多级模糊模式识别与非结构性决策理论在城市防洪规划后评价中的应用

采用多级模糊模式识别与非结构性决策理论,建立后评价数学模型,对南京市城市防洪规划的成功度进行综合评价。指标权重是否合理直接影响到评价结果的准确性,因此,本文提出了根据评议人对评议项目的熟悉程度,采用考虑熟悉度概念确定评议人权重,进而结合评议人给出的各指标权重确定指标的综合权重,减少了人为因素对指标权重的影响。最后采用多级模糊识别的综合评价方法,对整个规划进行评价,得到了较为理想的结果。     

基于支持向量机的干旱预测研究

支持向量机（SVM）是基于统计学习理论的一种智能学习方法,可以用来解决样本空间的高度非线性的模式识别等问题。干旱是气候因子非线性复杂关系相互作用造成水分严重亏缺的一种气候异常反映,本文选择SVM方法,利用8月南方涛动指数、副高强度指数、极涡强度指数等15项因子,基于径向基核函数建立浙江省秋季的干旱预测模型,应用交叉验证方式确定最优模型参数,并进行了预测,对模型的检验结果表明,建立的干旱预测模型能直接对秋季干旱进行预测,并且有较高的准确率,可为气候预测从气候要素预测到气象灾害预测提供一种有效途径。     

基于自适应双阈值的彩色线阵CCD小麦黑胚分割

在粮食质量等级评定中,黑胚粒存在的多少影响小麦的整体等级划分。该文以产自新疆和河南不同品种的710粒有黑胚的小麦、627粒破损小麦和1 167粒正常小麦为研究对象,采用彩色线阵CCD动态获取小麦图像,对原始图像进行多余背景去除、色偏校正、亮度变换以及形态学处理后,再对小麦图像单通道图像进行自适应双阈值分割,能有效的实现对小麦黑胚特征的分割。试验选择三种小麦进行特征提取以及模式识别,得到最佳分辨率分别为95.1%,96.0%和98.3%。结果表明该方法对小麦黑胚的识别具有良好的效果。     

利用人工神经网络判别陶瓷原料种类

利用三层 BP人工神经网络 ,对陶瓷原料进行模式识别 .以原料特征参数作为判别指标 ,由训练样本集得到最佳网络参数 ,然后对待测样本的种类进行预测 .研究结果表明 ,人工神经网络用于陶瓷原料的模式识别 ,其结果和实际一致 .该方法有助于配方中陶瓷原料的选择 ,值得推广     

不同产地枸杞子质量的灰色模式识别研究

在灰色关联分析的基础上,构建了一个评价中药材质量的模式识别模型,并将其用于不同地区枸杞子质量的评价。综合评价结果与实际情况基本相符。与统计模式识别模型比较,灰色模式识别具有计算简便、适应范围广的特点。     

基于电子鼻技术的茶鲜叶农残快速诊断

为建立一套基于电子鼻检测技术的茶叶原料农药残留快速诊断方法,试验以一芽二叶茶树鲜叶为材料,分别喷施菊酯类杀虫剂农药和广谱除草剂类农药,通过电子鼻技术进行传感器优化、各农药PCA模式识别并建立单一农药不同浓度预测模型.(1)试验采用LA分析方法进行分析,确定了最优传感器列阵.(2)采用PCA模式识别对两大类农药进行定性分...     

模糊模式识别模型在流域生态安全评价中的应用

生态安全是指人类赖以生存和发展的生态环境处于健康和可持续发展状态,流域生态安全评价是实现流域可持续发展的一项重要调控措施。流域生态安全评价需要通过评价模型来实现,由于生态安全是一个外延不明确的模糊概念,为此以模糊模式识别理论为基础,提出了流域生态安全评价的模糊模式识别模型。运用模型对岷江上游的生态安全现状进行了评价,建立了1,2,3共三个级别的指标体系,结果表明岷江上游生态安全处于第2级,即处于预警状态。评价结果符合岷江上游地区的生态环境状况。     

基于K-means动态聚类的鸢乌贼角质颚模式识别

本研究采用K-means动态聚类算法,对2014-2019年间采集于西北印度洋、热带东太平洋、中国南海的鸢乌贼(Sthenoteuthis oualaniensis)样本的角质颚进行识别.基于K-means动态聚类算法能够很好地区分来自3个海区的鸢乌贼,对数据进行z-score标准化后,任选2维角质颚形态学参数以曼哈顿...     

高光谱数据森林类型统计模式识别方法比较评价

在我国东北地区获取EO-1 Hyperion高光谱数据,以高空间分辨率的全色SPOT-5数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据.以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案.评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度.     

基于神经网络的树叶识别系统研究

在林业系统注册树木种类时,通常采用大量树叶上的可见外形特点来辨别数目繁多的树木种类。针对此问题,本文提出了基于神经网络的树叶识别方法,该方法建立并管理一个分等级的树叶图像体系,通过对不同种类树叶的边缘提取来识别每种树叶的特征点,从而得到树叶的外部轮廓来区分树木种类:给出了相应的改进型神经网络算法,并给出详细的论述过程:最后,通过Java语言给出了系统实现并做了大量的数值仿真。结果证明本文方法是可行有效的。图4表1参8。