排序方式： 共有4条查询结果，搜索用时 93 毫秒
1
1.
基于GAN网络的菌菇表型数据生成研究 总被引：1，自引：0，他引：1
生成式对抗网络是基于对抗过程生成数据模型的新框架,它能够生成高质量的图像数据,为解决小样本数据、非均衡数据分析等提供了行之有效的方法。菌菇作为重要的真菌之一,其种类繁多,数据长尾分布、非均衡性等为其表型智能化识别与分类带来了困难。针对蘑菇表型数据,设计了一个高效的蘑菇表型生成式对抗网络MPGAN。研究了菌菇表型数据生成技术,设计了用于菌菇表型数据生成的生成式对抗网络结构,系统分为模型训练和表型图像生成两个模块。为了提升生成质量,使用Wasserstein距离和带有梯度惩罚的损失函数。利用开源数据和私有数据集测试学习率、处理所需的批次数EPOCH与Wasserstein距离。系统生成的菌菇表型数据为后期菌菇数据分类与识别提供了大数据基础。 相似文献
2.
休闲观光农业是在传统农业和高科技农业基础上,与现代旅游业相结合而形成的交叉产品,具有以休闲观光功能为主,生产、生活与生态相结合,集体闲观光、购物、娱乐、健身、饮食、住宿等多种服务为一体的新型生态产业.休闲观光农业的兴起和发展是社会发展到一定阶段的产物,是人类遭受城市环境恶化与生态环境破坏的双重压力下"返璞归真"的必然结果.我国在发展休闲观光农业方面有很好的条件,而城市连接地带发展休闲观光农业,优势更为明显.文章以湖南西部塘湾镇为例,对城市连接地带乡镇发展休闲观光农业的优势、功能,以及健康发展等问题进行初步探讨. 相似文献
3.
基于Stacking集成学习的水稻表型组学实体分类研究 总被引：3，自引：0，他引：3
为研究整合水稻表型组学相关知识,系统地建立水稻表型组学知识图谱,通过分布式爬虫框架从国家水稻数据中心网站获取水稻表型组学数据集,并以互动百科为辅助数据源获取水稻表型组学数据。对水稻表型组学数据采用TF-IDF技术结合潜在语义模型进行预处理,并对水稻表型组学实体进行人工分类和标注。为实现水稻表型组学实体分类,研究了基于堆叠式两阶段集成学习的分类器组合模型,结合K-近邻算法、支持向量机、随机森林、梯度提升决策树机器学习方法,提升水稻表型组学实体数据分类的性能。研究表明,基于堆叠式两阶段集成学习的分类器组合模型对不同类别的水稻表型组学数据都具有较好的多分类能力,对于不平衡的水稻表型组学数据集,本文方法的分类器组合模型对水稻表型组学数据分类效果最佳,Gene类别的F1为90.47%,总体准确率达80.55%,比支持向量机、K-近邻、随机森林和梯度提升决策树4种基分类器的分类准确率平均高6.78个百分点。 相似文献
4.
在猪病防治中,最大的困难,是猪只捕捉与保定。历年来由于对猪的捕捉与保定缺乏行之有效的方法,因而使防治工作不能顺利进行,严重的影响了工作质量。为此,我们经过了反复思考,根据对马用耳夹子保定可以防止骚搅的原理应用于猪的保定。我们在1963年防治工作中试用自制的猪耳保定钳捕捉与保定猪只,结果获得良好效果,现介绍如下:一、猪耳保定钳子式样:钳子全部用金属钢制 相似文献
1