基于Landsat 8遥感影像的地上生物量模型反演研究

以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算。首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度。结果表明,BP神经网络的L-M训练算法和贝叶斯正则化训练算法的R²分别为0.602 9、0.672 1,RMSE分别为5.096 9、4.263 7,MAE分别为4.166 9、3.211 8;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R²分别为0.585 8、0.561 9、0.487 7,RMSE分别为5.859 4、5.600 9、5.763 7,MAE分别为4.24、3.89、4.176。以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;BP神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性。     

基于ABC-LSSVM的芹菜总黄酮提取量预测

针对传统的芹菜总黄酮含量测定过程复杂、时间长的问题,提出一种基于人工蜂群算法(ABC)优化最小二乘支持向量机(LSSVM)的芹菜总黄酮提取量预测方法。首先对标准人工蜂群算法进行改进,然后利用改进的人工蜂群算法对最小二乘支持向量机的核宽度和正规化参数进行寻优,最后对芹菜总黄酮的提取量进行预测。结果表明,该方法具有预测精度高、性能稳定的特点,有利于实现芹菜总黄酮提取量的网络在线预估和优化控制。     

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．     

基于引力核密度聚类算法的作物病害叶片区域的快速检测

针对作物病害叶片图像的复杂性和模糊性,提出一种基于引力核密度聚类算法的作物叶片病害区域快速检测方法:首先,在RGB颜色空间提取病害叶片图像的R通道值,根据R值的特征直方图特性,运用多项式拟合特征直方图曲线,根据导数性质确定拟合特征直方图曲线的峰值点和峰值区域,确定病害叶片图像聚类数和初始聚类中心;根据初步确定的病变叶片图像的聚类中心,运用引力核密度聚类算法快速完成对病害叶片病斑的分割。试验结果表明,基于引力核密度聚类算法的平均分割精度达80%以上,平均检测时间为4.912 s,优于已有病害区域分割算法K–means和Meanshift的性能。     

高分辨率遥感影像城市绿地提取方法研究

以德国Vaihingen城区的高分辨率遥感影像为数据源,提出一种结合多尺度引导滤波特征与核主成分分析特征的提取方法,利用多尺度引导滤波提取不同尺度的绿地特征,通过具有非线性映射能力的核主成分分析算法,对多尺度特征进行降维,最后将降维后的特征输入支持向量机分类器,得到城市绿地的分类结果,并与现有的绿地提取方法进行对比分析。结果表明：该方法能充分利用空间邻域信息,获得比现有单尺度分析方法更高的分类精度,且明显减少传统像素级分类方法产生的结果细碎问题。     

芒果核中原花青素超声波提取研究

以芒果核为原料,利用超声波细胞粉碎机对芒果核中原花青素提取条件进行研究,在单因素试验和正交试验的基础上,得出最佳提取条件：粉碎度40目、料液比1∶10、乙醇体积分数70%、pH值3.0、超声波功率400W、提取时间30min,提取一次。对芒果核中原花青素的提取效果影响主次顺序是：料液比〉粉末粉碎度〉提取时间〉超声波功率。通过最佳试验因素组合两次提取芒果核中原花青素,第一次提取原花青素平均得率为5.91%,第二次提取原花青素平均得率2.12%,两次提取占总提取芒果核中原花青素平均提取率的91.4%为芒果核中原花青素和食品色素有效利用开发提供一定的借鉴作用。     

均匀设计法优化枇杷果核棕色素提取工艺

枇杷果核棕色素是一种天然色素。为提高提取率,分别以甲醇、乙醇、弱酸及弱碱等4种溶剂对枇杷果核棕色素进行单因素提取试验。结果表明:枇杷果核棕色素溶于甲醇、乙醇、及弱酸和弱碱的水溶液中;在相同提取条件下,乙醇水溶液对枇杷果核棕色素的溶解度最大,提取率最高。采用均匀设计法优化乙醇浓度、提取温度和提取时间等参数及其交互作用对枇杷果核棕色素提取工艺,得到枇杷果核棕色素提取率最高的多元回归方程,置信水平达95%,影响提取率的主次顺序为乙醇浓度、提取温度、提取时间。     

景天属植物叶绿体DNA与核DNA分步提取方法研究

[目的]研究景天属植物叶绿体DNA与核DNA分步提取方法.[方法]以景天属植物佛甲草、八宝景天、华北景天、费菜和垂盆草为研究材料,进行叶绿体DNA和核DNA的分步提取,通过琼脂糖凝胶电泳和PCR扩增进行检测.[结果]改进后的方法提取的核DNA和叶绿体DNA的质量好,纯度高.以叶绿体DNA和核DNA为模板进行PCR扩增均得到理想的条带,扩增率为100％,重复性好.[结论]该研究为叶绿素DNA和核DNA的提取提供了新的思路.     

基于响应面法的山楂果核总黄酮闪式提取工艺

[目的]通过响应面分析法对山楂果核总黄酮的闪式提取工艺条件进行优化。[方法]分别选取料液比、乙醇浓度、闪式提取时间完成单因素试验,然后通过响应面Design-Expert软件的Box-Behnken Design程序进行试验设计,优化出山楂果核总黄酮的闪式提取工艺参数,并进行验证。[结果]料液比为1∶29(g·mL~(-1))、乙醇浓度为49%、闪式提取时间为91s时,山楂果核总黄酮提取率最佳,可达0.644%。[结论]本研究优化了山楂果核的闪式提取工艺参数,将为山楂果核总黄酮工业化提取奠定一定的理论基础,以期提升山楂果核资源的利用价值。     

基于矩阵加权关联规则的核模糊聚类

提出一种基于矩阵加权关联规则的空间粒度聚类算法。该算法核心思想是根据文档特征向量矩阵提取文档的相似度，再在该关联规则算法上进行聚类来寻找相似关系的频繁项集。通过引入核函数，样本点被非线性变换映射到高维特征空间进行聚类，提高聚类性能。通过矩阵加权关联规则算法进行聚类。通过实验表明，在处理中小型文档时，该算法的精确度优于传统Apriori算法和K-mean算法；在处理大型文档时，该算法的时间复杂度小于传统的K-mean算法。     

超声波提取酸枣仁总黄酮工艺研究

[目的]探索超声波提取酸枣仁总黄酮的最佳工艺条件。[方法]采用3种提取方法（95℃索氏提取器中浸提提取2h;60℃热回流浸提提取2h;超声提取50min）对酸枣仁总黄酮的提取效果进行分析,确定最佳提取方法。以乙醇浓度、料液比和提取时间为因子进行单因素试验和正交试验,确定超声波提取酸枣仁总黄酮的最佳工艺。[结果]用超声波提取总黄酮的提取率要高于回流提取和浸提法,超声波提取确定为理想的提取方法。影响总黄酮得率的主次因素为料液比〉乙醇浓度〉超声提取时间。超声波提取酸枣仁总黄酮的最佳工艺条件为：70％乙醇,料液比1：30,超声提取50min提取2次,提取率达到98．73％。[结论]采用超声波提取法的研究为酸枣仁总黄酮的工业化生产提供了拳者依据。     

基于机器视觉的核桃仁动态分级研究

【目的】基于机器视觉技术研究出一种适合新疆核桃仁动态分级处理的方法。【方法】利用实时采集且已经完成图像预处理的样品核桃图像得到核桃仁特征集合,运用mRMR特征选择算法筛选原始特征集并对特征的重要性进行排列,通过对支持向量机、决策树和朴素贝叶斯三种机器学习算法进行模型训练和测试,得出最佳分级方法,设计核桃仁自动追踪方法和动态分级流程,构建的核桃仁自动分级系统。【结果】在使用特征bin19、K₁和bin15训练朴素贝叶斯分类器时,核桃仁的分级正确率达到最大为97.33%,在动态条件下运用构建的核桃仁自动分级系统对150个核桃仁进行分级测试,正确率为81.33%。【结论】基于机器视觉研究出的核桃仁特征提取与分级方法、核桃仁动态分级处理动作方法,可以有效完成对核桃颜色和完整度的分级。     

杏仁油提取工艺条件的研究

浸出法制油粕中含残油少、粕的质量高、可做为提取蛋白质的优良原料.苦杏仁中脂肪含量为35;～50;,蛋白质含量高,油粕可以作为提取优质蛋白质的原料.试验以苦杏仁为原料,采用溶剂法提取杏仁油,通过对比无水乙醇、无水乙醚、正己烷3种溶剂的提取率,选择了正己烷为提取溶剂,采用单因素和正交试验研究了料液比、浸提时间、浸提温度、浸提次数等工艺参数对杏仁油提取率的影响,杏仁油的最佳提取条件为:料液比1∶3.5,浸提温度60 ℃,浸提时间80 min,浸提2次.     

基于双空间特征提取的变压器故障诊断模型

为了提高基于油中溶解气体分析(dissolved gas analysis, DGA)的变压器故障诊断正确率，弥补单子空间特征提取的局限性，提出了基于双子空间特征提取的变压器故障分层诊断模型.首先，将DGA测试样本在一个子空间内进行特征提取后，为避免核函数及其参数的选择难题，以及利用多核支持向量机(multiple-kernel support vector machine, MKSVM)鲁棒性强和精度高的特点，采用MKSVM作为分类器对测试样本进行预测.依据预测结果将测试样本分为难分类和易分类样本，对易分类样本直接进行分类识别；对难分类样本则将该样本再次投影到另一子空间进行特征提取后，同样采用MKSVM作为分类器对难分类样本进行预测，综合两次预测结果进行分类识别，实现两分类MKSVM的双子空间特征提取算法.最后，根据故障特征，建立基于双子空间特征提取算法的变压器故障分层诊断模型.诊断实例表明，该模型具有较高的诊断正确率和推广能力.     

结合灰度纹理和支持向量机分类的三江源草地信息提取

以三江源地区地形地貌特征、草场分布较为典型的班玛县为例,以HJ环境星多光谱影像为主要数据,基于支持向量机SVM超平面理论,结合灰度共生矩阵寻找最适宜的分类核函数,选取了三江源地区草地信息提取的最适宜SVM分类模型,并与传统的监督分类方法最大似然法和SVM分类方法进行比较,进行三江源草地分类方法的优化。结果表明,与传统监督分类方法相比,除Sigmoid核函数外,其余结合方法的分类精度均有所提高,其中结合纹理和高斯核函数的SVM分类模型有着较理想的识别效果,精度达到91%,Kappa系数为0.856 0,能为三江源地区草地可持续利用以及生态系统恢复提供基础数据。     

珍稀油料植物琴叶风吹楠种子性状及含油率的变异分析

[目的]了解琴叶风吹楠种子性状及含油率。[方法]对采集于西双版纳且经过风干处理的琴叶风吹楠种子测量其纵径、横径、千粒重、出仁率等性状,并采用索氏提取法提取油脂,测定种仁含油率。[结果]各单株间的纵径、横径、千粒重、出仁率、含油率间存在很大的差异,34株琴叶风吹楠种子横径为1.33~2.35 cm,平均为1.69 cm;纵径为2.48~3.60 cm,平均为2.99 cm;纵横径比值在1.48~2.31,平均为1.78;千粒重为2 354.16~5 505.87 g,平均为3 329.59 g;种仁率为78.23%~86.75%,平均为84.36%;含油率为52.48%~71.09%,平均62.99%。[结论]琴叶风吹楠属于高含油量种子,各单株间的含油率达到极显著差异,有望从中选出种仁含油率高的单株,为该树种的保护与利用提供依据。     

超声波法提取花生油工艺的研究

[目的]介绍超声波提取花生油的工艺,研究超声波功率、超声时间、超声频率、花生仁与溶剂比对提取率的影响。[方法]用碘释放法检验空化强度,用紫外分光光度计测定溶液吸光度。[结果]随着超声波功率的增大,花生油的提取率先增加后下降。随着超声时间的延长,花生油的提取率增加,当达到一定时间后,花生油的提取率趋于恒定。在相同功率(200 W)下,频率为19.1002、1.800、29.500、36.100 kHz超声波的花生油提取率依次升高。溶剂用量越大,提取次数越多,提取率越高。最佳工艺条件为:超声功率250 W,超声频率35 kHz,超声时间25 min,花生仁与溶剂比1∶9,提取3次。该条件下的提取率为53.4%。[结论]超声提取有利于保护油脂中的不饱和脂肪酸,可用于提取花生油。