基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

采用全卷积神经网络与Stacking算法的湿地分类方法

高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高和泛化能力弱等问题,提出了一种联合全卷积神经网路（fully convolutional neural network,FCN）与集成学习的湿地分类方法。首先利用全卷积神经网络（SegNet、UNet及RefineNet）对GF-6影像的语义特征进行提取与融合,然后利用Stacking集成算法对融合后的特征进行判别和分类。结果表明,联合全卷积神经网络与Stacking算法能有效提取湿地信息,总体分类精度为88.16%,Kappa系数为0.85。与联合全卷积神经网络与单一机器学习RF、SVM与kNN算法相比,该文提出的湿地分类方法在总体分类精度上分别提高了4.87%,5.31%和5.08%;与联合单一全卷积神经网络（RefineNet、SegNet、UNet）与Stacking算法下的湿地分类结果,该文提出的湿地分类方法在总体分类精度上分别提高了2.78%,4.48%与4.91%;该文方法一方面能通过卷积神经网络提取遥感影像深层的语义特征,另一方面通过集成学习根据各分类器的表征性能进行合理的选择并重组,从而提高分类精度及其泛化能力。该方法能为湿地信息提取及土地覆盖分类方法的研究提供参考。     

基于深度学习的小浆果一体化智能采摘与分选研究进展

小浆果因具有较高的营养价值和保健作用深受人们喜爱,被国际市场誉为第3代水果。随着市场需求量的增加,林业小浆果的智能采摘与分选成为一种新的趋势。目前,由于现有技术自动化和智能化程度不高,导致大量人力、物力的投入。深度学习方法的飞速发展促进了检测技术的精确作业和检测精度的提高。文中概述了深度学习的发展进程,通过总结国内外关于深度学习方法在小浆果采摘与分选中的应用,提出深度学习方法在实际应用过程中存在的问题及解决措施,并展望深度学习方法在小浆果智能采摘与分选检测方面的发展趋势。     

农业院校计算机素质教育的发展及任务

本文立足于广东一全国改革开放的试验区,对农业院校非计算机专业的计算机素质教育的演变及如何与世界计算机教学接轨进行了分析与探讨,提出本世纪计算机中心的任务,仅供同行专家参考.     

专题学习网站建设初探

随着高校教育信息化步伐的逐步推进,专题学习网站的建设成为广大教育工作者探究的新热点,本文基于分析专题学习网站特性上.结合网站开发的实用技术,探讨如何开发高质量的专题学习网站.     

瘤背石磺的生态习性观察

2003年4～7月,作者对江苏射阳河口滩涂的瘤背石磺作了生态调查,并在室内进行温箱试养,观察其运动、呼吸、消化、生殖及对刺激物的反应等。结果表明,瘤背石磺栖息在潮上带滩涂,其每千克土壤中含N 0．325g、P 0．020g、K 0．521g、Cl 0．084g、有机质7．68g,土壤pH值9．43,含盐量1．615;在温度20～28℃,湿度接近100％时瘤背石磺才出来活动和摄食;在人工饲养下,瘤背石磺喜食螺旋藻。从解剖上看,它用呼吸腔呼吸,外套膜切片中有钙质颗粒,说明该物种是腹足纲动物由水生向陆生过渡的类型,体现了肺螺亚纲的特征。     

鸭绿江上游花羔红点鲑的年龄_生长_食性和繁殖的研究

花羔红点鲑的鳞片年累特征为疏密一切割混合型。体长和体重关系密切,属均匀性生长类型。主要以水生昆虫为食,对食物有明显的选择性;主要摄食季节为夏秋两季,但可终年摄食。雌雄鱼几乎２＋龄达到性成熟,产卵期为１０￣１１月,绝对繁殖力为２８０￣５００粒,每年产一次卵,属秋季产卵类型。产卵场底质为石砾,水深５０￣７０ｃｍ,水流速度１．５￣２．０ｍ／ｓ,水温一般为５￣８℃。     

基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究

针对目前河蟹追溯成本高、消费者无法细粒度地追溯单体河蟹信息等问题,提出一种基于迁移学习和金字塔卷积的河蟹背甲图像个体识别算法。该算法使用金字塔卷积层替换普通残差卷积块构建网络模型,可以从蟹背图像中提取多尺度、深层次的特征信息。结果显示:采用金字塔卷积结构的Resnet34和Resnet50的准确率分别为98.38%、98.51%,与使用普通卷积层的模型相比,准确率提升5.49%、1.3%,而当模型深度达到101层时,模型性能不再明显提升。与使用金字塔卷积结构的全新学习模型相比,迁移学习方法的训练收敛迭代轮次从20轮降低至5轮,此时模型准确率为98.88%,较全新学习的准确率提升0.37%,同时弥补了样本量较少的问题。该研究为河蟹个体识别追溯提供了理论依据和技术支持。     

乌苏里拟Chang人工繁育技术及开发利用——乌苏里拟Chang仔幼鱼食性与生长的初步研究

对乌苏里拟Chang仔幼鱼的食性与生长进行了初步研究,在18-22℃水温下分别以水蚯蚓、鱼肉糜和人工配合饲料投喂进行对比试验,结果发现其仔幼鱼具有较广泛的食性,且不同饲料投喂后各试验组的生长没有呈现出显差异。     

鲤、鲢、鳙、草鱼消化道结构与食性的研究

本文通过组织解剖与切片法测量了鲤、草、鲢、鳙的相关生物学参数,系统观察了四种鱼的消化道肌肉层、肠绒毛以及粘液细胞的显微结构及分布特点,探究其与食性的相互关系。结果显示：鲤比肠长1.0,环行肌较纵行肌发达,肠绒毛丰富,粘液细胞均匀分布在整个消化道中;草鱼比肠长2.13,消化道组织结构均一,肌肉壁中纵行肌所占比例高,粘液细胞体积小,分散于整个消化道中,肠绒毛极发达;鲢比肠长8.49,环行肌极发达,粘液细胞集中于消化道前段,肠绒毛由前至后逐渐呈短粗状;鳙比肠长4.58,环行肌极为发达,粘液细胞数量多且均匀地分布于消化道前、中段,肠绒毛较为稀疏短粗,粘液细胞较少。这四种鱼消化道的组织结构特征与各自食性密切相关。