排序方式： 共有6条查询结果，搜索用时 58 毫秒
1
1.
2.
针对农田无线传感器网络节点分布不均、能量约束严格等特点,提出了一种能量高效的簇头选择方法TBCS-EA,在以剩余能量进行簇头选择的基础上根据节点拓扑位置、拓扑密度等进行加权,使距离sink较近的节点与密集区节点大概率成为簇头,提高成簇能量使用效率。针对现有成簇算法频繁进行簇头选举,算法开销大等问题,提出了一种能量逼近式簇头轮换机制,节点连续担任簇头并以某一目标进行能量逼近,在达到逼近目标后进行根据簇内信息指定新簇头,减少簇头选择的次数与协议开销。仿真与实验结果表明,TBCS-EA算法的网络生命周期约为LEACH的2.2倍,CHCS的1.5倍,从节点能量曲线看能耗均衡效果与CHCS相当,明显优于LEACH。结果显示TBCS-EA综合性能较之于现有算法有明显提升。 相似文献
3.
本文报道了一、二年生红皮云杉干物质和氮磷钾积累与分配的动态变化。为认识红皮云杉幼苗的营养规律,制定苗床施肥措施提供了基础资料。 相似文献
4.
基于正则化与时空约束改进K最近邻算法的农业物联网数据重构 总被引：1，自引：0，他引：1
针对农业复杂环境易发的物联网感知数据丢失异常问题,该文提出一种基于正则化惩罚的K最近邻数据重构方法(K nearest neighbor-regularization penalty,KNN-RP),采用岭回归方法对最近邻方法中的最小二乘因子进行正则化,并讨论了惩罚项的范数选取形式。通过对农业物联网感知数据的时空稳定性与相关性分析,确定了时间与空间约束矩阵的定义方式。采用温室数据样本对算法性能进行交叉验证,结果显示该文的KNN-RP性能在点丢失模型下优于KNN、反距离加权KNN算法以及DT算法,而在块丢失模型下优于KNN和反距离加权KNN算法,略低于DT算法,提高了农业物联网的感知数据质量。该研究可为基于物联网数据的农业生产决策提供参考。 相似文献
5.
近年来，基于叶片图像的番茄病害识别研究受到广泛关注。本研究利用番茄叶部病害图像中病斑的颜色和纹理的差异，通过提取番茄病害叶片图像的颜色矩（CM）、颜色聚合向量（CCV）和方向梯度直方图（HOG）等颜色纹理特征，引入核相互子空间法（KMSM），建立了番茄叶部病害快速识别模型（CCHKMSM）。该模型首先通过高斯核函数，将从不同类别叶部病害图像数据中抽取的颜色及纹理特征映射到高维空间；然后对映射的高维空间进行主成分分析，建立非线性病害特征空间；最后基于非线性特征空间最小正则角对病害进行识别。本研究分别以公共农业病虫害数据集PlantVillage中的9种番茄病害类和1类健康番茄叶片图像，以及实际场景下采集的3种叶部病虫害图像数据集开展算法验证试验。基于PlantVillage的试验结果表明，当每类样本集数量为350张时，本研究所提出的CCHKMSM模型识别率达到100%，模型训练时间为0.1540 s，平均识别时间为0.013 s；同时，在样本数量150张到1000张的测试区间内，模型平均识别率为99.14%。该识别率高于其他典型的机器学习模型，与基于深度学习的识别方法相当。基于实际复杂场景下采集病害图像集的实验中，通过对原始图像切割分块后，对各病害的平均识别率为96.21%。试验结果表明，本研究提出的CCHKMSM模型识别准确率高且计算量小，其训练时间和测试时间都远低于深度学习等方法。该方法对系统要求低，具有在手持设备、边缘计算终端等低配置感知系统中的应用潜力。 相似文献
6.
在实施乡村振兴战略、推动数字农业与数字乡村发展的时代背景下,为了提高乡村数字化建设效率,运用物联网、系统协同、人工智能等手段获取村镇基础设施、自然环境、社会经济、生产技术、商贸物流、社会保障、基层治理等动静态数据,构建数字乡村大数据平台.平台基于"数据中台-业务前台"服务架构,支持多用户定制、数据多维分析和多业态服务扩展,实现产业兴旺、生态宜居、乡风文明、治理有效、生活富裕5个系统,通过乡村大数据管理、挖掘和决策分析为村镇管理部门、经营组织和农民提供个性化服务.该平台已成功应用于多个乡镇,为乡村产业经济发展、农民生活品质提高和基层治理能力提升提供一种开放、高效的信息化解决方案. 相似文献
1