基于背包激光扫描点云强度的胸径提取方法研究

为了提高背包激光扫描点云林木胸径提取精度。以3块山区人工林做为研究对象,选取距离地面1.3 m处一定厚度的树干点云为胸径切片,切片厚度分别为0.2 m、0.4 m和0.6 m。对切片点云基于点云强度划分点云区间以获得多种胸径切片,将处理得到的切片点云映射到二维平面,采用最小二乘法对二维点进行胸径提取。结果表明：切片厚度为0.6 m、强度区间为［5,10］的切片点云提取胸径结果最好,3块样地胸径提取结果RMSE分别为0.46 cm、0.83 cm和1.03 cm,MAE分别为0.37 cm、0.66 cm和0.81 cm,相对精度分别为97.03%、94.73%和96.73%。相比于同等条件下完整点云结果,RMSE分别降低了61.34%、25.90%和61.71%,MAE分别降低了68.91%、31.96%和65.97%,相对精度分别提高了6.10%、1.95%和5.8%。并且使用点云数量分别降低了97.63%、97.25%、97.83%,平均用时分别提高了98.5%、97.6%、96.36%。通过使用最佳强度区间内的点云提取胸径,不仅可以减少点云数量节约时间成本,更能够提高胸径提取精度,并为提取其他林木参数提供参考。     

三江平原不同土地利用方式对土壤理化性质的影响

在中国科学院三江平原湿地生态试验站综合实验场对3种不同土地利用类型的土壤(0～25cm)作了分析。结果表明,不同土地利用方式下土壤理化性质有明显差异。随着开垦时间的增加,土壤容重和比重显著增加,土壤孔隙度、田间持水量和水稳性团聚体含量却在不断变小,大部分土壤养分含量也明显降低。有机质含量在开垦7年后下降了69.51%,15年后下降了72.96%,土壤全氮分别减少了58.59%和63.34%,有效氮减少了55.78%和75.31%,有效磷分别减少了45.67%和49.9%,有效钾则减少了43.71%和42.87%;然而,湿地开垦为农田后全钾略有增长。弃耕5年后,土壤的性质有所恢复,土壤有机质含量比开垦15年的土壤增长了53.13%,全氮增长丁23.16%,有效氮增长了139.61%,有效磷、有效钾分别增长了14.19%和9.62%。     

基于BP神经网络的大豆叶片病害诊断模型的研究

本文以大豆叶片为研究对象,主要针对大豆灰斑病、霜霉病和细菌性斑点病进行诊断。首先,在东北农业大学教育部大豆生物学重点实验室的实验基地培育灰斑病、霜霉病和细菌性斑点病的纯正样本,然后通过对病斑特征的分析,确定病斑特征与病害种类的关系,建立大豆叶片病害的BP神经网络诊断模型。测试结果表明,针对轻度病害,灰斑病、霜霉病、细菌性斑点病和其它病害的识别精度分别为88.75%,87.50%,87.50%,85.00%;中度病害识别精度分别为91.25%,90.00%,91.25%,88.75%;重度病害识别精度分别为93.75%,92.50%,93.75%,92.50%。     

融合主题信息和卷积神经网络的混合推荐算法

针对传统的协同过滤算法中数据稀疏和推荐结果不准确的问题,提出了一种基于隐狄利克雷分布（LDA）与卷积神经网络（CNN）的概率矩阵分解推荐模型（LCPMF）,该模型综合考虑项目评论文档的主题信息与深层语义信息。首先,分别使用LDA主题模型和文本CNN对项目评论文档建模;然后,获取项目评论文档的显著潜在低维主题信息及全局深层语义信息,从而捕获项目文档的多层次特征表示;最后,将得到的用户和多层次的项目特征融合到概率矩阵分解（PMF）模型中,产生预测评分进行推荐。在真实数据集Movielens 1M、Movielens 10M与Amazon上,将LCPMF与经典的PMF、协同深度学习（CDL）、卷积矩阵因子分解模型（ConvMF）模型进行对比。实验结果表明,相较PMF、CDL、ConvMF模型,所提推荐模型LCPMF的均方根误差（RMSE）和平均绝对误差（MAE）在Movielens 1M数据集上分别降低了6.03%和5.38%、5.12%和4.03%、1.46%和2.00%,在Movielens 10M数据集上分别降低了5.35%和5.67%、2.50%和3.64%、1.75%和1.74%,在Amazon数据集上分别降低17.71%和23.63%、14.92%和17.47%、3.51%和4.87%,验证了所提模型在推荐系统中的可行性与有效性。     

基于超长指令字的定点DCT算法研究

针对浮点转换为定点运算的精度问题证明了一个定理和一个推论,给出了一种在可以同时执行多个指令操作的DSP中估计算法实际运行时间的方法,并提出了一种新的适合于VLIW的定点8×8DCT快速算法。仿真实验证明新的8×8DCT算法比已有的基于VLIW结构的高精度算法的运算速度分别提高13.4%和21.4%,而误差方差总和分别降低了80%和67.5%,比已有的低精度算法运算速度分别提高8.5%和17.2%,而误差方差总和分别降低了98.98%和98.3%。     

设施黄瓜干物质累积及NPK吸收规律

以津研四号黄瓜为试材,研究设施黄瓜干物质累积及其N、P、K吸收规律。结果表明:黄瓜干物质积累主要集中在初瓜期和盛瓜期,约占全生育期干物质累积量的95%;植株与果实干物质累积的比例为1.5:1。苗期、初瓜期、盛瓜期和末瓜期N素吸收量占整个生育期吸收总量的百分比依次为2.1%、29.3%、65.2%和3.4%;P素为3.2%、32.8%、61.6%和2.4%;K素为2.3%、27.3%、66.8%和3.8%。当黄瓜的产量(鲜重)为142.5 t hm-2时,全生育期N、P、K吸收量分别为405.4、74.9和506.6kg,N、P、K吸收比例为1:0.18:1.25,生产1 t商品瓜吸收的N、P、K分别为2.84、0.53和3.55kg。     

基于遗传算法的控制系统在废水处理中的应用

为了结合MATLAB软件和组态软件MCGS的优点,通过OPC通讯技术实现两者之间的数据交换;同时引入遗传算法对人工神经网络进行优化,实现了遗传神经网络控制算法和MCGS的有机结合。仿真结果表明,人工神经网络的预测值与实际值之间的最大相对误差为10.28%,最小相对误差为5.28%,平均相对误差为7.82%,平均绝对百分比误差为0.12%;经过遗传算法优化之后,这些误差分别降为6.25%,1.67%,4.30%,0.073%。说明经过遗传算法优化后的人工神经网络具有更好的性能,遗传神经网络控制算法和MCGS的有机结合对废水处理过程可以实现有效的控制。     

磷钾硼锌肥对百合、白术产量和养分吸收的影响

在田间试验条件下研究了不同营养元素对百合、白术产量和养分吸收的影响。两年结果表明,在河沙土和灰泥土上,施用磷、钾、硼和锌肥的百合产量分别平均增产5.1%、33.5%、22.3%、16.3%和16.2%、12.5%、2.1%、6.1%,在灰泥土上,白术产量分别平均增产8.6%、34.6%、9.1%、5.8%,百合施用钾、硼和锌肥的增产效果大于白术,而白术施磷的增产效果大于百合。施磷肥能促进百合和白术对氮、磷、钾和硼的吸收,而降低对锌的吸收;施钾、硼和锌肥能增进百合和白术的氮、磷、钾、硼和锌养分的吸收量。百合和白术吸收的养分量表现出钾>磷>锌>硼。百合和白术吸收的氮、磷、钾和锌主要分配在鳞茎和根状茎部分,吸收的硼主要集中在茎叶部分。平衡施肥可提高药用部分(鳞茎和根状茎)的磷、钾和锌养分的分配比率。     

煤矿事故分析与煤矿大数据和物联网

按事故类别分析了2004—2013年全国煤矿事故:顶板、瓦斯、运输、水害、机电、爆破、火灾等事故起数和死亡人数占比分别为52.7%和36.8%,11.3%和29.7%,16.9%和11.3%,3.1%和8.1%,4.1%和2.5%,2.7%和1.9%,0.4%和1.9%;顶板事故起数和死亡人数最多;瓦斯事故起数居第3位,死亡人数居第2位,但2005年和2013年死亡人数最多;运输事故起数居第2位,死亡人数居第3位;煤矿各类事故起数和死亡人数均大幅下降;瓦斯和顶板事故起数占比明显下降,但运输和机电事故起数占比有所上升,需进一步加强运输和机电事故防治。探讨了大数据在煤与瓦斯突出、冲击地压、水害、火灾等事故预警,煤矿重大关键设备故障诊断,煤炭需求和价格预测等方面的应用。探讨了物联网在矿用安全标志准用产品管控、煤矿重大关键设备管控与远程维护、煤矿设备材料管控、防碰撞、持证上岗与专人操作管控等方面的应用。     

基于VHSE结构表征的HLA-B*5701和B*5801配体亲和特性研究

基于VHSE(Principal component score vector of hydrophobic,steric,and electronic properties)结构表征方法,采用支持向量机结合遗传算法变量筛选技术,分别建立B*5701和B*5801多肽亲和活性的分类预测模型,其最优线性模型内部验证的灵敏度(Sensitivity,Sen)、特异性(Specificity,Spe)、接受者操作特征曲线下面积(Area under receiver operating characteristics curve,AUC)和马休斯相关系数(Matthews coefficient of correlation,MCC)分别为77.29%、93.99%、93.02%、67.65%(B*5701)和78.08%、89.62%、88.34%、64.73%(B*5801);外部验证的Sen、Spe、AUC和MCC分别为80.02%、94.53%、94.62%、72.09%(B*5701)和77.43%、90.79%、87.98%、66.20%(B*5801)。依据最优模型,分别对B*5701和B*5801配体的亲和特性进行了细致的比较和分析,研究结果可为Abacavir的HLA-B*5701限制性药物毒副作用(Serious Adverse Drug Reactions,SADR)机理研究提供重要的参考依据。     

基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割

针对传统模糊C均值（FCM）聚类算法在处理噪声图像时易受到噪声影响的问题,提出了基于FCM的小波域特征增强的噪声图像分割方法。首先,将噪声图像进行二维小波分解;其次,对近似系数进行边缘增强,同时利用人工蜂群（ABC）优化算法对细节系数进行阈值处理,并将处理后的系数进行小波重构;最后,对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像,分别添加高斯噪声和椒盐噪声,使用多种方法进行分割,以分割后图像的峰值信噪比（PSNR）和误分率（ME）作为性能指标,实验结果表明,所提方法分割后的图片相较于传统FCM聚类算法分割方法和粒子群优化（PSO）分割方法分割后的图片在PSNR上最多分别有281%和54%的提升,在ME上最多分别有55%和41%的降低。可见所提出的分割方法较好地保留了图像边缘纹理信息,其抗噪性能与分割性能得到了提升。     

基于WFC和MI的主题句提取方法

提出一种基于加权模糊聚类（WFC）和互信息（MI）的主题句提取方法,使主题句尽可能全面覆盖全文主题的同时,缩减自身的冗余,以提高摘要效率,采用加权模糊聚类的方法对文本句子进行分类,对在同一类中的句子使用比较互信息的方法进行排名处理,从而获得高质量的摘要。实验结果表明,与传统聚类方法比较,该方法的正确率提高约15%,可以达到约70%的精确度,并在阅读摘要时能够基本正确地获取文本信息。     

基于MAP+CMLLR的说话人识别中发声力度问题

为了改善发声力度对说话人识别系统性能的影响,在训练语音存在少量耳语、高喊语音数据的前提下,提出了使用最大后验概率（MAP）和约束最大似然线性回归（CMLLR）相结合的方法来更新说话人模型、投影转换说话人特征。其中,MAP自适应方法用于对正常语音训练的说话人模型进行更新,而CMLLR特征空间投影方法则用来投影转换耳语、高喊测试语音的特征,从而改善训练语音与测试语音的失配问题。实验结果显示,采用MAP+CMLLR方法时,说话人识别系统等错误率（EER）明显降低,与基线系统、最大后验概率（MAP）自适应方法、最大似然线性回归（MLLR）模型投影方法和约束最大似然线性回归（CMLLR）特征空间投影方法相比,MAP+CMLLR方法的平均等错率分别降低了75.3%、3.5%、72%和70.9%。实验结果表明,所提出方法削弱了发声力度对说话人区分性的影响,使说话人识别系统对于发声力度变化更加鲁棒。     

Automatic EEG seizure detection using dual-tree complex wavelet-Fourier features

Epilepsy is one of the most common neurological disorders with 0.8% of the world population. The epilepsy is unpredictable and recurrent, so it is very difficult to treat. In this paper, we propose a new Electroencephalography (EEG) seizure detection method by using the dual-tree complex wavelet (DTCWT) – Fourier features. These features achieve perfect classification rates (100%) for the EEG database from the University of Bonn. These classification rates outperform a number of existing EEG seizure detection methods published in the literature. However, it should be mentioned that several recent works also achieved this perfect classification rate (100%). Our proposed method should be as good as these works since our method only performs the DTCWT transform for up to 5 scales and our method only conducts the FFT to the 4th and 5th scales of the DTCWT decomposition. In addition, we could replace the conventional FFT in our method by sparse FFT so that our method could be even faster.     

改进的马氏距离动态时间规整手势认证方法

针对现有动态手势认证方法普遍采用的动态时间规整(DTW)算法在计算欧氏距离(ED)时各维特征向量被同等对待且各维特征间的相关性被忽视等问题,提出一种改进的马氏距离动态时间规整手势认证方法.通过手机内置三轴加速度传感器实时获取动态手势信号,经数据预处理后由改进动态时间规整算法进行加速度信号相似性度量,在计算过程中根据协方差矩阵特点进行时间复杂度优化,最后根据模板匹配法得出认证结论.实验结果表明,经改进后等错率(EER)由3.02%降至1.39%,经优化后认证响应时间平均降低87.84%.该方法进一步提高了动态手势认证精确度,同时实时性良好.     

降低FBMC-OQAM峰均值比的低复杂度PTS算法

针对滤波器组多载波/正交幅度调制（FBMC-OQAM）系统中,功率峰均值比（PAPR）过高且传统抑制方法复杂度过高难以实现的问题,提出了一种应用在FBMC-OQAM系统中的新的抑制方法。首先,在传统部分传输序列（PTS）方法的基础上根据系统特性进行改进,得到迭代PTS（IPTS）算法,较传统PTS算法计算复杂度有明显降低;其次,将IPTS算法与限幅（Clipping）算法相结合,作为一种新的IPTS-Clipping联合算法应用在FBMC-OQAM系统中,该算法先利用IPTS算法对FBMC信号进行处理,再利用限幅方法进一步抑制系统的PAPR。理论分析和仿真实验结果表明,与传统PTS算法相比,所提算法减少了约70%的计算次数,当累计分布函数CCDF为10^-3时,所提算法的PAPR值较原始信号降低了约48.5%,较PTS算法降低了33%,抑制效果明显优于其他方法。所提算法不仅能够显著抑制FBMC系统的PAPR,同时复杂度远低于其他原始算法,具有十分良好的性能。     

视觉—语义双重解纠缠的广义零样本学习

目的 传统的零样本学习（zero-shot learning,ZSL）旨在依据可见类别的数据和相关辅助信息对未见类别的数据进行预测分类,而广义零样本学习（generalized zero-shot learning,GZSL）中分类的类别既可能属于可见类也可能属于不可见类,这更符合现实的应用场景。基于生成模型的广义零样本学习的原始特征和生成特征不一定编码共享属性所指的语义相关信息,这样会导致模型倾向于可见类,并且分类时忽略了语义信息中与特征相关的有用信息。为了分解出相关的视觉特征和语义信息,提出了视觉—语义双重解纠缠框架。方法 首先,使用条件变分自编码器为不可见类生成视觉特征,再通过一个特征解纠缠模块将其分解为语义一致性和语义无关特征。然后,设计了一个语义解纠缠模块将语义信息分解为特征相关和特征无关的语义。其中,利用总相关惩罚来保证分解出来的两个分量之间的独立性,特征解纠缠模块通过关系网络来衡量分解的语义一致性,语义解纠缠模块通过跨模态交叉重构来保证分解的特征相关性。最后,使用两个解纠缠模块分离出来的语义一致性特征和特征相关语义信息联合学习一个广义零样本学习分类器。结果 实验在4个广义...     

Clustering technique-based least square support vector machine for EEG signal classification

This paper presents a new approach called clustering technique-based least square support vector machine (CT-LS-SVM) for the classification of EEG signals. Decision making is performed in two stages. In the first stage, clustering technique (CT) has been used to extract representative features of EEG data. In the second stage, least square support vector machine (LS-SVM) is applied to the extracted features to classify two-class EEG signals. To demonstrate the effectiveness of the proposed method, several experiments have been conducted on three publicly available benchmark databases, one for epileptic EEG data, one for mental imagery tasks EEG data and another one for motor imagery EEG data. Our proposed approach achieves an average sensitivity, specificity and classification accuracy of 94.92%, 93.44% and 94.18%, respectively, for the epileptic EEG data; 83.98%, 84.37% and 84.17% respectively, for the motor imagery EEG data; and 64.61%, 58.77% and 61.69%, respectively, for the mental imagery tasks EEG data. The performance of the CT-LS-SVM algorithm is compared in terms of classification accuracy and execution (running) time with our previous study where simple random sampling with a least square support vector machine (SRS-LS-SVM) was employed for EEG signal classification. We also compare the proposed method with other existing methods in the literature for the three databases. The experimental results show that the proposed algorithm can produce a better classification rate than the previous reported methods and takes much less execution time compared to the SRS-LS-SVM technique. The research findings in this paper indicate that the proposed approach is very efficient for classification of two-class EEG signals.     

基于卷积神经网络的OFDM-UWB信道环境识别

超宽带（UWB）无线通信技术被广泛应用于室内定位领域,其能识别出多径信道中的非视距信道,有助于去除影响信号的非理想因素,提升定位精度。基于OFDM方案的UWB系统,提出一种利用卷积神经网络对信道估计出的信道冲激响应时频图像进行训练,从而识别出信道环境的方法,将信道识别问题转化为图像识别问题,同时分析时频处理参数对识别结果的影响。仿真结果表明,该方法的识别率随通信系统比特信噪比（EbN0）的增加而提升,当EbN0增加至20 dB时稳定在90%,与传统基于支持向量机的信道识别方法相比获得了10%的性能提升。     

结合目标检测的室内场景识别方法

在目标检测网络（ObjectNet）和场景识别网络相结合的方法中，由于ObjectNet提取的目标特征和场景网络提取的场景特征的维度和性质不一致，且目标特征中存在影响场景判断的冗余信息，导致场景识别的准确率低。针对这个问题，提出一种改进的结合目标检测的室内场景识别方法。首先，在ObjectNet中引入类转换矩阵（CCM），将ObjectNet输出的目标特征进行转化，使得目标特征的维度与场景特征的维度相一致，以此减少特征维度不一致带来的信息丢失；然后采用上下文门控（CG）机制对特征中的冗余信息进行抑制，从而降低不相关信息的权重，提高了目标特征在场景识别中的作用。该方法在MIT Indoor67数据集上的识别准确率达到90.28%，与维护空间布局的对象语义特征（SOSF）方法相比识别准确率提高了0.77个百分点；其在SUN397数据集上识别准确率达到81.15%，与交替专家层次结构（HoAS）方法相比识别准确率提高了1.49个百分点。实验结果表明，所提方法提高了室内场景识别的准确率。