排序方式: 共有23条查询结果,搜索用时 15 毫秒
21.
基于SVM和AdaBoost的棉叶螨危害等级识别 总被引:1,自引:0,他引:1
针对自然条件下棉叶螨虫害等级识别难的问题,在自然条件下以普通手机采集棉叶图像作为实验对象,首先使用大津法和连通区域标记算法,将棉花叶片图像与背景分离,然后,提取不同棉叶螨危害等级棉叶图像的颜色、纹理和边缘特征数据,使用支持向量机(Support vector machine,SVM)单独进行分类实验,得到平均识别正确率为76. 25%,最后,采用SVM和AdaBoost相结合的算法,生成最优判别模型,实现对棉叶螨危害等级的识别,平均识别正确率为88. 75%。对比实验表明,提出的棉叶螨危害等级识别方法比BP神经网络的平均识别正确率高13. 75个百分点,比单独采用SVM算法高12. 5个百分点,比单独采用AdaBoost算法高8. 75个百分点,SVM和AdaBoost相结合的算法可较好地对棉叶螨危害等级进行识别,为棉叶螨数字化防治和变量喷药提供了数据支持。 相似文献
22.
财政部发布了39项会计准则和48项注册会计师审计准则的新规则,其中新会计准则已于2007年1月1日起在上市公司中执行,并鼓励其他企业执行。回顾旧的会计准则均 相似文献
23.
【目的】研究安宁河流域土地利用的时空演变、地形梯度分异特征及其转型的驱动因素,为区域土地利用规划及土地资源管理提供理论依据。【方法】选取海拔、坡度和地形起伏度3个地形特征,基于土地利用、自然环境和社会经济数据,借助CA-Markov模型、PLUS模型和地形分布指数等方法,分析2000—2020年安宁河流域土地利用时空演变特征、驱动机制和地形梯度分异,并进行2030年未来情景模拟。【结果】2000—2020年,安宁河流域土地利用以林地和耕地为主,二者分别占61.74%和24.86%以上;其次为草地和建设用地,分别占8.40%和1.02%以上;水域和未利用地面积较少,占比均低于1.13%。2000—2020年林地和建设用地迅速增长,其余地类不同程度减少,耕地、林地和草地与其他地类转化强烈。2020—2030年建设用地和林地有缩减趋势,其余地类呈增长趋势。耕地、建设用地和水域集中在地形起伏较小的低中海拔河谷地带,林地、草地和未利用地集中于地形起伏较大的中高海拔山区。海拔、坡度和人口密度是影响耕地、林地和未利用地变化的主要驱动因素,GDP、距水域和高速公路距离为草地、水域和建设用地变化的主要驱... 相似文献