含参数集值向量优化问题超有效点集的连通性

研究了含参数集值向量优化问题超有效点集的连通性.首先,在Hausdorff局部凸的拓扑线性空间中,给出了含参数的超有效点集的概念.然后,在参数扰动且含参数的目标集值映射为锥弧连通的条件下,讨论了含参数的超有效点集的连通性.最后,给出了含参数集值向量优化问题超有效点集的连通性定理.     

浅谈图形学中的纹理映射

纹理映射是真实感图形绘制过程中重要的组成部分,本文就是对图形学中的纹理映射的原理和纹理的分类进行了说明,并浅谈了纹理映射中的关键技术。     

基于深度卷积神经网络的棉花叶片缺氮诊断

为研究深度学习算法在棉花叶片缺氮水平诊断上的适用性,以智能手机作为图像采集工具,利用图像处理和深度学习技术建立基于棉花叶片图像的缺氮水平分级模型,为智能化诊断棉花叶片缺氮水平的研究提供可行方案。本研究在阴天、晴天2种环境下获取了5种氮素水平的棉花叶片图像,在此基础上选取AlexNet、VGGNet、GoogLeNet、MobileNet、ResNeXt、ResNet-v2以及Inception-v3等卷积网络模型进行比较研究,并提出一种基于恒等映射和深度可分离卷积改进的ResNeXt模型来提升棉花叶片缺氮水平检测的效果。结果表明,与AlexNet、VGGNet、GoogLeNet、MobileNet、ResNeXt、Inception-v3、ResNet-v2等模型相比,本研究提出的Improved-ResNeXt模型在对棉花叶片图像的缺氮水平分级时取得了最佳效果,该模型的识别准确率、平均精确率、Kappa系数分别达到了97%、97%、0.96。使用本研究提出的Improved-ResNeXt模型可以有效地解决棉花叶片的缺氮水平诊断问题,且对阴天、晴天2种光照条件下的棉花叶片数据有良好...     

基于植物叶片图像的植物病害检测方法

对植物病害准确、快速的识别是对植物病害采取防治措施的基础,同时对灾害评估也具有积极意义。在判别局部保持映射(DLPP)的基础上,提出了1种植物病害识别方法。该方法试图找到1个映射矩阵,使得高维数据映射后,在低维子空间同类样本之间的距离最小,而异类样本之间的距离最大,由此提高算法的识别率。采用该算法对3种常见玉米叶部病害的图像进行分类试验,并与其他植物病害识别算法进行比较。结果表明,DLPP对玉米病害的识别是有效可行的,识别精度高达85.5%。     

基于征兆邻搜索优化聚类和自组织映射神经网络的多病害诊断

复杂过程具有多样性的特点,常出现多种异常同时发生的情况。针对该问题,对异常过程中征兆的表现及其描述进行了分析,在已有自组织特征映射神经网络（SOM NN,Self-organizing Map Neural Networks）单一故障（病害）诊断的方法的基础上,提出了具有3级分析结构的SOM NN的多诊断模型。该模型以欧几里德距离作为主要判别条件对邻搜索方法进行优化和改进,在诊断过程中不用学习多病害样本。并在此基础上以农作物中具有代表性的番茄病害为例,提取病害征兆,建立病害与病害征兆之间的映射关系,完成了对病害征兆组合的分类,通过对实例的仿真,证明了该方法在多病害诊断上能获得良好的效果。     

一个新的乘法性质的证明

本文用环的理论证明了关于２个自然数相乘的一个新的性质，并将这一性质进行了推广。     

有限个渐进非扩张非自映射的带有误差的Ishikawa迭代的收敛性

介绍了有限个渐进非扩张非自映射的带有误差的Ishikawa迭代, 并且证明了在一致凸Banach空间中这种带有误差的Ishikawa迭代在一个新的条件下的强收敛性.     

集值映射的极小极大定理

本文利用一类非线性标量化函数的性质证明了关于集值映射的极小极大定理,并给出具体例子验证了定理的结论.     

英文经济报道中有关通货膨胀概念隐喻映射模式分析

概念隐喻的映射将两个不同的概念领域联系起来,帮助人们认知和理解抽象的概念.在英文经济报道中存在有大量的关于通货膨胀的概念隐喻.本文基于认知的角度,介绍了概念隐喻映射模式的定义和分类,结合实例分析了空间隐喻、本体隐喻和结构隐喻三种概念隐喻的映射模式,指出通过掌握概念隐喻映射模式有助于人们更好地理解通货膨胀概念.