基于SLIC超像素的茶叶嫩芽图像分割方法研究

准确识别茶叶嫩芽是实现茶叶智能采摘的前提。针对自然环境下的茶叶嫩芽图像分割受天气、光照等因素影响较大,提出基于SLIC超像素的嫩芽分割方法。提取R、G、B、H、S、V、Y、Cb、Cr、超红、超绿、Cg、R-B、G-B共14个颜色分量,分析发现以超红、Cg和G-B三分量合成彩图中嫩芽与背景对比度较大,作为待分割对象图;利用SLIC超像素分割算法获取超像素块,并对每个超像素块提取平均横坐标、平均纵坐标、平均超红、平均Cg、平均G-B 5个特征作为分割依据;利用阈值分割、小目标去除、填充和"逻辑与"等操作,得到茶叶嫩芽彩色分割图。对不同地域、不同环境下嫩芽图像进行实验表明,基于SLIC超像素的嫩芽分割平均分割精度达75.6%,较传统G-B阈值分割平均精确度高16.6%。该方法不仅能抑制光照等因素对茶叶图像的影响,还能有效分割茶叶嫩芽,鲁棒性较强。     

一种高效的求解非线性方程的史蒂芬森型迭代法

首先,针对非线性方程求根问题,提出一种最优4阶收敛的无记忆史蒂芬森型方法.在迭代过程中该新方法不需要计算任何导数,仅需计算3个函数值就达到了4阶收敛,该方法的计算效率为1. 587;其次,利用加速参数得到该无记忆迭代法的有记忆迭代格式,进一步提高了收敛阶;最后,将无记忆迭代法扩展到Banach空间,用于求解非线性方程组,并且数值实验结果验证了方法的有效性.     

基于机器学习的油气水层随钻识别模型优选

为了解决基于测井数据对油气水层的实时识别这一技术难题,利用计算机科学与现代数学,结合随钻测井技术与机器学习算法进行油气水层的随钻识别。首先,对训练集数据进行相关性分析,剔除弱相关或冗余数据;其次,选择一对多支持向量机、一对一支持向量机以及随机森林算法分别建立油气水层分类识别模型,并使用网格搜索方法及10折交叉验证法对3种分类识别模型参数进行优选;最后,运用参数优选后的各分类识别模型,对随钻测井数据进行油气水层的识别。研究结果表明,3种分类识别模型对研究区块油气水层随钻识别的准确率均达到75%以上。在训练样本较少的情况下,优先选用一对一支持向量机分类识别模型进行油气水层的随钻识别。     

基于交替迭代法的MMC-MTDC交直流混合系统的潮流分析

为解决大规模新型可再生能源的并网和消纳问题,多端柔性交、直流混合输电系统成为近年来研究的热点,且潮流计算分析又是研究其稳定控制及故障分析的基础.对此,建立了基于模块化多电平换流器的多端直流输电系统(MMC-MTDC)的稳态潮流计算数学模型,提出了MMC-MTDC交直流混合系统潮流计算的交替迭代求解法,对交流子系统采用传统的牛顿-拉夫逊计算方法,对直流子系统则采用节点阻抗矩阵形式的Gauss-Seidel方法.最后,在MATLAB软件平台编写交替迭代算法程序,以改进的IEEE 9和IEEE 22节点且包含三端MMC-MTDC的交直流混合系统为例进行仿真计算,结果表明所提出的交替迭代求解法具有收敛速度快、准确性高的优点.     

基于CNN-CRF的中文电子病历命名实体识别研究

智慧医疗技术的发展让我们不满足仅使用传统方法做医学研究。针对中文电子病历实体识别问题,设计了一种基于卷积神经网络结合条件随机场(convolutional neural network-conditional random field,CNN-CRF)的实体识别算法框架。为得到高质量的词向量,将标注实体加入词典进行分词,并将已标注和未标注文本作为语料,用word2vec工具对已分词文本进行无监督学习;为避免扩张卷积层数增加导致过拟合,采用迭代扩张卷积处理输入向量,并使用dropout随机丢弃一些连接;运用条件随机场对网络的分类结果进行修正。把该方法在中文电子病历上进行对比试验,从病历中提取出身体部位,疾病,症状,检查及治疗5类实体。实验结果表明,该方法能有效地辨别病历中的实体,其识别的准确率、召回率和f1值分别为90.01%,90.62%,90.31%,准确率和速率比传统方法都有一定提高。     

结构-地震动双随机的隔震结构倒塌鲁棒性分析

为分析基于结构及地震动双随机的隔震结构竖向连续倒塌鲁棒性,依据二次四阶矩可靠度理论提出随机鲁棒性指标,通过对比分析隔震结构考虑结构随机、地震动随机性以及同时考虑结构-地震动随机性的鲁棒性指标,揭示随机性对隔震结构竖向连续倒塌鲁棒性的影响,以及PGA对隔震结构抗竖向连续倒塌鲁棒性产生的作用.研究结果表明:基于可靠度的随机鲁棒性指标可定量评估隔震结构抗竖向连续倒塌能力;若仅考虑结构随机或地震动随机,均会高估结构抗竖向连续倒塌能力;此外,随PGA增大,结构抗竖向连续倒塌鲁棒性下降,强震作用下,隔震结构极可能发生竖向连续倒塌现象.     

基于贝叶斯模型组合的随机森林预测方法

为了能够精准可靠地估计太阳能辐照度,本文提出一种基于贝叶斯模型组合的随机森林算法用于太阳能辐照度预测.首先,引入K-means聚类和K折交叉验证将气象数据训练集生成多个训练子集,以增加训练子集的多样性并保证均匀采样.其次,将随机森林作为基学习器建立集成学习预测模型,导入训练子集并训练各个随机森林.之后,依据各个随机森林在验证集上的预测性能,采用贝叶斯模型组合算法制定组合策略.个体随机森林在测试集上的预测值经过模型组合策略得到最终输出.最后,基于气象实测数据建立仿真实验,并引入其他四种预测方法进行对比仿真研究,通过实验结果验证了文中所提出预测方法在太阳能辐照度预测问题中的准确性和可靠性.     

次梯度外梯度方法求解随机变分不等式

随机变分不等式在供应链网络、交通运输和博弈论中具有广泛的应用。提出基于次梯度外梯度的随机逼近方法求解随机变分不等式,将矫正步的投影改投在半空间,以此来减少计算投影的代价。在适当的假设下,证明了所提出的算法具有全局收敛性。     

中立型时滞随机微分方程数值解的指数稳定性

讨论了中立型时滞随机微分方程向后欧拉与前后欧拉数值解的几乎处处渐近指数稳定性,结果表明,在给定条件下,对于任意初值,用向后欧拉方法与前后欧拉方法得到非线性中立型时滞随机微分方程的数值解都是几乎处处渐近指数稳定的。