图像分类方法对比评价研究

现有的图像分类方法种类繁多,但一直缺少关于图像分类方法评价的相关研究,为此选用不同数据集对具有代表性的图像分类方法进行评价分析.待评价的图像分类方法包括主动学习(HOG-SVM、SqueezeNet和SimpleNet)和惰性学习(KNN和OTSU-KNN)两类.结果显示:(1)主动学习相比惰性学习分类精度更高,且在纹理特征较为复杂的图像分类中泛化能力更好.在时间效率方面,主动学习的运行时间要明显短于惰性学习,且前者对数据规模的依赖度远低于后者.(2)对两种分类方法而言,图像的纹理特征复杂度、清晰度以及图像数量都会对分类精度产生影响.此外,参数化方案对分类精度也具有显著影响.     

基于GIS无线服务的小麦氮肥施肥推荐系统

为将地理信息系统(GIS)应用到田间小麦氮肥施肥过程中,并服务于使用普通手机设备的农业生产用户,结合GIS、全球卫星定位(GPS)、无线通信技术,利用小麦氮肥施肥推荐模型,以Java语言为平台,提出基于GIS无线服务的小麦氮肥施肥推荐系统,实现小麦氮肥施肥实时实地推荐查询功能。应用结果表明,该系统运行稳定、使用效果较好。