基于生成对抗网络的农作物叶片病害识别

当人们使用深度神经网络对图像进行分类时,通常需要大量的训练样本。然而,在实际工作中很难获得足够多的样本来保证神经网络的训练。为了解决这一问题,本文提出一种基于生成式对抗网络的识别方法。其主要思想是通过对现有的GAN网络模型进行改造后训练一个样本生成模型,然后利用神经网络对生成模型生成的数据集进行识别,最后利用迁移学习方法对具有真实数据的神经网络进行微调。为了验证该方法的有效性,本文使用5种作物的叶片进行验证(每个样本500片),其对植物叶片的有无病害识别精度可达90%以上。实验结果表明该方法能在少量样本时提高叶片的识别精度,具有很强的通用性。     

变精度下近似算子与程度上近似算子的逻辑与运算模型

基于精度与程度的逻辑与需求,提出了变精度下近似算子与程度上近似算子的逻辑与运算模型。在该模型中,得到了变精度下近似算子与程度上近似算子的逻辑与运算的精确描述与基本性质,提出了宏观算法与微观算法,进行了算法分析与比较,得到了微观算法更具空间优势的结论。最后用医疗实例对模型与算法进行了说明。变精度下近似算子与程度上近似算子的逻辑与运算模型,部分拓展了变精度粗糙集模型、程度粗糙集模型和经典粗糙集模型,并在这些模型中得到了近似算子的相应性质。     

变精度粗糙集的区域属性约简及其结构启发算法

采用二分类情形与三支决策区域,研究变精度粗糙集（VPRS）两类属性约简及其结构启发算法。首先,依托三支决策区域构建分类区域,提出分类区域保持（CRP）约简与决策区域保持（DRP）约简,得到对定性属性约简的量化扩张性,设计基于核的结构启发算法;然后,研究两类区域约简的强弱关系,设计由强至弱的结构启发算法,得到二支决策拓展为三支决策的约简改进;最后,利用数据表实例与UCI数据集验证区域约简及其启发算法的有效性。     

机房供电保障中的UPS

重点围绕UPS的输入供电和输出配电方案及其不同的应用方式．选购时应重点注意的参数以及使用维护事宜等方面,分析了机房供配电系统中,从市电输入到UPS,从UPS到各级ATS开关,再到各输出终端等整个回路的配置问题。     

峰头水库左岸电站机组选型问题

本文介绍了云霄县峰头水库左岸电站机组选则设计、根据电站具体情况,通过对机组各参数的技术经济分析比较,选择了性能优良的水轮机.