小兴安岭蕨类植物生态特性的研究

采用样线与样方相结合的调查方法，根据点相关系数及Ｘ＾２值连续性较正公式，测定了小兴安岭凉水自然保护区具有环境梯度的７个森林类型内主要蕨类植物的种间联结。结果表明：各林型均有其适生的蕨类类群，与该类群呈正联结的蕨类种其数量分布也多，反之刚少；具有环境梯度的不同林型序列，反映出蕨类植物适生生境的不同，据此，将本区主要蕨类植物分为４种生态类型。     

模糊模式识别在车型分类中的应用

利用各种车辆通过环形线圈的感应曲线作为研究对象,用模糊识别理论进行车辆的特征提取及隶属度函数的建立,并在特征提取的基础上进行特征选取和匹配分类来进行车辆识别。     

基于方向一致性特征的小麦条锈病与白粉病识别方法

针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。     

发挥农业综合开发“助推器”作用做大做强龙虾产业

盱眙县境内湖泊众多,水产资源十分丰富。著名的“盱眙龙虾”集养殖、加工、销售于一体的经济已成为当地主导产业,对发展农村经济、增加农民收入起着重要作用。盱眙农业综合开发紧紧围绕做大做强龙虾产业,通过建基地、办市场、扶企业、强产业。发挥农业开发“助推器”作用,促进了龙虾生产与销售,加速了龙虾产业的发展。     

种子形状参数检测的计算机图象处理技术

设计了采用计算机图象处理技术检测形状特征参数的实用算法，开发了对种子进行基本形状参数测量的计算机图象处理系统，实际测试表明，系统运行稳定，测量速度快，精度高，适合同时分析多个物体的特征参数。     

基于近红外傅里叶特征提取方法的土壤含水率检测

以湖北地区的3种土壤为研究对象,利用偏最小二乘法建立了处理后样品的土壤含水率分析模型,模型预测值与标准值的决定系数为0.995,交叉验证预测均方差为0.801%,模型预测决定系数为0.992,预测均方差为0.912%,利用该模型预测黄土高原地区黄绵土含水率误差均大于4%.利用近红外光谱傅里叶变换特征提取方法对湖北地区黄棕壤、稻田土和潮土建立土壤含水率PLS预测模型,模型决定系数为0.988,交叉验证预测均方差为1.106%,且该模型预测黄绵土的误差均在2%左右,精度较传统模型有较大提高.     

基于压力脉动和时序分析的离心泵空化特征提

根据压力脉动幅值对空化变化相当敏感的特点,利用离心式水泵试验平台模拟空化现象,获取水泵出口压力信号.研究发现,在空化发生时刻,水泵出口压力的轴频幅值增大,且存在很多低频脉动成分.同时,根据试验获取的壳体振动和出口压力信号,分别建立该水泵正常运行的时间序列数学模型,利用模型残差的方差值判别离心泵的运行状态,实现对其空化特征的识别.     

基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.     

东亚夏季风年代际变化的波能影响特征

利用NCEP再分析资料,通过波包传播诊断的方法,分析了波包传播对东亚夏季风年代际强弱的影响,结果表明：在东亚夏季风表现出年代际强弱变化的同时,波包的传播也随之发生了一定的变化;波包在低层传播比较明显,越往高层越微弱;以850hPa研究层为对象,在20°N～50°N、70°E～120°E区域里,波包大值在20世纪80年代和90年代,由80°s传到赤道,强季风年代,波包大值由北太平洋中部传向东北太平洋北部,在弱季风年代,由东北太平洋北部传向北太平洋中部。在30°S～25。N、100°E～160°E区域里,波包大值在90年代由90°S传到30°S,从东太平洋传向西太平洋。在25。S～40°N、0°～60°E区域内．波包大值从大西洋传到太平洋中部,又从东太平洋传到太平洋中部。     

基于特征筛选算法的数字土壤制图研究

平缓地带数字土壤制图中，环境协变量的选择是提高制图精度的关键。已有研究证明遥感影像可作为推理制图的辅助因子，而如何确定环境因子推理制图时各自的权重已成为现阶段研究的重点。选取湖北省麻城市乘马岗镇为研究区，采用3种特征筛选方法进行有效环境变量筛选，探索参与平原-丘陵混合区域制图的因子并确定其重要性，依据选择的相对稳定的指标，进一步探索提高土壤类型制图准确性的途径。根据141个野外独立样点的检验结果表明：在推理制图中，遥感因子在平原区域的重要性程度高于丘陵区域，且遥感因子中归一化植被指数(NDVI)和均值(Mean)较为稳定；基于递归特征算法的按地形推理制图精度最高为75.89%，分别高于ReliefF算法和基于Tree的特征筛选算法13.48%和4.97%；此外3种特征筛选算法制图结果中，按地形因子分区制图的精度均高于整体区域制图。因此，遥感因子作为辅助手段参与推理过程可有效提高制图精度。本研究采用的特征挖掘与机器学习算法对提升土壤制图精度具有一定的理论意义。