利用智能推荐技术改进电子科研档案网络服务质量探讨

改进电子科研档案网络服务质量的智能推荐方法主要包括关联规则的推荐方法、协作过滤推荐技术和聚类方法的推荐技术三种。这些智能推荐方法在客户浏览、检索和购买电子档案产品过程中,对于评价客户的需求、期望和优秀服务的感知度具有广泛的应用。智能推荐方法可评价客户对电子科研档案网络服务和网络资源的满意度,进而向客户推荐适当的电子产品的手段,必将极大地提高电子科研档案网络服务质量。     

基于整数小波变换和改进零树编码的图像压缩方法

研究了基于整数小波变换和改进零树编码的图像压缩方法：先进行整数小波变换，将图像变换到小波域，再用改进的零树编码对图像进行压缩。给出了试验结果以及与EZW压缩方法的比较，结果表明，整数小波变换和改进零树编码相结合应用于图像压缩是有效的，在一定程度上能缩短计算时间，并提高峰值信噪比。     

四种算法用于近红外测定制浆材材性的对比研究

采集了常见制浆材(桉木、相思木及杨木)样品的近红外光谱,测定了样品的基本密度、综纤维素、木质素和苯醇抽出物含量,用人为控制水分的方法测定了样品的水分含量。对原始光谱进行预处理后,分别运用偏最小二乘法(PLS)、LASSO算法、支持向量机法(SVR)和人工神经网络法(BP-ANN)建立基本密度、水分含量、综纤维素、木质素和苯醇抽出物含量的预测模型。对预测模型进行独立验证,结果显示:LASSO算法建立的基本密度和综纤维素模型性能最优,其预测均方根误差(RMSEP)分别为0.006 3 g/cm~3和0.49%,绝对偏差(AD)范围分别为-0.008 8~0.009 6 g/cm~3和-0.85%~0.87%;PLS建立的水分含量模型及苯醇抽出物模型最优,RMSEP值分别为1.21%和0.24%,AD范围分别为-1.99%~2.03%和-0.35%~0.38%;SVR建立的木质素模型最优,RMSEP值为0.43%,AD范围为-0.76%~0.74%,均满足制浆造纸工业中对误差的要求。     

基于TM卫星图像的水体边缘检测研究

图像的边缘检测是图像特征提取和图像分析理解的基础.运用Roberts,Sobel,Prewitt,Laplacian 4种经典边缘检测算子对TM遥感影像进行水体边缘检测研究,然后对各种算子获得的结果进行比较.结果认为:采用Roberts算子获得的水体边缘不清晰,而且边缘不连续,边缘检测效果比较差;采用Sobel算子获得的水体边缘局部效果不佳,边缘定位精度不高;采用Laplacian算子获得的水体边缘不具有方向性,定位精度高,检测出了绝大部分的边缘;采用Prewitt算子方法二获得的水体边缘明显,效果最佳.因此,Prewitt算子方法二是最佳的基于TM遥感影像提取水体边缘的方法.     

LSM算法评定空间直线度误差的分析与改进

为了有效地提高评定空间直线度误差的精度,运用几何学、误差理论和最优化原理,深入分析了LSM算法在空间直线度误差评定中所存在的原理缺陷;并改进了LSM算法,提出了改进LSM算法的数学模型.对改进LSM算法编制程序进行了数字实验,结果表明:改进LSM算法克服了LSM算法的原理缺陷,具有较高的精度.     

智能算法在农业大数据中的探究

为进一步推进智能农业大数据产业的健康有序发展,减少农业领域在生产、销售等环节中的风险因素,确保农业生产者、销售者的最大利益。通过详细分析农业大数据中的核心问题,以云南省鲜切花产业为研究对象,拟采用人工神经网络算法分别构建鲜切花价格预测模型群、鲜切花质量等级识别模型群,将鲜切花价格预测模型群嵌入云平台中,以低廉的价格提供给需求者;将鲜切花质量等级识别模型群应用于鲜切花等级分类的流水线,方便快捷的进行智能化分类。整个研究引入了智能算法,将智能与农业进行有机的结合,为农业大数据中心的发展提供参考依据。     

New Approaches to Modeling Methyl Jasmonate Effects on Pomegranate Quality during Postharvest Storage

Adaptive neuro fuzzy inference system (ANFIS) and genetic algorithm–artificial neural network (GA-ANN) models were used to predict the effect of methyl jasmonate (at three levels 0, 0.01, and 0.1 mM) and storage time (0, 14, 28, 42, 56, 70, and 84 days) on quality parameters and physiological changes of pomegranate fruits during storage. Methyl jasmonate reduced chilling injury and improved quality characteristics of pomegranates during postharvest storage. The GA-ANN and ANFIS were fed with two inputs of methyl jasmonate and storage time. The results showed that GA-ANN predictions agreed with experimental data and the GA-ANN with 14 neurons in one hidden layer can predict physiological changes and quality parameters of pomegranate (weight loss, pH, chilling injury index, ion leakage, ethylene, respiration, polyphenols, anthocyanins, and total antioxidant activity) with correlation coefficients equal to 0.87. The ANFIS model was trained by a hybrid method and agreement between experimental data and ANFIS predictions was significant (r = 0.90).     

基于改进萤火虫算法的投影寻踪太湖水质综合评价

针对水质评价中指标的多样性及不相容性,提出了基于改进的萤火虫算法的投影寻踪水质评价方法。该方法根据水质标准等级样本集所划分的标准,构建投影指标函数,并用改进的萤火虫算法进行优化,使搜索步长逐步减小,寻优后期也可具有良好的局部搜索能力,得到最佳投影方向,使综合评价结果能够客观准确地反映出水质状况。运用该方法对太湖的水质数据进行综合评价,并与传统方法综合评分法(F值法)得到的结果进行对比,评价结果更符合当地水质状况实际情况,且对水质等级划分更为清晰。     

基于数字PI算法的精准施肥控制系统设计及仿真

为了使施肥速度与机器行进速度同步,提出了一种基于数字PI算法的闭环施肥系统,主要由传感器、PLC、脉宽调制电机驱动器(PWM驱动器)、GPRS模块及直流无刷电机组成。通过检测拖拉机的速度信号及外槽轮转速,PLC根据所输入决策经PWM驱动器对外槽轮下料速度进行闭环控制,从而实现精准施肥。仿真实验结果表明:基于数字PI算法的闭环控制系统提高了施肥精度和响应速度,机具操作简单,在田间工作性能稳定。     

磁化处理的全尾砂料浆沉降参数优化模型

为了提高全尾砂料浆的脱水浓缩效果,将磁化处理技术引入到全尾砂料浆脱水浓缩中,并建立GA-SVM模型优选全尾砂料浆的沉降参数。建立支持向量机（SVM）沉降参数优化模型,以磁感应强度、磁化处理时间、料浆流速、料浆浓度、絮凝剂单耗为输入因子,沉降速度为综合输出因子,通过正交试验建立样本数据对SVM模型进行训练与检验,采用遗传算法（GA）对SVM模型参数进行优化,进而得到磁化全尾砂料浆沉降参数的GA-SVM优化模型。将GA-SVM模型运用到某铁矿磁化全尾砂料浆沉降参数优化中,得到的最佳沉降参数为磁感应强度0.192 T、磁化处理时间1.85 min、料浆速度1.92 m/s、PAC单耗28 g/t,沉降速度可达约155 cm/h。研究表明：适宜的磁化处理条件可提高全尾砂料浆的脱水浓缩效果,节约30.0%~42.5% PAC用量,GA-SVM模型对全尾砂料浆沉降参数预测结果相对误差在5%以内、预测精度高,为全尾砂料浆脱水浓缩及其参数优选提供了一种新思路。