一种基于Markov逻辑网的中文地理名称实体解析方法

根据Markov逻辑网融合一阶谓词逻辑和概率图模型的复杂性及不确定性处理能力的优点,提出将Markov 逻辑网和基于本体与WEB搜索的属性抽取算法相结合的命名实体解析方法(MLN_AE NER),解决一般基于Markov逻辑网的实体解析方法对非结构化的命名实体解析效果不佳的问题,并将该方法针对中文地理名称解析问题进行相应设计和实验.实验结果表明该方法具有较好的解析效果.     

基于替代算法的案例推理灾害救助系统

为了能够有效的对灾后地区及时的给予物质和资金方面的救助,采用CBR 推理技术,根据以往历史案例,合理的调拨物质和资金,提出了替代算法这一案例调整算法,基本实现系统最初设计的要求,使用结果表明此系统具有相当高的应用价值。     

农产品市场名称地理定位的设计与实现

为了对农产品市场价格信息进行地理分析,将网络上采集的大量农产品市场名称与其地理位置关联起来成为需要。本文通过地理信息库的匹配和网络搜索引擎的搜索结果的统计,将农产品市场名称转化为该市场所在县及其以上级的地名,并映射成该地名唯一的行政区划代码。结果表明该设计能实际应用于实际市场名的地理位置标定。     

基于U-net的多时相高分遥感影像耕地语义分割研究

针对手工进行耕地语义分割存在耗时长、效率低下、分割结果严重依赖于工作人员的经验以及传统方法无法较好地满足耕地语义分割要求的问题,首次提出了一种基于U-net的多时相高分遥感影像耕地语义分割方法。首先对多时相高分遥感影像进行数据预处理,然后对其进行数据增强,接着构建U-net神经网络,使用训练集进行训练,并用测试集来测试神经网络的性能。结果以人工标注的结果作为参考,在保持相同训练集和测试集的情况下,分别用FCN、SegNet和U-net做对照实验。实验结果表明,U-net的分割准确率高于FCN和SegNet,且对边缘分割得较为平整;U-net神经网络能够有效地实现耕地语义分割任务。     

基于Google Maps 的农产品价格与供求监测系统①

设计了一种基于Google Maps和搜农引擎的全国农产品价格与供求监测系统。该方法首先利用Google Maps提供的应用程序开发接口Google Maps API,开发出需要的各种功能界面,然后把搜农引擎采集到的全国农产品价格与供求的实时数据通过JSP映射到Google Maps上,最终实现了农产品价格与供求的可视化监测。     

面向农业的无线传感器网络应用及相关问题

将基于Microchip Zigbee协议栈的无线传感器网络与GPRS模块相结合,设计并实现了面向农业的远程监测系统。详细介绍了无线传感器网络中节点的工作流程,并给出了采集命令的格式和节点的节能措施。最后就无线传感器网络在农业应用中存在的问题进行了分析。