的模型对番茄各器官进行识别和定位,对番茄植株、茎、花、果实和叶的检测准确率分别为98.5%、99.0%、99.5%、99.5%和98.0%.利用基于双目视觉的图像测量算法对番茄本体特征进行测量,通过实践证明该系统对株高、茎直径、果径和叶面积测量的相对误差可分别控制在1.5%、1.0%、1.2%和1.3%以内,可实现番茄本体特征的精确检测,较常见系统的鲁棒性和精度有了明显提升;整套系统在番茄大棚中已稳定运行半年,完成了对番茄全生命周期的本体特征检测,并可将数据保存于数据库,实现对番茄本体特征的自动、无损监测.[建议]优化番茄特征遮挡问题,丰富训练数据集,优化网络模型,提高识别率和鲁棒性;建立番茄特征数据共享云平台,实现番茄疫病的提前预警;确定本体特征与番茄长势的关系,以快速判断施肥量,实现大棚番茄自动精确施肥.     

基于森林资源规划设计调查工作过程的教学改革探索

以工作过程为出发点构建教学内容,以广西森林资源规划设计调查为载体,通过任务驱动实施项目教学,以工作要求和职业标准实行“学校+企业”的方式评价、考核学生的学习成果,将教学、学习和工作过程融为一体,实现教、学与职业岗位需求的对接,加强了学生综合职业素质的培养,有效提高了学生的就业能力.     

森林资源结构与调整研究

本研究提出用均匀度数量指标来评价森林资源结构的合理程度，在森林收获调整中具有实践意义。     

分布式数据挖掘在森林资源信息管理中的应用

分析了分布式数据挖掘技术在森林资源信息管理中的重要性,探讨了森林资源分布式数据挖掘系统的关键技术 森林资源管理部门的组织机构是一种层次式的结构,从林业基层单位到国家林业局数据量由小变大、数据粒度由细变粗 据此提出了包含客户端程序、服务器数据挖掘组件、分布式数据挖掘组件、数据转换中间件和"四库"等部分的森林资源分布式数据挖掘系统结构,并对结构的各组成部分进行简述     

林业资源数据特征分析

随着大数据时代的来临,林业资源数据开始由传统意义的信息系统管理对象转变为一种基础性资源,以对用户透明的信息服务方式实现跨部门、跨行业的信息共享和业务协同。目前对林业资源数据的基本认识尚未形成共识。本研究界定了我国林业资源数据的基本内涵,分析了林业主要业务,设计了林业数据循环圈,明晰了林业资源数据的主要来源,对林业资源数据进行了初步分类,进而深入剖析了林业资源数据的分布式、多尺度、海量和多源异构4个典型特征,对林业资源数据的运动过程和流动规律进行了探索。可为林业资源信息管理与信息服务体系研究奠定一定的理论基础。     

基于Hyperion数据的香格里拉森林郁闭度遥感估测研究

基于Hyperion高光谱数据,采用2种方法进行波段选取,将选择的波段数据进行特征提取变量,采用偏最小二乘法分别对2种方法选择的特征变量建立香格里拉主要树种郁闭度遥感估测模型,并进行精度检验评价。结果表明：基于实测样地郁闭度差异特征分析选择的Hyperion特征波段建立的模型R²为0.837、估测精度为82.09%,基于遥感影像进行分段主成分分析选择的Hyperion特征波段建立的模型R²为0.764、估测精度为78.4%,基于样地数据郁闭度变化敏感性分析模型优于基于Hyperion影像的分段主成分分析模型;分段主成分分析法所选出的特征波段虽然包含了较多的波段信息,但是很多为连续波段或者波长较近的波段,波段之间的相关性较高,导致建模精度不如预期。     

Structured AJAX Data Extraction Based on Agricultural Ontology

More web pages are widely applying AJAX (Asynchronous JavaScript XML) due to the rich interactivity and incremental communication.By observing,it is found that the AJAX contents,which could not be seen...     

基于GIS的火地塘林场森林资源信息管理关键技术研究

用现代高新信息技术对森林资源信息进行科学、高效地管理,为森林资源可持续经营战略决策搭建先进的技术支撑平台,是森林资源可持续经营研究的重要内容。本研究以火地塘林场为例,对目前森林资源信息管理存在的问题和现状进行分析之后,探讨了地理信息系统、多源数据无缝集成、面向对象数据库建模和决策支持模型与方法等技术对森林资源数据获取、存储、管理、分析及可视化决策的关键作用和重要意义,在G IS的强大空间分析能力基础上依托森林资源相关的分析和评价模型,对森林资源实施科学管理和可持续经营。     

基于GIS的森林资源空间数据挖掘方法研究——以紫金山为例

空间数据挖掘,可以从森林资源空间数据库中抽取未清楚表现出来的隐含的知识和空间关系,为森林空间规划和经营措施设计提供科学依据。以南京紫金山国家森林公园为研究对象,以2002年森林资源二类调查空间数据库、2002年遥感卫星SPOT5数据包为主要信息源,选取与风景林美景度有关的林分、地形、人类干扰等10个环境因子,在ArcGIS 9.3平台上,进行空间热点探测、趋势面分析、地理加权回归、C5.0决策分析。研究表明:高美景度风景林主要分布在南坡的中上部,而低美景度风景林主要分布在紫金山森林公园外围;风景林美景度在空间分布上呈现出一种圆心偏东的同心圆状分布格局;风景林美景度与林分生长状况正相关,与所处位置的海拔高度正相关,与距离公路、与居民点距离等人为因素的干扰强度负相关;C5.0决策分析归纳的3个示例规则所揭示的知识与空间热点分析、趋势面分析、地理加权回归的结论保持一致,4个主要输入变量的重要性依次为:平均胸径(0.33)>海拔(0.25)>与公路距离(0.23)>与居民点距离(0.21)。