基于局部加权非相干区域监督的葡萄精确分割算法

精确实例分割作为葡萄产业园中智能化农艺管理的一项关键技术,对于智慧葡萄园的自动化管理具有重要意义。由于葡萄生长密集、重叠现象严重,传统Mask R-CNN算法分割葡萄时存在实例边缘不准确且重叠区域易错的问题。针对上述问题,提出一种基于局部加权非相干区域监督的葡萄精确分割算法。嵌入额外的非相干区域预测分支,提取葡萄的非相干区域(边缘)和局部非相干区域(重叠边界);对于提取到的上述区域掩码进行加权监督,增强网络对易错区域的特征提取能力;基于像素亲和的多任务融合模块被提出,用于建模非相干分支和掩码分支间的像素亲和关系,进一步提升网络分割性能。利用该方法在与YOLACT++、Mask R-CNN、SOLOv2等实例分割网络在不同的评价指标上进行比较,实验结果表明该方法具有较好的分割性能,可以精确分割出葡萄边界及实例重叠区域。

图Laplacian半监督特征加权用于高光谱波段选择

提出一种利用图Laplacian实现半监督波段选择的方法.该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序.实验比较了多种波段选择算法,结果表明算法能更好地利用标记样本的类别信息和大量非标记样本中的局部结构信息,性能优于多种波段选择方法.

An Approach to Unsupervised Character Classification Based on Similarity Measure in Fuzzy Model

This paper presents a fuzzy logic approach to efficiently perform unsupervised character classification for improvement in robustness, correctness and speed of a character recognition system. The characters are first split into eight typographical categories. The classification scheme uses pattern matching to classify the characters in each category into a set of fuzzy prototypes based on a nonlinear weighted similarity function. The fuzzy unsupervised character classification, which is natural in the repre...

基于文本挖掘的教学质量评价指标量化研究

教学质量评价数据主要由专家给出的评判等第和综合评语构成,现存的教学质量评估方法只能根据专家给出的等第对教学质量进行粗略划分,缺少对于专家综合评语的具体量化。本文旨在通过文本挖掘方法实现对于专家评语的具体量化,然后结合专家给出的等第进行监督加权,得到一个结合专家等地和专家评分的综合量化得分,实现对于教学质量的具体评价。最后使用提出的量化指标对该校近三年的教学质量进行稀疏主成分分析,得到的三个主成分具有良好的解释性,可以被解释为“学期效应”、“理论课效应”和“实践课效应”,揭示出新冠疫情爆发导致高校教学质量急剧降低的规律。