数字图书馆中的e-Science

E-Science作为一种基于网格的新型技术,以实现资源共享为目标,在数字图书馆开发中具有举足轻重的作用,本文通过对e-Science及网格技术的介绍与分析,使我们对这一技术有一个较为全面的认识。     

Interpreting Soil Electrical Conductivity and Terrain Attribute Variability with Soil Surveys

Utilizing soil electrical conductivity (EC) measurements and terrain attributes for precision management will require secondary soil information for adequate interpretation. The objective of this study was to determine whether readily available second-order soil surveys were of adequate quality to aid with interpreting soil EC and terrain data. For three locations in Kentucky, USA, first-order soil surveys were created, second-order surveys reports were obtained, elevation was measured and used to calculate terrain attributes (slope, aspect, plan curvature, profile curvature), and bulk soil electrical conductivity was measured. Three analytical methods (an ordinary least squares analysis and two random field analyses), visual map assessment, and examination of least-squares means were used to assess the relationships between soil EC measurements, terrain attributes and first- and second-order soil surveys. The OLS and random field analyses were problematic. However, the ranking of the OLS F-statistics appeared to reflect the general relationship between landscape variables and first-order soil surveys. The landscape variables related particularly well with soil properties that had been impacted by past soil erosion. Unfortunately, however, second-order soil surveys in this study were not created at suitable scales to adequately interpret EC and terrain data regarding erosion history or other attributes. While these surveys may provide some useful information, field measurements, sampling, and observations will likely be required to develop high quality interpretations of soil EC and terrain attribute data.     

最大似然识别绿化树种休斯现象规避

最大似然在高维、多源数据分类中易发生休斯现象,其卓越的分类性能不能充分展现。通过提取WorldView-2影像前3主成分的24个纹理特征,构造高维数据,以树种分类为例,提出了利用递归特征消除筛选重要纹理特征,降低数据维数,实现最大似然休斯现象规避的方法。结果表明:在消除5个纹理特征后,最大似然的休斯现象基本得到解除,在消除8个纹理特征后,休斯现象达到了最大解除;休斯现象解除后树种分类的最高总体精度为81.166 4%,Kappa系数为0.779 9,总体精度和Kappa较基于光谱特征的高7.095 1%和0.082 5。递归特征消除可避开、克服最大似然分类中的休斯现象,可使最大似然分类器在高维数据中充分展现其分类性能。     

图书馆数字参考咨询质量评价体系现状研究

随着数字参考咨询服务的广泛开展，系统地评价服务质量己成为研究热点之一。对目前国内外的数字参考咨询服务质量评价体系进行了分析，指出了图书馆数字参考咨询服务质量评价体系的不足，提出了评价的一些建议。     

基于QuickBird影像的艾比湖及周边土壤风蚀研究

近年来,艾比湖湖面发生严重萎缩,造成湖泊大面积裸露,为沙尘暴提供了大面积沙源。通过对高分辨率QuickBird影像数据的处理,分析了艾比湖湖域的风蚀现状。在湖岸周边强度以上的风蚀面积约占63%,主要分布在无植被覆盖的东部和西部;微度风蚀和中度风蚀面积约占37%,主要分布在有植被覆盖的南北两岸。湖泊裸露的干涸湖底,位于湖泊的西北部,面积达430km²。影像的色调、形状和纹理变化上反映了干涸湖底的地貌形态和风系的方向。结合实地测量数据的分析发现,湖泊西北向东南方向形成宽约4.5km,长约10km,坡度为1/5000的带状坡面,为沙尘暴的发生创造了有利的条件。要改善艾比湖流域生态环境,主要依靠增加入湖水量以减小干涸湖底的沙源,达到控制艾比湖地区风蚀的目的。     

数学形态学在高分辨率图像土地覆盖分类中的应用

高分辨率影像可以清楚地显示树木房屋等地物细节,但是用基于像元的分类很难将这些细碎的地物融合为通常的土地覆盖分类图。首先对高分辨率影像进行有监分类,再根据有监分类的结果对不同地类进行二值化,运用数学形态学对各地类二值图进行处理,从而得到地类的边界图。通过多组实验表明,数学形态学运用于高分辨率图像土地覆盖分类既保留了图像的地类特征,也快速得到了不同地类的边界。     

基于混合蛙跳算法的马铃薯病害图像分割优化

针对Otsu算法对直方图呈现多峰多谷的复杂马铃薯病害图像分割效果不佳的问题,结合混合蛙跳算法(shuffled frog leaping algorithm,SFLA)提出了一种Otsu-SFLA分割优化模型,将Otsu病害图像的分割结果作为SFLA算法的优化起点,进行复杂背景的马铃薯病害图像的分割优化,将马铃薯叶枯病、马铃薯晚疫病、马铃薯菌核病、马铃薯根腐线虫病、马铃薯灰霉病的病害图像作为分割对象进行分割,分割匹配率分别为97.0%、96.2%、96.9%、95.7%、94.8%,平均分割匹配率为96.1%,错误率分别为1.6%、1.1%、1.2%、1.1%、1.4%、平均错误率为1.3%,正确率分别为95.4%、95.1%、95.7%、94.6%、93.4%,平均正确率为94.8%,表明Otsu-SFLA模型可有效从复杂马铃薯病害图像中获取病斑区域。     

规模化肉牛场数字化网络平台开发与应用

为满足集约化肉牛场数字化管理水平和提高繁育效率及遗传进展,基于肉牛从妊娠、产犊、哺乳、干奶到下一个繁殖周期的生产管理流程,将肉牛划分为犊牛、青年牛、育肥牛、成年牛等类型,在设计肉牛基本信息的数据标准规范基础上,采用.Net及SQL Server 2008网络数据库技术,构建了规模化肉牛场包括繁殖、产犊到饲养营养等数据管理及智能分析平台,实现了对肉牛繁殖与育肥生产最核心数据的网络远程数字化管理,主要包括胎间距、胎次结构、系谱跟踪及牛只资料卡等在线动态分析与数据的定向排序与输出,包括母牛发情配种、初检复检、产犊、犊牛断奶、转群、淘汰等各类生产事件的智能提醒,以及各种繁殖、育肥参数的可视化图形统计分析等。对生产过程基本数据的分析及与数据挖掘,提升了基础数据的利用价值,更有利于对规模化肉牛场管理者的科学决策。     

求解各向异性扩散LLT模型的新的图像去噪算法

基于四阶各向异性扩散的图像去噪LLT模型,提出了一种修正不动点迭代算法. 该算法以最速下降方向为搜索方向,以避免直接计算逆矩阵,减小了舍入误差,提高了算法的收敛速度.利用矩阵的谱性质证明了该算法的收敛性. 数值实验结果表明：对于256×256的“Lena”图像,在标准差为15的高斯白噪声情况下,本文提出的算法将信噪比由SNR=11.208 8提高到SNR=16.511 1.     

基于改进K-means聚类算法的金鱼阴影去除及图像分割方法

针对鱼类行为量化过程中运动阴影区域去除难的问题,以金鱼为研究对象,分别从去除噪点及孤立数据点、使用马氏距离作为距离度量方法、明确聚类个数以及初始聚类中心点选择等方面对传统K-means聚类算法进行了优化,提出了一种基于改进K-means聚类算法的金鱼阴影去除及图像分割方法。在室内正常环境下,使用相机采集玻璃鱼缸中金鱼图像,首先等比例压缩10倍,使用中值滤波方法对样本图像进行预处理,然后将其从RGB颜色空间转换到Lab颜色空间,最后提取a、b分量并使用改进的K-means算法进行聚类。试验结果显示:和传统K-means聚类算法及FCM(Fuzzy c-means)聚类算法进行比较,改进算法对于图像阴影去除及分割具有更好的效果,在200幅具有不同阴影的金鱼样本图像中,基于改进K-means聚类算法的平均误分类的像素比率和平均运行时间分别为2.48%和0.87 5s,能够满足离线鱼类行为量化过程中图像预处理的要求。