基于数字图像技术的纸张表观平滑度的三维评价

在对纸张表面显微图像进行数字处理，提取出反映纸张表面凹凸的纹理特征的基础上，确立了评价纸张表观平滑度的三维评价体系：直方图的均值、直方图的方差、单位表面顶点面积、隆起界面积比．实验结果表明，该评价体系能正确地反映出纸张的表观平滑度，与人眼观测的结果相符．     

纸张表观平滑度的三维评价

在对纸张表面显微图像进行数字处理，提取出反映纸张表面凹凸的纹理特征的基础上，确立了评价纸张表观平滑度的三维评价体系：直方图的均值、直方图的方差、单位表面顶点面积、隆起界面积比。实验结果表明，该评价体系能正确地反映出纸张的表观平滑度，与人眼观测的结果相符。     

S7-1500与S7-1200在风洞控制系统中的应用

当前,西门子PLC已在风洞控制系统中得到了广泛应用,但新一代的PLC S7-1500与S7-1200并没有很多应用案例。S7-1500 PLC作为西门子新的旗舰产品,性能卓越;S7-1200PLC单机可对4轴进行高速脉冲控制。S7-1500与S7-1200之间通过PROFINET通信,实时性更好,抗干扰性更强。同时,风洞控制系统还采用了西门子的G150变频器和V90伺服系统,使得整个控制系统更加统一。该文通过介绍一个新的风洞控制系统设计方案,介绍了S7-1500与S7-1200以及V90的实际应用,为以后的风洞控制系统设计以及S7-1500与S7-1200的实际应用提供参考。     

代价敏感组合旋转森林用于脑卒中数据分类

为分析临床脑卒中经颅多普勒超声(T CD)数据的实例相关代价敏感特性,提出一种基于实例代价的旋转森林算法.针对T CD数据构造多维组合特征;根据年龄设计适用于脑卒中的实例相关代价矩阵;构建实例相关代价敏感组合旋转森林分类模型(ECS_CROF),利用主成分分析、线性判别分析得到两个新的映射数据,组合原始数据分别训练基分类器得到3个独立的子分类器.将提出的ECS_CROF模型用于TCD非平衡数据的分类.实验结果表明,与已有的方法相比,ECS_CROF的成本节约量有一定提升,可以辅助医生更有效地做出诊断.     

农利来防治黄瓜霜霉病田间药效试验

黄瓜霜霉病是我区保护地黄瓜生产中一种重要病害 ,严重时 10～ 2 0ｄ即可枯黄到顶 ,造成大幅减产 ,甚至绝产。农利来是一种防治黄瓜霜霉病的新型杀菌剂 ,2 0 0 0年我们对其防治效果进行了田间试验 ,试验表明农利来对黄瓜霜霉病有很好的防治效果。现整理如下 :1　试验材料1 1　试验药剂72 %农利来可湿性粉剂 (有效成分 :霜脲氰、代森锰锌 ,浙江乐清农药厂生产 ) ;72 %克露可湿性粉剂 (有效成分 :霜脲氰、代森锰锌 ,杜邦公司生产、市售 ) ;64%杀毒矾可湿性粉剂 (有效成分 :恶霜灵、代森锰锌 )。1 2　试验地基本情况试验地点安排在山东省惠民县…     

骠马防除麦田日本看麦娘药效试验

日本看麦娘属于禾本科草本植物 ,适应性强 ,发生量大 ,繁殖快 ,是近年来我市麦田中新发现的一种恶性杂草 ,全市约有近 2 70公顷小麦遭受到不同程度的危害。直接影响了小麦的正常生长发育和产量的提高。据调查 ,一般麦田平均每平方米达 6 75株 ,严重的麦田可达 10 95株 ,部分麦田已造成严重的损失。6 .9%骠马浓乳剂是艾格福公司开发的选择性内吸传导型茎叶处理剂 ,为了探索骠马防除日本看麦娘的最佳用量、最佳用药适期和对麦苗的安全性及除草效果 ,1996～ 1997年我们进行了小区试验和大田示范 ,现将试验结果报道如下。1　材料与方法1.1　试验…     

集成分类器对脑卒中患者脑电的分类

脑卒中患者意识障碍的检查和检测耗时耗力且非连续,采集脑卒中患者的脑电信号,以研究有意识障碍与无意识障碍的脑卒中患者的自动分类。对脑卒中患者的脑电图提取多达9种定量脑电特征,构建脑网络,将这些脑网络的连通性特征输入到分类器中,实现对脑卒中患者是否有意识障碍的分类。为解决非平衡数据集分类时严重偏向多数类的问题,设计集成支持向量机分类器。实验结果显示基于现有分类器的脑卒中意识障碍的分类正确率在70%左右,敏感度在40%以下;而基于集成支持向量机分类器的分类准确性可达96.79%,同时敏感度和特异性分别为95.45%和100%。实验结果表明集成支持向量机分类器对非平衡数据集的脑电分类准确率显著提升,并促进脑卒中患者意识障碍的自动识别。     

面向特征融合的脑卒中脑电信号分类方法

为了实现脑卒中患者中脑梗死、脑出血两类疾病脑电信号的高效分类与检测,提出了一种基于小波包能量与近似熵特征提取结合的脑电自动分类预测方法。将输入的脑卒中病人的脑电信号进行小波包分解,提取各个频段的能量并降维,而后与近似熵融合作为特征向量,并用支持向量机算法对其进行分类。研究结果表明该方法有较强的脑电特征分类识别能力,进一步单独提取原始脑电信号α波段的信号进行分类,得到了更优的分类效果,脑卒中脑电信号的分类准确率可以达到98.36%。这对临床上实现脑卒中疾病的智能预测具有辅助决策作用。     

优化极限学习机及其在脑卒中TCD数据分类应用

为提高脑卒中经颅多普勒（Transcranial Doppler,TCD）数据分类的效率和准确率,应用蝙蝠算法（Bat Algorithm,BA）优化极限学习机（Extreme Learning Machine,ELM）模型进行脑卒中分类预测。在训练ELM模型时,隐含层输入权值矩阵和隐含层阈值矩阵元素产生的随机性影响了模型性能。为此,利用BA对ELM参数中的输入权值矩阵和隐含层阈值矩阵进行了优化,并用BA-ELM模型对实验所用的TCD数据集进行分类。实验结果表明,BA-ELM模型的分类准确率比ELM提高了22.77%,能有效进行脑卒中预测。