基于农业信息搜索引擎分类器的设计与实现

为了能够在大量的农业信息中快速准确地提取出有利于农业生产的有用信息,为精准农业提供科学的理论依据,研究了农业信息搜索引擎,叙述了农业信息分类原理,对各算法分类效果进行实验数据比对。同时,选取符合农业实际情况的朴素贝叶斯分类器,分析算法实现,完成了算法设计,实现了该农业信息搜索引擎分类器。研究发现:朴素贝叶斯分类器在对农业信息分类时精度较高,是一种可靠有效的分类器。     

基于朴素贝叶斯分类器的电力系统信誉评级研究

目前电力企业普遍面临的一个难题是客户的巨额欠费。为此，电力公司每年都需要投入大量的精力进行电费催缴工作，但问题至今仍难以得到根本解决。通过从电力系统大规模的缴费数据中提取训练样本，利用朴素贝叶斯算法进行学习，得到分类规则，将这些规则应用于对用电客户的信誉进行评级，建立客户信誉评级系统，可以帮助电力企业更好地管理客户缴费行为，并为其运营管理提供数据支持。结果表明，对于不同的分类样本甚至不同的指标体系，都可以获得较好的分类效果。     

支持向量机在水质评价中的应用

介绍了支持向量机算法的原理，建立了基于支持向量机的水质评价多层次分类检测模型，通过提取水质评价标准中的物质成分为特征参数，利用几个SVM分类器的串联组合，实现对水质的分类和识别，同时，引入类权重因子，解决训练样本类别数量不平衡而导致的错分问题，实验结果显示该方法提高了水质评价的准确性和效率。     

基于空间漫反射光的母兔早期妊娠诊断装置研制

妊娠诊断是肉兔繁殖管理中的重要环节,尤其是早期妊娠诊断,可提前未妊娠母兔的再授精时间,提高种兔利用率,缩短繁殖周期。针对人工摸胎诊断法存在对母兔腹内胚胎产生机械损伤、母兔应激反应大及对工人经验要求高等缺陷,该研究基于妊娠母兔与未妊娠母兔腹内有无孕囊组织所引起的光学特性差异,提出一种基于空间漫反射光的母兔妊娠诊断方法,研制了快速、无侵入式的便携诊断装置。该装置由具有2个红外发光二极管（Light Emitting Diode,LED,LED发光波长分别为850和930 nm）、3个硅基光电二极管和外围电路的传感探头和信号处理主机组成。利用该便携诊断装置采集130只人工授精14 d后的母兔（包括63只妊娠母兔和67只未妊娠母兔）腹部漫反射光强度数据,将采集的数据按照7∶3的比例划分为训练集和测试集,训练集数据分别用于建立偏最小二乘判别分析（Partial Least Squares Discrimination Analysis, PLS-DA）模型和支持向量机（Support Vector Machine, SVM）分类模型,测试集数据用于模型性能测试,并对比两种模型的分类性能。同时,利用PLS-DA对采样数据进行有监督的主成分分析和变量重要性分析,结果表明妊娠母兔与未妊娠母兔的采样数据之间存在差异,可以被较好的分类。对比两种分类模型的分类性能发现SVM对妊娠母兔和未妊娠母兔的分类性能均比PLS-DA好,对测试集数据的灵敏度、特异性和准确率分别为80.95%、83.33%和82.05%。研究结果表明,该研究提出的光学妊娠诊断方法可行,研制的诊断装置可对授精14 d后的母兔进行妊娠诊断,对提高兔产业体系智能化装备水平有积极的促进作用。     

猪中性粒细胞中抗菌肽的提取及体外抗菌活性研究

抗菌肽是生物体内诱导表达具有广谱抗菌活性的小分子多肽。这些多肽是生物体非专一性的免疫应答产物,是生物体内免疫系统的重要成分。目前国内关于猪源抗菌肽的研究,主要针对于猪的小肠中的抗菌肽,而猪血中抗菌肽的提取及抗菌活性研究在国外虽已有少量报道,在国内却未见报道。由于猪血液中白细胞是免疫系统中起主要作用的免疫细胞,而其中性粒细胞约占白细胞总量的70%,从猪血液中性粒细胞中分离提取抗菌肽也就比较合理。因此本实验采用从猪血液中性粒细胞中分离提取小分子多肽,根据小分子多肽抗菌活性特点进而分离鉴定出抗菌多肽。同时,通过优化提取工艺,提高抗菌肽的得率和含量。     

基于随机森林的玉米发育程度自动测量方法

为提高玉米果穗发育程度检测的自动化程度与精度,提出一种基于机器视觉技术的测量方法。在随机森林机器学习算法的基础上构造秃尖、干瘪和籽粒区域的识别模型。该模型由多个独立同分布的弱分类器构成,对输入的训练样本进行列和行两个方向上的随机采样。比较随机森林模型和决策树模型的分类效果可知随机森林模型有效避免了过拟合和局部收敛现象的产生,并具有良好的推广能力。为确定最优的弱分类器数目,选择弱分类器个数为训练样本数量的1/80、1/40、1/20、1/10、1/5、1/4时分别构建随机森林分类器。研究结果表明,当随机森林中弱分类器个数为训练样本数量的1/20时,模型的识别率与稳定性最好。然后,以最优的随机森林模型作为分类器构建玉米果穗不同发育程度自动检测方法。试验结果表明,各区域长度测量的准确性均在95%以上,测量速度可达30个/min以上。     

基于图像处理和SVM的植物叶片分类研究

为了提高植物叶片识别与分类的正确率,提出了基于SVM的识别模型和方法;对叶片图像预处理后,提取并优选10个叶片形状特征参数,用SVM法进行训练建模并识别.实验结果表明,用线性核函数的SVM对木瓜、女贞、三角枫和五角枫4种植物叶片识别的平均准确率在95.8％以上,优于神经网络和Fisher判别法,为鉴定植物种类提供了一种快速有效的方法.     

文本分类中特征提取方法的比较与研究

介绍了进行文本分类的关键技术,着重介绍了常用的文本特征提取方法.选取支持向量机方法作为文本分类器方法,选取不同特征提取方法应用于文本分类,通过实验,比较和分析了由不同的提取方法所构成的分类器的分类性能,确定了信息增益(IG)法和文本证据权(WET)为两种性能优异的特征提取方法.该结论可为分类性能进一步的优化研究奠定理论和实践基础.     

基于平衡策略的支持向量机在电力系统中期负荷预测的应用

针对电力负荷中期预测比较困难并且存在较大误差的问题,提出了基于径向基核函数与基于平衡策略的Sequential minimal optimization(SMO)改进算法相结合的负荷中期预测方法,结合EUNITE网络提供的实际数据,研究了日最大负荷的前后期关系、日最大负荷与节假日的关系和当日与对应星期数的相关性,建立了相应的电力负荷中期预测模型。并对预测结果进行了分析。算例表明,该算法具有运算速度快、精度较高的优点。