检索结果-内蒙古大学图书馆

计算机应用 2013年第A1期33卷 20-21,25页

作者：赵立慧李美安王蒙内蒙古农业大学计算机与信息工程学院

针对已有的基于蚁群算法的任务分配策略资源利用率低、算法时间复杂度高、任务分配效率低的问题,提出一种基于动态规划算法的任务分配策略。该算法利用动态规划的思想将等待执行任务均分后动态分配给不同节点,在迭代计算后得到任务分配... 详细信息

针对已有的基于蚁群算法的任务分配策略资源利用率低、算法时间复杂度高、任务分配效率低的问题,提出一种基于动态规划算法的任务分配策略。该算法利用动态规划的思想将等待执行任务均分后动态分配给不同节点,在迭代计算后得到任务分配最优方案,保证任务完成时间为全局最短完成时间,从而提高资源利用率,降低时间复杂度,减少时间的耗费。通过理论分析和Cloudsim仿真实验证明基于动态规划算法的云任务分配时间复杂度低,任务完成时间短,能够提高任务分配效率。

关键词：云任务动态规划任务分配资源利用率任务分配效率

来源：评论

学校读者我要写书评

暂无评论

基于多标记深度森林算法的冷鲜羊肉新鲜度无损检测方法

引用

光谱学与光谱分析 2024年第2期44卷 580-587页

作者：徐子洋姜新华白洁张文婧李靖内蒙古农业大学计算与信息工程学院内蒙古呼和浩特010018 内蒙古自治区农牧业大数据研究与应用重点实验室内蒙古呼和浩特010018

羊肉新鲜程度受多种因素影响,其检测一般要从感官性状、分解的理化产物和微生物繁殖程度等方面进行。然而基于单一指标的羊肉新鲜度检测局限性大,适用性低,很难综合评价羊肉新鲜程度,而且传统检测方法操作复杂,效率低,不能满足日常实际... 详细信息

羊肉新鲜程度受多种因素影响,其检测一般要从感官性状、分解的理化产物和微生物繁殖程度等方面进行。然而基于单一指标的羊肉新鲜度检测局限性大,适用性低,很难综合评价羊肉新鲜程度,而且传统检测方法操作复杂,效率低,不能满足日常实际需求。高光谱成像技术作为一种快速、无损、高效的检测技术,可以有效地获取冷鲜羊肉腐败过程中表面、内部组成和理化变化信息。提出一种基于改进深度森林算法的冷鲜羊肉新鲜度评价模型,增加特征筛选挖掘与多个评价指标相关的光谱信息,同时增加层增长控制有效防止模型过拟合。采集了0~14天4℃贮藏环境中羊肉样本的400~1000 nm高光谱数据,采用实验室方法测定了样本的挥发性盐基氮(TVB-N)、pH值、菌落总数(TAC)和大肠菌群近似数(ANC)指标值。选择感兴趣区域提取光谱数据,通过S-G平滑滤波法和多元散射校正法对原始光谱数据进行预处理,利用连续投影法提取了18个特征波段。将数据集按照3∶1划分为训练集和测试集;利用本文提出的改进深度森林算法建立新鲜度等级分类模型。结果表明,新鲜度等级分类总体精度为0.9857,并利用hamming loss、one-error、ranking loss和marco-AUC四种多标记度量指标评价模型性能,分别为0.0257、0.0143、0.0142和0.9986,均优于传统多标记分类算法也表明,该多指标新鲜度评价模型可用于羊肉新鲜度的快速无损检测,改善了单一新鲜度检测指标模型分类的局限性,为后续高光谱成像技术的多指标无损检测提供了方法。

关键词：高光谱冷鲜羊肉新鲜度多标记分类深度森林

来源：评论

学校读者我要写书评

暂无评论

改进的鲸鱼优化算法对牛奶脂肪含量预测模型的优化

引用

光谱学与光谱分析 2023年第9期43卷 2779-2784页

作者：李欣刘江平黄清胡鹏伟内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018 内蒙古自治区农牧业大数据研究与应用重点实验室内蒙古呼和浩特010030

牛奶脂肪含量的高低会影响人的身体健康。以牛奶脂肪含量作为分析指标,应用图像处理技术分析高光谱数据,利用ENVI软件从高光谱图像中提取感兴趣区域(ROI),采用不同的预处理方法对光谱数据建立偏最小二乘回归(PLSR)模型并比较得出最佳的... 详细信息

牛奶脂肪含量的高低会影响人的身体健康。以牛奶脂肪含量作为分析指标,应用图像处理技术分析高光谱数据,利用ENVI软件从高光谱图像中提取感兴趣区域(ROI),采用不同的预处理方法对光谱数据建立偏最小二乘回归(PLSR)模型并比较得出最佳的预处理方法,然后采用不同的主成分个数对预处理后的数据进行特征提取并建立支持向量回归机(SVR)模型,通过比较得出最佳的主成分个数,最后对特征提取后的数据建立SVR预测模型对牛奶中脂肪含量进行分析。由于传统的SVR模型预测效果不好,不能满足人们对于预测模型的基本要求,故提出一种混合策略改进的鲸鱼优化算法对SVR预测模型进行优化,将经过混合策略改进的鲸鱼优化算法优化后的SVR模型的评价参数与经过遗传算法、传统的鲸鱼优化算法、精英反向学习优化的鲸鱼优化算法优化后的SVR模型的评价参数进行了比较。结果表明:经混合策略改进的鲸鱼优化算法优化的SVR模型的训练集与预测集决定系数(R^(2))的值分别为0.998和0.995,均方根误差(RMSE)的倒数1/RMSE的值分别为13.766和6.191,平均绝对误差(MAE)的倒数1/MAE的值分别为13.910和11.422;经传统的鲸鱼优化算法优化的SVR模型的训练集与预测集参数R^(2)的值分别为0.998和0.989,1/RMSE的值分别为13.526和5.849,1/MAE的值分别为13.616和7.037;经精英反向学习策略改进的鲸鱼优化算法优化的SVR模型的训练集与预测集参数R^(2)的值分别为0.998和0.988,1/RMSE的值分别为12.474和6.421,1/MAE的值分别为15.003和10.554。由以上结果说明混合策略改进的鲸鱼优化算法优化SVR预测模型是可行的,优化后的SVR模型具有更好的预测效果。

关键词：支持向量回归机鲸鱼优化算法黄金正弦算法精英反向学习模型优化

来源：评论

学校读者我要写书评

暂无评论

基于改进K-means的羊体点云分割方法

引用

江西农业大学学报 2020年第5期42卷 1078-1086页

作者：刘娜薛河儒马学磊内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010011

【目的】针对具有复杂背景的羊体点云图像利用传统点云分割方法导致分割效果不准确的问题,探究采用一种改进的K-means点云分割方法对其进行分割的准确性。【方法】首先,试验根据羊体图像的点云数据特征,对三维空间中的点云坐标及点云间... 详细信息

【目的】针对具有复杂背景的羊体点云图像利用传统点云分割方法导致分割效果不准确的问题,探究采用一种改进的K-means点云分割方法对其进行分割的准确性。【方法】首先,试验根据羊体图像的点云数据特征,对三维空间中的点云坐标及点云间的空间距离进行重新定义。其次,为新定义的三维点云间距离引入曲率调整参数,通过对羊体曲率信息的调整,进而约束三维空间中点云间的距离。最后,为避免传统K-means分割算法随机选择初始聚类中心导致的分割结果不稳定且分割效果不准确的缺陷,选择主曲率最大的前K个点作为初始聚类中心。【结果】试验通过调节曲率约束调整参数的值,实现了羊体点云数据曲率变化显著区域的精准分割。利用曲率排序选取初始聚类中心,保证了分割结果的唯一性,提高分割结果的准确性。【结论】改进的Kmeans点云分割方法能有效地对羊体点云数据进行分割,且分割结果具有稳定性,为后续无接触羊体测点识别提供试验依据。

关键词：羊点云分割 K-means 曲率初始聚类中心

来源：评论

学校读者我要写书评

暂无评论

基于颜色矩的典型草原牧草特征提取与图像识别

引用

农业工程学报 2016年第23期32卷 168-175页

作者：韩丁武佩张强韩国栋通霏内蒙古农业大学机电工程学院呼和浩特010018 内蒙古大学电子信息工程学院呼和浩特010021 加拿大曼尼托巴大学工程学院内蒙古农业大学生态环境学院呼和浩特010018

针对内蒙古乌兰察布市荒漠化草原牧草监测与数字化程度较低的问题,该文实现了2种典型牧草的特征提取与图像识别,为多牧草种类识别与草业管理提供依据。利用智能导航车采集草原原始图像,对羊草和灰绿藜2种牧草图像提取RGB与HSV颜色矩特... 详细信息

针对内蒙古乌兰察布市荒漠化草原牧草监测与数字化程度较低的问题,该文实现了2种典型牧草的特征提取与图像识别,为多牧草种类识别与草业管理提供依据。利用智能导航车采集草原原始图像,对羊草和灰绿藜2种牧草图像提取RGB与HSV颜色矩特征并建立相应的规则库,数据表明二者的颜色矩特征具有明显区别。采用2G-B-R色差特征的模糊C-均值聚类算法对图像进行背景分割后,构建了一种3层BP神经网络模型,通过主成分分析法(principal component analysis,PCA)将15维输入特征参数降为10维以提高识别速度,且最终的整体识别率达到89.5%,实现了羊草与灰绿藜图像的有效分类识别,同时得到灰绿藜与羊草在测试图像中的植被覆盖度分别约为9.78%、34.21%。试验结果表明,利用颜色矩特征为基础,模糊C-均值聚类算法与BP(back propagation,BP)神经网络模型为分割、识别手段能够有效地实现典型牧草的图像分类研究。自动识别牧草是草业数字化的重要组成部分,可为监测植被物种多样性、草种退化及病虫草害的控制提供科学依据,是实现现代草原生态环境保护,发展草原经济的重要途径。

关键词：图像识别特征提取牧草颜色矩主成分分析法 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于NMFSNMB与GB(2D)~2PCA融合的牛乳体细胞分类

引用

内蒙古农业大学学报（自然科学版） 2019年第4期40卷 78-84页

作者：郜晓晶薛河儒潘新周艳青内蒙古农业大学计算机与信息工程学院

牛乳体细胞中包含了多种细胞,对评价牛乳质量和诊断奶牛乳腺炎至关重要。本文以彩色显微图像为对象,研究牛乳体细胞中中性粒细胞、上皮细胞、巨噬细胞和淋巴细胞分类识别方法。为了降低高维的Gabor特征空间对分类效率的影响,提出一种基... 详细信息

牛乳体细胞中包含了多种细胞,对评价牛乳质量和诊断奶牛乳腺炎至关重要。本文以彩色显微图像为对象,研究牛乳体细胞中中性粒细胞、上皮细胞、巨噬细胞和淋巴细胞分类识别方法。为了降低高维的Gabor特征空间对分类效率的影响,提出一种基于改进的非负矩阵分解(NMFSNMB)与GB(2D)~2PCA融合的特征提取算法。第1步,利用Gabor-based(2D)~2PCA算法求得细胞图像的频域整体特征。第2步,利用NMFSNMB算法提取细胞的空域局部特征,将细胞图像分解成基矩阵和系数矩阵2部分,从中获取重要的局部信息。第3步,利用决策层融合策略完成整体与局部特征的融合,计算融合的匹配距离。最后1步,使用最近邻分类器识别细胞图像。该算法同时考虑到细胞图像的频域整体信息和空域局部信息,二者具有一定的互补性,且识别精度和识别稳定性都有所提高。实验结果表明,本文所提算法的总体精度为98. 50%,Kappa系数为0. 985,分类结果具有较高的可信度。本文算法有效地结合了两种算法的优点,提高了识别系统的准确率和稳定性,同时识别速度也没有受到影响。

关键词：牛乳体细胞特征融合非负矩阵分解融合策略

来源：评论

学校读者我要写书评

暂无评论

基于改进DeepLabV3+模型的盐碱地遥感图像分割算法研究

引用

内蒙古农业大学学报(自然科学版) 2024年

作者：张昊潘新罗小玲郜晓晶内蒙古农业大学计算机与信息工程学院

土壤盐碱化影响粮食产量，及时监测盐碱地的分布情况，做好盐碱化的治理对于保障粮食产量具有重要意义。本文提出了一种基于DeepLabV3+的深度学习改进方法监测盐碱地分布情况。将主干网络替换为一种轻量的GhostNetV2网络，大幅减少模型... 详细信息

土壤盐碱化影响粮食产量，及时监测盐碱地的分布情况，做好盐碱化的治理对于保障粮食产量具有重要意义。本文提出了一种基于DeepLabV3+的深度学习改进方法监测盐碱地分布情况。将主干网络替换为一种轻量的GhostNetV2网络，大幅减少模型的参数量。引入了一种高效的卷积模块Ref（可重参数化）卷积，设计一个双分支的Bi-GhostBottleNeck模块增强对局部特征的关注。针对盐碱所在区域是难分类样本的问题，设计了一种混合损失函数，使模型更关注难分类样本。使用盐碱地遥感数据进行实验，相较于原始DeepLabV3+模型，mIoU（平均交并比）提高了3.08%。

关键词：深度学习语义分割盐碱地 DeeplabV3+ 空洞空间池化金字塔

来源：评论

学校读者我要写书评

暂无评论

基于隐式Flow Splitter的负载均衡交换结构

引用

计算机研究与发展 2012年第6期49卷 1220-1227页

作者：申志军曾华燊西南交通大学信息科学与技术学院成都610031 内蒙古农业大学计算机与信息工程学院呼和浩特010018

为解决Byte-Focal结构存在的计算复杂度较高及"伪队头阻塞"等问题,提出一种基于隐式Flow Splitter的负载均衡交换结构(load balanced switch based on implicit flow splitter,LB-IFS).LB-IFS在输入端引入双缓冲模式和两步调... 详细信息

为解决Byte-Focal结构存在的计算复杂度较高及"伪队头阻塞"等问题,提出一种基于隐式Flow Splitter的负载均衡交换结构(load balanced switch based on implicit flow splitter,LB-IFS).LB-IFS在输入端引入双缓冲模式和两步调度策略,较好地解决了"伪队头阻塞"问题且能使信元以不失序的状态离开第1级crossbar,同时输入端设置隐式Flow Splitter为每个信元分配一个理论转发路径;输出端利用VIQ(virtual input queuing)结构的重排序缓存,结合理论转发路径,方便地实现信元的有序转发.理论分析和仿真都表明:LB-IFS能保证全流程计算复杂度均为O(1)且其时延性能优于Byte-Focal.

关键词：交换结构包交换负载均衡双缓冲模式复杂度伪队头阻塞惯性服务模式

来源：评论

学校读者我要写书评

暂无评论

基于数码相机图像的甜菜冠层氮素营养监测

引用

农业工程学报 2018年第1期34卷 157-163页

作者：张珏田海清李哲李斐史树德内蒙古农业大学机电工程学院呼和浩特010018 内蒙古师范大学物理与电子信息学院呼和浩特010020 内蒙古农业大学草原与资源环境学院呼和浩特010019 内蒙古农业大学农学院呼和浩特010019

为探究数码相机监测甜菜冠层叶片氮素的可行性,2014年于内蒙古赤峰市松山区太平地镇采用不同种植方案设计了田间试验。利用数码相机获取甜菜冠层数字图像,基于灰度值的阈值分割方法提取冠层图像的红光值(R)、绿光值(G)和蓝光值(B),交互... 详细信息

为探究数码相机监测甜菜冠层叶片氮素的可行性,2014年于内蒙古赤峰市松山区太平地镇采用不同种植方案设计了田间试验。利用数码相机获取甜菜冠层数字图像,基于灰度值的阈值分割方法提取冠层图像的红光值(R)、绿光值(G)和蓝光值(B),交互调优R、G、B单色分量权重,提出三原色权值调优方法,并挖掘出适宜于表征甜菜冠层LNC(leaf nitrogen content)的基础调优参数BOP(basic optimal parameter)和归一化调优参数NOP(normalized optimal parameter)。结果表明:采用常规方法选取的敏感颜色参数G/R、NRI(R/(R+G+B))与冠层LNC的相关系数分别为0.80和0.79,三原色权值调优方法确定的调优参数BOP、NOP与冠层LNC的相关系数分别为0.83和0.84,算法优化后提高了颜色参数与冠层LNC的相关性。对比常规参数和调优参数对冠层LNC的预测精度,结果显示调优参数BOP、NOP建立模型的预测精度均高于常规参数G/R、NRI,BOP预测模型的决定系数R2和均方根误差RMSE(root mean square error)分别为0.69和2.65,NOP预测模型的R2和RMSE分别为0.68和2.73。该研究表明,在大田自然光照条件下,借助数码相机实时、准确监测甜菜氮素营养丰缺水平具有较高的可行性,数字图像处理技术在作物营养无损诊断中存在很大的应用潜力。

关键词：图像处理氮模型甜菜数码相机颜色特征参数氮素营养监测

来源：评论

学校读者我要写书评

暂无评论

基于CNN与ViT混合结构的遥感图像地物分类算法

引用

遥感信息 2024年第3期39卷 121-127页

作者：陈佳慧路鹏罗小玲郜晓晶潘新内蒙古农业大学计算机与信息工程学院呼和浩特010018

针对传统的基于机器学习和卷积神经网络等遥感图像分类方法整体分类精度不高以及受限于局部感受野造成的全局特征提取不足等现象,为进一步提高遥感图像的分类精度,提出了一种结合三维、二维卷积核混合的神经网络(three dimensional and ... 详细信息

针对传统的基于机器学习和卷积神经网络等遥感图像分类方法整体分类精度不高以及受限于局部感受野造成的全局特征提取不足等现象,为进一步提高遥感图像的分类精度,提出了一种结合三维、二维卷积核混合的神经网络(three dimensional and two dimensional convolutional neural network, 3D-2D CNN)与视觉transformer(vision transformer, ViT)的遥感图像分类方法Hybrid CNN-ViT。算法在3D和2D卷积核充分提取遥感图像空间光谱信息的基础上,通过ViT的多头注意力机制提取全局序列信息,解决全局特征提取不足的问题。实验将影像划分不同比例的训练集、验证集与测试集,并与DBDA、DBMA和3D-2D CNN做对比。结果表明,训练集∶验证集∶测试集为8∶1∶1时,该方法的分类精度达到最高,总体分类精度(99.47%)、Kappa系数(0.9908)均优于其他3种方法。

关键词：卷积神经网络深度学习视觉transformer 地物分类图像处理

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：