-
题名新疆扶贫信息管理平台再构建研究
被引量：6
- 1
-
-
作者
王斌
刘维忠
-
机构
新疆农业大学网络管理中心
新疆农业大学教务处
-
出处
《石河子大学学报（哲学社会科学版）》
2006年第5期14-16,共3页
-
文摘
新疆扶贫信息管理平台再构建,对于提高扶贫开发工作,及时、全面、系统地掌握贫困人口与贫困乡村变化以及扶贫资金使用情况具有重要的现实意义。该文从新疆扶贫信息网络的现状入手,分析了扶贫信息管理平台再构建的基本思路、基本原则、总体目标及解决方案,最后指出了新疆扶贫信息管理平台再构建的优势。
-
关键词
新疆扶贫
信息管理
网络建没
-
Keywords
Xinjiang poverty-alleviation
information management
network construction
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名关于果林中果害虫图像特征高效分类识别仿真
被引量：8
- 2
-
-
作者
程鲁玉
孟小艳
达新民
-
机构
新疆农业大学计算机与信息工程学院
新疆农业大学网络中心
-
出处
《计算机仿真》
北大核心
2018年第2期425-428,共4页
-
基金
自治区科技支撑项目(201531114)
-
文摘
对果林中的果害虫图像特征的分类识别,能够针对性的解决果林虫害问题。对果害虫图像特征的分类识别,需要计算出各个颜色特征分布标准差,提取图像的纹理特征,完成图像特征的分类识别。传统方法先计算出图像特征的显著值,对测试样本图像的特征向量进行类关联重构,但忽略了对图像纹理特征的提取,导致特征分类识别精度偏低。提出基于改进局部二进制模式的果林中果害虫图像特征高效分类识别方法。利用机器视觉方法提取害虫图像的RGB颜色空间和HSV颜色空间的特征,计算出各个颜色特征分布的均值和标准差,提取图像的纹理特征,反映害虫图像灰度分布均匀程度和纹理粗细程度,依据害虫图像特征类别抽取本质维数,实现果林中果害虫图像特征高效分类识别。实验结果证明,所提方法识别精度较高,为果林病虫草害的诊断提供了有利的依据。
-
关键词
林果害虫
图像特征
分类识别
-
Keywords
Forest insect pest
Image features
Classification recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于SVM算法的林果害虫图像识别
被引量：4
- 3
-
-
作者
程鲁玉
孟小艳
达新民
-
机构
新疆农业大学计算机与信息工程学院
新疆农业大学网络中心
-
出处
《信息通信》
2017年第12期57-58,共2页
-
基金
自治区科技支撑项目:阿克苏市林果虫害专家远程鉴定系统的构建(201531114)
-
文摘
支持向量机已经成功应用在许多领域如规则提取、分类和评价。针对阿克苏林果害虫分类种类多的特点,采用了一种简单sift特征提取,结合svm算法分类识别林果主要害虫的方法。首先对样本数据进行SVM分类器训练,从而快速获取原始样本数据的最佳SVM分类器参数,并实现分类。利用神经网络算法进行分类实验,比较分析传统SVM算法、神经网络算法在分类识别方面的差异。实验结果表明,SVM算法能够快速有效地识别害虫种类,并获得相对较高的分类精度,但由于测试图像背景不同且提取的特征单一识别的准确率有待提高。
-
关键词
支持向量机(SVM)
林果害虫
神经网络
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于聚类算法的学生消费行为分析研究和应用
被引量：6
- 4
-
-
作者
游香薷
王业
杨抒
王斌
-
机构
新疆农业大学计算机与信息工程学院
新疆农业大学网络中心
-
出处
《自动化技术与应用》
2017年第12期32-35,40,共5页
-
基金
基于本体的林产品WEB信息资源抽取与表征研究大数据下高校管理
决策与商业智能协同机制研究自治区自然科学基金(编号2014211B023)
校前期资助课题(编号XJAU201426)
-
文摘
本文以新疆农业大学学生一卡通消费数据为基础,通过使用不同的聚类算法,分别研究和分析本校民、汉学生的消费行为习惯。首先,对数据源进行预处理;其次,通过对三种距离度量方式的优化K-means聚类算法进行对比,选出较好的一组进行分析;最后,分析聚类结果并获取知识。本研究实现了对校园一卡通系统数据进行数据挖掘的初步探索和相关研究的开展,不仅为学校相关部门的决策提供了有用的参考信息,也为将来构建完整的数字化数字校园决策支持系统提供了实践经验和实现方法。
-
关键词
K-MEANS算法
距离度量方式
一卡通平台
数字校园
-
Keywords
K-means algorithm
distance measure
all-in-one-card platform
digital campus
-
分类号
TP317.1
[自动化与计算机技术—计算机软件与理论]
-
