分块子空间追踪算法

压缩传感理论是一种充分利用信号稀疏性或者可压缩性的全新信号采样理论。该理论表明，通过采集少量的信号测量值就能够实现可稀疏信号的精确重构。本文在研究现有经典重构算法的基础上，提出结合图像分块思想和回溯思想的分块子空间追踪算法（Block Subspace Pursuit, B_SP）用于压缩传感信号的重构。该算法以块结构获取图像，利用回溯过程实现支撑集的自适应筛选，最终实现图像信号的精确重构。实验结果表明，在相同测试条件下，该算法的重构效果无论从主观视觉上还是客观数据上都有不同程度的提高。     

Knowledge Representation for Rotative Machine Fault Diagnosis Based on Semantic Net

Aiming at knowledge representation problem of expert system for rotary machinery fault diagnosis, semantic net knowledge representation is discussed. Semantic net to represent expert knowledge of rotary machinery fault diagnosis is explored. Its realizing method is afforded in computer language, in addition, demostrating model is also developed in Visual C++. The result shows good validity of the knowledge representation.     

蝗虫切片图像Shannon-Cosine小波精细积分混合降噪

在显微镜下采集到的蝗虫切片图像通常同时具有高斯噪声和椒盐噪声。利用同时具有插值性、光滑性、紧支撑性及归一化特性的Shannon-Cosine小波,构造了多尺度插值小波算子,进而构造了去除图像中混合噪声的小波精细积分法。该方法在稀疏描述切片图像时,通过设置稀疏表示阈值,直接消除图像中的椒盐噪声;将图像的Shannon-Cosine小波稀疏表达式直接代入图像降噪P-M模型,将该模型变形为非线性常微分方程组,采用精细积分法求解,可实现图像的保边降噪,消除图像中的高斯噪声。实验结果表明,在满足降噪要求的情况下,本文方法可以较好地保持蝗虫切片图像中的各种纹理结构;随着高斯噪声方差由0.02增加到0.10,降噪图像的PSNR下降了11.67%,远低于其他方法。说明本文方法在处理蝗虫切片图像时具有较强的鲁棒性。采用本文方法描述蝗虫切片图像时,特征像素点只占图像像素总数的10%左右,有效降低了问题规模,提高了求解效率。     

浸入式经历者框架——一种语言理解体验观

在体验认知思潮的影响下,ZWAAN(2004)提出了的浸入式经历者框架,认为理解者是所描述的情境的一位沉浸其中的经历者,理解就是对这一情境的身临其境的经历.浸入式经历者框架将语言加工划分为激活、解读和整合3个成份,与现实情境的事物、事件和事件系列对应,力图从体验的角度揭示语言理解的过程,为语言理解研究提供了一种思路.     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于高光谱和深度迁移学习的柑橘叶片钾含量反演

针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端,引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型,选用ASD Field Spec 3光谱仪采集柑橘4个重要物候期(萌芽期、稳果期、壮果促梢期和采果期)的叶片反射光谱,同步采用火焰光度法测定叶片的钾含量;先用正交试验确定小波去噪的最佳去噪参数组合,再进行不同光谱形式变换,对不同物候期光谱进行基于堆栈稀疏编码机-深度学习网络(Stacked sparse autoencoder-deep learning networks,SSAE-DLNs)的特征提取迁移和融合多种特征,对比支持向量机回归、偏最小二乘法回归、广义神经网络、逐步多元线性回归等多种诊断模型,结果表明,模型SSAE-DLNs基于一阶微分光谱特征建立全生长期钾含量预测模型的性能最优,其校正集和验证集决定系数分别为0. 898 8、0. 877 1,均方根误差分别为0. 544 3、0. 552 8。试验表明,深度迁移学习网络可对柑橘叶片钾含量进行精确预测,为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。     

枣树小冠疏层形空间产量分布及果实品质比较

为了探究枣树小冠疏层形的结构特点、各冠层产量分布及果实品质状况,为枣树造形提供理论支撑,以‘鲁枣2号’枣为试材,研究枣树小冠疏层形的个体结构、生长特性、产量分布及果实品质差异。结果表明：小冠疏层形中间冠层为产量主要分布层,枣果数与枣吊数最多,但是果枝比较其他2个冠层要低,下层平均单果重最大,上层叶绿素SPAD值、叶面积、枣吊长度和果实可溶性固形物含量均比下层高。因此,在对枣树小冠疏层形进行整形修剪时,要严格控制树冠上层的营养生长,适当控制中间冠层侧枝长度,缩放下部冠层侧枝,这样有利于提高果实的品质和产量。     

基于稀疏非负最小二乘编码的高光谱遥感数据分类方法

为了提高高光谱遥感影像的分类精度,提出了一种基于稀疏非负最小二乘编码的高光谱数据分类方法。采用非负最小二乘方法,将待测样本表示为训练样本的线性组合,并将得到的系数作为待测样本的特征向量,通过最小误差方法对待测样本进行分类。提出的方法在AVIRIS Indian Pines和萨利纳斯山谷高光谱遥感数据集上进行分类实验,并和主成分分析(PCA)、支持向量机(SVM)和基于稀疏表示分类器(SRC)方法进行比较,在2个数据集上本文方法的总体识别精度分别达到85.31%和99.56%,Kappa系数分别为0.816 3和0.986 7。实验结果表明本文方法的总体识别精度和Kappa系数都优于另外3种方法,是一种较好的高光谱遥感数据分类方法。     

甘蔗收获机智能设计知识表达及知识库系统开发

针对甘蔗收获机领域知识匮乏、重用、共享性差的问题, 通过研究该领域知识的特点,综合利用与或树产生式规则、框架和面向对象的方法表达该领域中的模糊知识及创新性知识, 通过与数据库软件的有效集成,创建智能设计知识库系统,通过对知识库的管理实现知识的获取和维护。     

计算机实现原木的三维再现

根据计算机图形学原理,利用坐标变换,包括放缩、规格化等一系列处理,将激光扫描的原木三维几何数据转换成世界坐标,再利用比例、投影、旋转等方法对转换后的坐标进行处理,进而形成相应的计算机屏幕坐标,最终在计算机上真实再现原木的几何特征,为原木加工的自动化处理提供依据。