R~*树结点的主元分界分裂方法

为降低R*树结点重叠度,提高其空间利用率,通过结点特征点集方差及各子特征点集方差之和建立主元分析和结点分裂之间的联系,基于主元分析算法对特征点集进行降维处理,计算特征点集的主元向量,过特征点集中心且正交于该向量建立分界面对特征点集进行划分,将各簇数据的中心作为结点分裂的初始分裂中心,实现R*树结点分裂。实验证明,该算法具有较高的结点分裂效率,使得R*树结点重叠度降低,分裂结果较合理,显著提高了R*树构造效率和k近邻查询效率。     

基于三维识别的中国干旱事件演变特征分析北大核心CSCD

中国是世界上受干旱影响最严重的国家之一,干旱频发给我国经济社会发展和生态环境造成严重影响。为分析近40 a干旱事件的时空特征,本文结合三维聚类算法,从干旱事件时空联动的本质出发,识别中国1981—2020年间干旱事件并定量分析干旱事件的时空动态演变过程。主要结论如下:三维聚类算法能有效识别干旱事件及其动态变化过程。中国1981—2020年间发生持续2个月及以上的干旱事件102场,空间上,干旱事件空间轨迹倾向于自东向西发展;时间上,干旱事件时间重叠度较高,长历时干旱多具有多峰特点。此外,覆盖范围广且严重度高的干旱事件集中发生于2005—2010年。本文结论有助于发现中国干旱事件的时空演化规律,为我国干旱监测和干旱风险管理提供科学参考。     

河南省中低产田区划分析

通过对河南省129个基本单位的中低产田的分布率、气候方面的热量指标和干燥度指标、水分盈亏指标以及地貌指标等5项指标，进行分别计算，给出了中低产田分区方法，为区域农业宏观管理决策提供了依据。     

计算机模糊聚类综合评价品种抗病性

对25个主要水稻材料用11个稻瘟病主要小种进行抗病性鉴定，将鉴定结果采用模糊聚类分析，得出含抗病基因丰富的品种，用于抗病育种和指导生产。     

基于SOFM神经网络的核心种质取样算法

介绍了核心种质和自组织特征映射网络的基本概念，使用自组织特征映射网络的自组织特性对种质性状数据进行了聚类，利用聚类的分组结果，提取核心种质，通过对核心种质的各种参数的检验并与完全随机取样和一般的系统聚类的对比。结果表明，SOFM的取样算法，是一种比较有效快捷的算法，可以在实际中加以应用。     

湖南省节水灌溉分区与规划

将模糊聚类方法用于湖南省节水灌溉分区，建立了湖南省节水灌溉区划模型，将系统动力学的动态仿真原理用于节水灌溉发展规划，建立了节水灌溉发展规划的动态仿真模型。据此，提出了湖南省节水灌溉区划，并对各分区及全省“九五”期间节水浇灌发展作了详细规划。     

基于K均值聚类的厚壁组织区域自动提取

桉树是我国南方的速生丰产林,区域提取是定量分析各种组织抑制桉树茎生根原因的重要前提。为此,介绍了基于K均值聚类的在桉树茎切片图像中自适应提取厚壁组织区域的图像处理技术。将桉树茎切片彩色图像转换为CIEL*a*b*彩色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析,提取细胞厚壁,然后填充其中白色的细胞腔,构成完整的厚壁组织区域。实验结果表明,在CIEL*a*b*空间使用该算法可以获得较准确的实验结果。     

基于三维点云的蔬菜大棚杂草识别方法

为实现蔬菜大棚内自动化除草的目的,针对其中的杂草识别环节,提出了一种基于三维点云的新型蔬菜大棚杂草识别方法。采用RGB-D相机获取青菜田、生菜田的三维点云图像,采用超绿色算法去除其中的土壤等背景,采用体素滤波法在保留点云图像形状特征的同时降低点云数量,然后采用欧式聚类法分割出单株青菜和单棵杂草的点云簇,分别计算得到每个点云簇的最高点的Z坐标值,最后结合深度信息Z坐标值实现蔬菜大棚杂草识别。结果表明:这种基于三维点云的杂草识别方法能够有效的识别出杂草,识别率为86.48%。该方法能够对蔬菜大棚中的杂草进行准确识别,为蔬菜大棚自动化除草提供有效的解决方案。     

基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别

【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。