公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

非线性机电换能器混沌系统的分数阶控制及其电路仿真: 2016年; 通过数值分析计算一类自激机电换能器耦合系统的分叉、最大Lyapunov指数等混沌特性,并运用分数阶稳定性理论及Gershgorin圆定理证明并构造两个反馈控制器.采用所提方法,运用Multisim软件对机电控制系统进行电路实验仿真验证.实验结果表明:所设计的分数阶控制器对机电换能器的混沌控制是有效的,同时,电路设计具有可行性和可实现性.; 王献锋王震张善文惠小健; 关键词：机电换能器分数阶控制器混沌控制电路仿真

基于概率局部判断映射的植物分类方法被引量：4: 2015年; 基于叶片图像的植物分类与识别方法研究在保护植物物种和生态环境等方面发挥着重要的作用。由于叶片图像的复杂多样性以及同类叶片图像之间的差异性较大等特点,使得很多基于叶片颜色、形状和纹理的特征提取和识别方法不能满足植物自动识别系统的需要。在分类概率和局部保持映射(locality preserving projections,LPP)的基础上,提出了一种概率局部判别映射(probability locality preserving discriminant projections,PLPDP)方法,并应用于植物分类。首先计算每个样本的分类概率,由样本的局部信息、分类概率和类别信息定义权重矩阵,然后构建目标函数。通过最小化目标函数寻求最佳投影矩阵,使得原始高维样本经投影后,在低维特征空间保持了样本的局部信息、分布信息和类别信息。与判别LPP和监督LPP相比,PLPDP充分利用了样本的局部信息、分类概率和类别信息,算法的分类能力得到了较大提高。在公开的植物叶片图像数据库上对20类植物叶片图像进行了分类试验,识别率高达90%以上。试验结果表明,该方法是有效可行的。; 张善文王献锋王震张强; 关键词：图像处理植物识别局部保持映射

基于自适应中心对称局部二值模式的作物病害识别方法被引量：1: 2016年; 基于局部二值模式(LBP)算子在模式识别中直方图维数高、判别能力差、具有冗余信息等缺点,针对作物病害叶片图像的特点,提出一种自适应中心对称局部二值模式(Adaptive Center-Symmetric Local Binary Patterns,ACSLBP)算法,并应用于作物病害识别。该算法能够得到光照和旋转不变性的纹理特征,利用模糊C均值聚类算法对病害叶片图像进行分割,再将分割后的病斑图像进行分块,然后采用自适应阈值提取每个子块的ACSLBP纹理直方图,结合作物病害叶片图像的颜色特征,利用最近邻分类器识别作物病害。在黄瓜4种常见病害叶片图像数据库上进行试验,平均识别率高达95%以上,表明该方法是有效可行的。; 王献锋张善文孔韦韦; 关键词：最近邻分类器

基于不变矩的作物病害识别方法被引量：1: 2014年; 针对作物病害识别的复杂性,提出一种基于不变矩(invariants moments,IM)算法的病害识别方法。对作物病害叶片图像进行不变矩特征提取,采用最近邻分类器对作物病害叶片进行识别。以芹菜病害叶片为材料,进行病害识别,结果表明,该方法是有效可行的。; 王旭启张善文王献锋; 关键词：特征提取不变矩最近邻分类器

基于判别映射分析的植物叶片分类方法被引量：2: 2013年; 流形学习的一个目标是寻找一个映射,使得邻域内不同类数据点之间的边界最大化。观察数据点映射后在子空间内使得同类数据点更聚集,而不同类数据点更分类。基于这个目标,提出了一种判别映射分析的算法,并将其应用于叶片分类中,该算法能够得到数据较优的判别分类特征,适用于样本分类。在瑞典植物叶片数据库上进行了试验验证,结果表明该方法是有效可行的。; 王献锋王旭启张传雷; 关键词：流形学习

基于SVM和形态学的作物病斑图像分割方法被引量：10: 2015年; 作物叶片病斑图像分割是作物病害自动识别的一个重要步骤,为了提高传统的基于阈值或聚类的叶片病斑分割方法的分割效果,提出了一种基于支持向量机(SVM)和形态学的病斑分割方法。首先利用SVM进行病斑图像分割,再利用开运算和闭运算来消除病斑图像中边缘的不连续性、病斑内部的小噪声和小洞。最后,通过对黄瓜细菌性角斑病图像进行试验,结果表明,所提出分割方法具有较好的分割效果。; 王献锋王震王旭启张善文

基于叶片图像和环境信息的黄瓜病害识别方法被引量：66: 2014年; 作物病害严重影响着作物的产量和质量,病害类型识别是病害防治的前提。利用图像处理和统计分析,提出了一种基于病害叶片图像和环境信息的黄瓜病害类别识别方法。采集不同季节、温度和湿度等环境下的病害叶片图像,并记录病害的环境信息;利用属性约简法提取病害叶片的5个环境信息特征向量,对病害叶片图像进行一系列图像处理,提取病斑图像的颜色、形状、纹理等35个统计特征向量。将两者结合得到黄瓜病害的40个特征分量。再利用统计分析系统(statistical analysis system,SAS)的判别分析方法,选择10个分类能力强的特征分量,计算作物病害的聚类中心分类特征向量。最后,利用最大隶属度准则识别病害叶片的病斑类别。对黄瓜的霜霉病、褐斑病和炭疽病3种叶部病害的识别率高达90%以上。试验结果表明,该方法能够有效识别作物叶部病害类别,可为田间开放环境下实现作物病害的快速自动识别提供依据。; 王献锋张善文王震张强; 关键词：病害图像识别环境信息黄瓜

全选清除导出

共1页<1>

王献锋