应用模糊模式对东方鲀属Fugu相近种类分类的初步探讨

应用模糊模式识别原理对同一特征值参数差异很小的鱼类进行分类，建立了模式以及数据处理的一种数学方法。并对红鳍东方、假睛东方和介于二者之间种类进行了实例分析。     

模式识别在植物叶片识别中的应用

总结了模式识别在植物叶片自动化识别中的典型应用.模式识别在植物叶片识别中主要应用于植物分类、植物缺素研究和植物病害的自动诊断等方面.模式识别在植物叶片识别方面起到了重要作用,具有广阔的发展前景.     

自组织神经网络在流域土壤水分含

由于土壤水分含量受众多因素的影响，空间变异性很大，给土壤水分含量空间分布的研究带来了很大的困难。空间模式识别是处理土壤水分含量空间数据的方法之一，能够分析得到土壤水分含量空间数据的聚类结果。基于自组织特征映射和自适应共振理论的自组织神经网络模型在空间数据模式识别中得到广泛应用，针对澳大利亚tarrawarra试验流域土壤水分含量的观测数据，应用自组织神经网络，建立动态土壤水分含量的空间模式识别模型，并用半变异函数对识别结果进行检验，实例研究表明该方法是一种行之有效的方法。     

模式识别－逐步判别分析法在农业环境质量分级中的应用

本文将模式识别－－逐步判别分析法应用于农业环境质量评价工作的实践。具体探讨了模式识别在农业环境质量评价工作中的应用方法、应用过程和效果，并与环境质量指数主价法进行了比较研究，对模式识别技术在农业环境评价中应用的几个问题进行了讨论。     

模式识别与人工神经网络辅助水土流失监测预报初探

对于开发建设项目的水土流失监测和区域水土流失预报，使用模式识别和人工神经网络方法进行辅助处理，用已有的较为详尽的水土流失监测数据来训练神经网络，使之熟悉数据之间的非线性关系，从而对新的监测数据进行较好的处理，同时对建设区域内的水土流失情况进行预报。本文讨论了这种方法的可行性，具体的模型和处理效果将在以后的实验和具体的监测项目中得到研究。     

基于Gabor滤波与Tamura纹理特征的板材分类研究

板材表面的纹理特征是木质板材表面最为直观的特性,同时也是建筑装潢质量和木制品品质的重要评价指标。以中国东北部常见的红松、落叶松、白桦、水曲柳和柞木等5种树种的弦切、径切图像作为研究对象,提出一种基于多通道Gabor滤波和Tamura纹理特征的板材纹理特征提取方法,克服了传统方法在提取样本图像的全局特征时对局部纹理特征不敏感的问题。具体是将基于视觉心理学的Tamura纹理特征与Gabor滤波器进行结合,在不同频率、不同方向上共24组滤波器的虚部卷积图像上进行纹理特征参数提取,结合上述的纹理特征参数在BP神经网络、KNN和支持向量机分类器上进行分类试验,最佳特征参数体系的识别率达97.8%。     

电子鼻在农产品品质安全检测中的应用研究

农产品在我国日常生活中占有重要的一部分,也是我国经济来源的一部分,但是在农产品生产、加工、运输和储藏的过程中存在安全隐患。介绍了电子鼻的基本原理和结构组成,以及气敏传感器阵列、信号预处理和模式识别技术等研究现状,阐述了电子鼻在农产品新鲜度检测、风味评价、掺假鉴别、病害监控、理化指标检测等品质安全快速检测等方面的应用,剖析了电子鼻研究中存在的问题,并展望了其未来的发展趋势和方向,为相关研究和产业发展提供参考。     

基于机载激光雷达技术的茂密林地单株木识别

提出一种利用LiDAR数据进行单株木识别的方法,首先利用广义高斯模型分解全波形LiDAR数据,得到高密度的点云和相应的波形参数,通过建立数字高层模型得到非地面点云,然后计算点云的空间特征得到林木点云,最后在3D空间中利用马尔可夫随机场重新标记得到单株木点云.实验表明,与传统方法相比,本文方法能有效提高单株木识别的准确性,特别是对茂密林地中低矮、细小林木识别效果明显,平均识别精度达到75％.     

基于ARM9的电子鼻系统设计与应用

提出了一种基于嵌入式电子鼻的设计方案,主要包括传感器阵列、模数转换和微处理器3大模块.采用Figaro公司TGS813、TGS825、TGS880 3个气敏传感器组成的传感器阵列采集样品信号;利用MAXIM公司的MAX1270芯片进行模数转换;CPU采用SAMSUNG公司的S3C2410微处理器,并在其上移植了WINCE操作系统.软件设计对采集信号进行对数拟合,采用引进BP神经网络对拟合后的曲线参数进行训练,建立模型并对样本进行识别.利用该系统对4种不同生产日期的意大利巴马臣干酪和3家公司的纯牛奶进行了测试,识别准确率均达到100%.结果表明该系统具有体积小、重量轻、使用方便灵活且识别准确率高等优点.     

基于傅里叶变换红外光谱技术和软独立模式分类法的牛奶分类识别

利用傅里叶变换红外光谱法（FTIR）结合软独立模式分类法（SIMCA）对不同类别的牛奶进行识别。通过对光谱数据基线校正和Savitzky-Golay平滑处理后,在3100～850cm-1光谱区域,利用留一交互验证法建立获得主成分分析（PCA）最优模型。在α=5%显著水平下,最优模型对纯牛奶、低乳糖奶、低脂奶和高蛋白奶的识别率分别为80%、80%、100%和80%,拒绝率分别为93%、100%、100%和93%。表明FTIR结合SIMCA可成为快速识别牛奶类别的有效方法。