宾位数量名结构中“一”字隐现的认知研究

宾语数量名结构中“一”字的省略必然引起人的认知心理上的变化。本文试从认知语言的角度，由距离像似动因及范畴化原型理论来分析宾语数量名结构中“一”字省略后引起的句法、语法、语用等变化问题。由此得出了“一”字省略后，整个结构数量意义减弱，语法性质不活泼，搭配受到了限制，缺乏独立性，语体风格发生了变化等结论。     

基于SPOT5遥感影像的珲春林业局森林分类研究

利用SPOT5卫星图像对研究区森林类型进行计算机分类,总体精度普遍不高,并且许多森林地类或林分类型的生产者精度和用户精度均比较低,林分类型与检验样本都存在较大偏差。在四种分类方法中,马氏分类法精度最高,总体精度达到57.13%,Kappa系数0.5208。     

玉树地区融合决策树方法的面向对象植被分类

植被类型是反映气候变化和生态环境变化最直接、最敏感的指示器。草地作为青藏高原最主要的植被类型,对其进行分类研究可以为高原草地退化、荒漠化等研究提供直接的信息,也可以为全球变暖、冻土退化等提供间接的分析数据,同时还可以为陆面模型的模拟提供重要的参数。大面积区域的植被分类可以通过将研究区内的位置、纹理和地形属性等信息综合考虑来完成,面向对象的植被分类方法可以通过对研究区多重信息进行分割和合并,来生成植被类型图。而且,该方法可以克服传统决策树分类方法成图时像元分散的缺点。利用TM假彩色合成影像、ASTER DEM数据和MODIS的EVI和LST产品,对玉树地区的高寒草地类型进行了面向对象的划分,总体精度为49.32%。虽然相比仅用单独决策树分类方法的总体精度略微偏低,不过该方法可以在保持环境、地域等因子同植被类型统计关系的基础上,克服决策树方法带来的“椒盐效应”。此外,植被模型的物理过程、参数计算和获取环境因子等都比较复杂,本研究的方法也可以为植被分类制图提供一种简单,快速的方法。     

一种光纤管道安全预警系统的EAD算法

由于石油天然气的特殊性,管道周围存在多处非破坏性干扰事件,给预警系统报警的准确性带来了巨大挑战。为提高有背景干扰情况下对破土事件(Excavation Acitivity,EA)的检测水平,开发了破土事件检测(Excavation Acitivity Detection,EAD)算法。利用光纤管道安全预警系统(Pipeline Security Forewarning System,PSFS)在西气东输武汉—鄂州段的现场数据,建立了EA和干扰事件(Non Excavation Acitivity,NEA)数据库。根据信号特性提炼了振动信号的Pisarenko谐波分解特征、相邻采样点的Itakura距离特征、Mel频率倒谱系数特征,设计了隐马尔科夫模型(Hidden Markov Model,HMM)和支持向量机(Support Vector Machine,SVM)双层分类结构,由HMM计算最优状态序列,然后输入SVM分类器区分信号中是否有EA。结果表明:该EAD算法结构能够有效提升有背景干扰情况下EA信号的检出率,经现场测试EA信号检出率为85.5%。研究结果可为光纤管道安全预警系统在开放性现场的应用提供理论依据。     

基于不变矩特征木材纹理的研究

不变矩是模式识别中的一种重要方法,它具有平移不变性、比例不变性和旋转不变性等优点。本文将其引入到木材纹理的计算机视觉研究领域,提取了木材纹理的不变矩参数,并用提取的特征参数对木材纹理进行了分类研究,最近邻分类器的正确率为86.67%,获得了较高的分类正确率,从而验证了不变矩参数对木材纹理描述的有效性。     

基于特征融合的前方车辆检测

近年来,由于交通事故发生率逐渐上升,智能交通系统受到研究人员的广泛关注。前方车辆检测作为其中的重要组成部分,能够及时提醒驾驶人员潜在的危险来减少交通事故的发生。基于图像处理技术,针对目前车辆检测方法中鲁棒性差、误检过多的问题,提出一种基于HOG和Haar-like特征融合算法,将提取的特征输入AdaBoost级联分类器进行车辆检测。实验结果表明,本文方法对不同天气情况和道路情况都有很高的准确率和精度且鲁棒性好。     

英语表量结构建构中的认知机制探析

选取英语中表量结构的基本形式“a(n) N1 of N2 ”为研究对象，从认知角度探析N1量词、N1名词和N1动词分别与无界性的语义焦点N2的组合机制。研究发现，英语表量结构的建构通常有四种方式，即N1量词与N2之间的转喻映射、N1量词的搭配原型（N2′）与N2之间的隐喻映射、N1名词与N2之间的隐喻映射、N1动词与N2之间的概念整合。其中转喻映射形成的表量结构可视为原型，其他三种类型是在原型表量结构的基础上通过隐喻或概念整合依次拓展而成。这说明英语表量结构的建构是在多种认知操作下进行的一种渐变的、有梯度的过程，不同类型的表量结构之间存在着认知理据性。     

基于形态学图像处理的麦穗形态特征无损测量

小麦穗部形态参数是直接反应小麦生长状况的重要参数,是育种和考种专家关心的重要参数。为了实现小麦穗部形态特征的无损测量和基于这些特征的快速品种分类,该文提出了基于形态学的穗部性状：芒个数、平均芒长、穗长和穗型的自动提取方法。首先通过小麦图像的形态学运算将麦芒去除得到只有小麦主部的图像,通过寻找主轴方向角和旋转计算外接矩形长度的方法计算穗长,通过对麦芒图像的细化和角点检测方法计算芒长和芒个数,通过宽度系数比例判断穗型,然后利用提取的其中8个特征参数,设计了一个3层的BP神经网络,对4个小麦品种240张图片进行分类识别,识别准确率达到88%。该方法可为小麦快速品种分类提供参考。若能将小麦的其他外部参数同时作为品种识别的输入数据,将会大大提高品种识别的准确性。     

基于EDEM的机采茶鲜叶振动式分级机分级参数优化

针对目前机采茶鲜叶分级设备存在的分级效率低、对鲜叶损伤大等问题.以振动式机采茶鲜叶分级机为试验对象,提出了一种茶鲜叶粘弹性物料建模方法,并以振动频率、振动方向角、振幅为自变量,以筛分率、优质茶筛分率为目标优化值,基于EDEM软件对其进行仿真试验,运用响应面优化法得到优化参数为振动频率29.0 Hz、振幅9.0 mm、振...     

林木种子分级机的研制

介绍了风筛式林木种子分级机的工作原理和结构设计,重点说明了基于ADAMS仿真对物料振动形态的分析。与传统风筛式分选机相比,该机在风机系统、传动系统及振动筛选系统上都有改进和创新。