一种改进的K-均值聚类算法的研究

聚类分析在科研和商业应用中都有着非常重要的作用。K-均值聚类算法是一种基于样本间相似性度量的间接聚类方法,其不足之处是,它采用均值作为一类的代表点,一个点往往不能充分反映该类的模式分布结构,从而损失了很多有用的信息。研究了一种改进的K-均值聚类算法,在求样本间距离时,采用核函数距离代替欧氏距离,考虑了各模式间的相关性。试验结果表明,利用改进的K-均值聚类算法,聚类结果的准确率更高,更稳定。     

基于k-DT-LR融合模型的农村商业医疗保险潜在客户识别分析

为促进农村商业医疗保险的发展,提出了一种基于k-近邻算法、决策树算法和逻辑回归算法的kDT-LR融合模型,动态地为集成中的每个学习器分配有效能力,并根据CGSS2017家户调查数据,构建农村商业医疗保险潜在客户识别模型。结果表明,k-DT-LR融合模型算法的分类准确率达到90.024%,召回率达到91.402%,能够精确地识别出农村商业医疗保险潜在客户。     

从欧盟东盟经验看经济共同体发展的基础

二战之后的世界经济,经济一体化的产生及发展过程成为一个引人注目的现象,其中以欧盟的发展最为成功,同时作为近邻的东盟的发展与未来前景也备受关注.本文对欧盟发展历程、东盟现状等问题进行了探讨,并总结了其成功经验及现状研究,归纳出一个成功的经济共同体所应具备的一些基本特点.     

复杂背景下黄瓜病害叶片的分割方法研究

利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。     

基于颜色特征的玉米种子纯度识别

为准确快速的识别出玉米种子中的杂粒,提高玉米种的纯度,该文提出一种以玉米种子冠部与侧面颜色作为特征向量进行纯度识别的新方法。该方法首先将玉米种子原始图像进行背景分割、单粒提取,然后进行冠部核心区域及侧面RGB、HSV颜色特征向量的提取,最后采用Fisher判别理论将多维特征向量投影到一维空间中,进行K-均值聚类分析。试验结果证明：利用Fisher判别理论在一维空间上进行K-均值聚类分析,玉米种子纯度的识别率高于93.75%。影响玉米种子正确识别率的主要因素是投影方向的选择及正确的冠部核心区域的提取。     

牧草的种植管理技术

<正> 一、草种选择1.根据气候特点选择品种。不同品种的牧草适应不同的气候条件和区域范围。寒冷地区可选择种植耐寒的紫花苜蓿、聚合草、鲁梅克斯 K-1杂交酸模、草木樨、冬牧一70黑麦、无芒雀麦、串叶松香草、沙打旺等;干旱地区可种植耐旱的紫花苜蓿、苏丹草、沙打旺、籽粒苋、鲁梅克斯 K-1杂交酸模、羊草、无芒雀麦、披碱草等;炎热地区可种植串叶松香草、苏丹草、苦荬菜等,但不宜种植无芒雀麦、披碱草、白三叶、红三叶、聚合草等;温暖湿润的地区可种植黑麦草、苏丹草、饲用玉米、白三叶、红三叶、串叶松香草、苦荬菜、聚合草、象草等。2.根据土壤类型选择品种。中性偏碱土壤适宜种植耐碱性强的品种,如紫花苜蓿、沙打旺等;中性偏酸土壤适宜耐酸性强的品种,如红三叶、白三叶等;盐碱地只适宜种植耐盐碱的品种,如沙打旺、黑麦草、籽粒苋、羊草、     

安徽省油菜花期连阴雨灾害损失评估指标

基于安徽省油菜主产区1980-2009年44个气象台站逐日气象资料和油菜产量资料,采用数理统计方法,获得油菜历年灾损率以及花期连阴雨特征量指标即连阴雨日数、持续降水量和日照时数。按照引入因子对产量的影响最大且因子之间相关性较低的原则,筛选出连阴雨关键致灾因子并确定致灾因子临界值。最后利用K-均值聚类分析方法,建立油菜花期连阴雨灾害评估等级指标,并利用2010-2014年连阴雨灾害样本进行验证。结果表明,油菜花期的连阴雨日数和持续降水量与减产率相关性较高,且因子间相关性较低,可作为连阴雨灾害评估的关键因子;连阴雨日数致灾临界值为3d,持续降水量致灾临界值在江淮区、沿江区和皖南地区分别为20、50和70mm。利用聚类分析法构建的包括江淮、沿江和皖南地区的安徽省油菜主产区花期连阴雨灾害评估指标为：轻度灾损率5%～10%、中度10%～20%、重度20%～30%和特重≥30%,其历史回代和独立样本检验表明轻度和中度准确率较高（88%～100%）,重度和特重准确率相对较低（65%～70%）。     

应用Sentinel-2A卫星遥感影像估测森林蓄积量

为了探讨应用Sentinel-2A遥感影像进行森林蓄积量估测的可行性,以内蒙古自治区某林业局的一类清查样地数据、二类调查小班数据、数字高程模型(DEM)以及林地数据为数据源,以遥感影像的波段灰度信息、比值波段及地形信息为自变量,采用k-近邻法(k-NN)、稳健估计及偏最小二乘估计等方法,分林型构建研究区域的森林蓄积量估测模型,从林业局、林场及小班尺度进行估测精度评价.结果表明:k-NN方法在林业局、林场和小班等3个尺度中的估测精度分别达到了97％、93.2％和83.6％,均表现出良好的估测效果;稳健估计法在3个尺度中的估测精度分别为89.3％、72.4％、69.3％;偏最小二估计法在3个尺度中的估测精度分别为85.7％、75.8％、71.7％.k-NN方法估测效果明显优于稳健估计方和偏最小二估计法,因此,Sentinel-2A遥感影像能够有效应用于森林蓄积量估测.     

皖西地区适于水牛泌乳的牧草筛选试验

在基础日粮相同的基础上,将24头泌乳期、产奶量相近的水牛随机均分3组,探讨禾本科多花黑麦草(Lolium multiflorum.Hercules)、豆科紫花苜蓿(Medicago sativa.Eureka)、蓼科鲁梅克斯(Rumex.K-1)3种牧草对其泌乳高峰期生产性能的影响,结果表明,饲喂Rumex.K-1分别比Eureka和Hercules提高了15.76%、13.39%(P＜0.05)的产奶量,6.32%、6.73%(P＜0.01)的乳脂率,以及21.27%、19.15%的4%标准乳;而Eureka与Hercules间差异均不显著(P＞0.05)。故种植Rumex.K-1适合皖西地区农村散养水牛的小区放牧或舍饲补饲。     

基于改进的BP神经网络集成的作物精准施肥模型

作物最优施肥量与土壤养分含量、产量之间存在复杂的非线性关系。为更加准确地模拟这种关系,提出一种改进的的BP神经网络集成方法。该方法采用K-均值聚类优选神经网络个体,采用拉格朗日乘子方法计算待集成的神经网络个体的权值。然后,基于农田肥料效应试验数据,以土壤养分含量和施肥量作为神经网络的输入,以产量作为神经网络的输出,建立了作物精准施肥模型。该模型通过求解一个非线性规划问题,能同时获得最大产量和最优施肥量。试验结果表明,在施肥模型的拟合精度方面,改进的神经网络集成方法（其均方根误差为64.54）明显优于单个神经网络方法（其均方根误差为169.74）。而且,作为一种定量模型,基于改进的神经网络集成的施肥模型优于传统施肥模型,能有效地指导精准施肥。