基于结构的自适应指纹图像增强算法

指纹图像的周期性和局部方向性是指纹图像的重要结构特征,充分利用这两个结构特征是提高指纹增强算法的重要方法.对一般图像增强算法处理指纹图像分析后,发现了一般图像增强算法无法满足指纹识别系统的要求.为了提高指纹增强算法的综合性能,作者以指纹图像局部方向和周期为参数,并设计了基于梯度得求局部方向的算法,再以Gabor变换为基础,设计了基于结构的自适应滤波算法.试验结果表明,该算法具有很高的实用价值,能够满足一般指纹识别系统性能要求.     

鲫鱼肠道温和气单胞菌的分离鉴定及药敏试验

从鲫鱼肠道分离纯化获得一株细菌,编号为XA-2,对其进行形态观察,并对理化特性、16S rDNA克隆测序及系统发育进化树构建等研究．结果表明,XA-2菌株为革兰氏阴性短杆菌,可发酵葡萄糖产气;进一步采用 PCR方法克隆16S rDNA序列,测得长度为1508 bp ;对系统发育进化树分析,发现XA-2菌株与温和气单胞菌（Aero-monas sobria）模式菌株NCIMB 12065的亲缘关系最近,同源性达99.73％,从而鉴定XA-2菌株为温和气单胞菌．采用27种抗生素进行药敏试验,结果显示该菌株对头孢噻吩、头孢噻肟、头孢克肟、头孢哌酮、新霉素、诺氟沙星、复方新诺明等药物敏感,对先锋霉素Ⅳ、阿莫西林、庆大霉素、卡那霉素、红霉素等药物不敏感．     

基于BP神经网络的田间杂草识别技术研究

设计了一种以田间除草指标体系作为神经网络的输入,以田间除草等级作为输出的田间除草综合评价模型;以田间除草指标的各级评价标准作为模型的训练样本和检验样本,设计了一种神经网络算法,利用Matlab软件对BP神经网络进行训练和检验.结果表明:BP神经网络对检验样本的模拟输出和期望输出是一致的;BP神经网络人工智能技术应用到田间除草,具有运算速度快、精度高,过程方便简捷的优点.     

基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。     

基于污染源反追踪的水质监测点优化选址方法

采用非支配排序遗传算法,以水质监测点探测到的不同污染事件的时段区间重叠度最小化和污染事件探测概率最大化为优化目标,结合案例管网计算监测点优化选址方案.算例结果与以污染事件探测及时度最大化和探测概率最大化为目标的优化选址方案相比表明,水质监测点的污染事件探测能力和污染源位置识别能力较高.     

基于RBF神经网络的自回归系统辨识模型

根据神经网络能以任意精度逼近任意非线性连续函数的特点,通过径向基函数神经网络构建非线性动态系统的辨识模型。针对该模型输入值超出径向基函数的映射区域时将导致系统辨识输出值为零的现象,提出了一种基于改进径向基函数结构的自回归系统辨识的方法,有效地消除了零现象。这使得自适应辨识模型在较大的输入向量下能够逼近实际系统的输出,从而提高了系统辨识的鲁棒性。该方法的可行性得到了仿真验证。     

新疆葡萄炭疽病病原的鉴定及其生物学特性的研究

从新疆巨峰葡萄果腐病斑上分离到1种炭疽菌。根据病菌的形态特征、培养性状、寄主范围和致病性测定等进行鉴定，结果表明：该葡萄炭疽病菌是胶孢炭疽菌(Colletotrichum gloeosporioides(Penz．)Saec．)。该菌的生长温度范围是10～35℃，最适温度为28～30℃；生长的pH值范围是3～9，最适为6；在光暗交替的条件下，病菌生长最快。该菌的寄主范围广泛，曾在内地造成严重危害，目前新疆正在大力发展葡萄生产，对该病的发生应引起高度重视。     

基于梯度图像的块状物体识别方法

提出了基于最小误差分割原理的石块图像分割方法。在获取分割后的二值化图像中,采用了形态学滤波算子进行去噪,然后利用二值图像投影变换,并参考石块底部阴影位置信息,辅助完成对部分场景下的石块识别和定位。     

基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一,诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法,整体研究基于编码-解码框架,采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时,可以捕获前向后向更多依赖信息对处理序列数据更加有优势;引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度;并与目前常用的随机和反转算法进行比较。结果显示,基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求;在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析,显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此,Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。     

线性时间序列模型与双线性模型的识别研究

根据线性模型的特点，在推广的高阶矩概念的基础上，将高阶矩应用于系统的结构辨识问题中。介绍了用最小二乘原理估计高阶矩参数以及判定参数置信区间等内容。