基于麻雀搜索算法的福建省碳达峰路径优化研究

应对全球碳减排的紧迫挑战,可靠的碳达峰路径对中国碳减排的实施具有重要作用。然而,由于碳排放过程受众多因素影响,且相互作用复杂,传统情景分析方法难以有效识别最优减排路径。为此,在分析福建省的能源消费和碳排放数据的基础上,构建了麻雀搜索算法-支持向量回归模型(Sparrow Search Algorithm-Support Vector Regression,SSA-SVR)模型,该模型综合考虑了影响碳排放的14个关键因素,并基于SVR模型对福建省1999—2022年的碳排放量进行了预测和验证。随后,采用SSA算法优化了各因素的年度变化率组合,探索满足2030年碳达峰目标的多种可能路径。研究结果表明,模型具有较高的准确性和可靠性,探索出的所有路径均能在2030年实现碳达峰,但碳排放量存在显著差异。SSA-SVR模型能够为福建省工业部门实现碳达峰目标提供科学依据和策略建议。

福建省农业技术推广信息化展示平台设计与实现

根据福建省茶叶、蔬菜、食用菌及再生稻4大特色产业,以及在农业技术推广服务中所采用的"科研试验基地、区域示范基地、基层推广站点及农户"有机结合的新模式,设计并提出农业技术推广的信息化服务体系结构。针对多元化推广服务需求和相关数据多类型、多主题和多源异构等问题,采用统一信息资源分类与编码的方法,基于ASP.NET框架的模型视图控制器(Model View Controller,MVC)结构,设计和实现了"GIS+"模式的推广服务信息化展示及其后端管理系统。该系统将各种数据按资源分类编码与WebGIS地图图层关联,并部署在可伸缩、可迁移的H3C CAS云平台中,支持物联网视频监控和传感器的接入,实现了对各特色产业的16个主题14064条服务数据及科研试验基地等的实时监测数据的动态管理与集成展示,已存储视频、图片和文本等多种类型数据约75 GB,可为企业、农户等提供便捷、高效的服务。

一种伪装昆虫图像的前背景自动分割算法——ZDNet

【目的】昆虫常在色彩、纹理或形态上和背景相似,具有伪装性,识别难度大。本研究旨在探索基于深度学习的伪装昆虫前背景自动分割方法。【方法】将显著目标检测算法(salient object detection algorithm)、大模型图像分割算法(large-scale model-based image segmentation algorithm)以及伪装目标检测算法(camouflaged object detection algorithm)应用于伪装昆虫数据集,该数据集包括10类昆虫共1 900张图片;并进一步针对现有伪装目标检测算法的不足,提出了一种基于DGNet(deep-gradient network)的网络模型改进方法,即ZDNet(zoom-deep gradient network)。在构建该模型时,充分运用图像特征增强、交错图像金字塔、梯度诱导和跳跃式特征融合等技术。利用伪装目标检测公开数据集COD10K与CAMO构建了包含螽斯、蜘蛛等10个目昆虫的图像数据集,结合迁移学习进行网络训练,将经过训练的模型用于分割伪装昆虫。【结果】现有的伪装目标检测模型用于伪装昆虫前背景分割时,其分割性能明显优于显著目标检测模型和大模型分割图像。同时,ZDNet在性能上也明显优于现有的伪装目标检测算法,获得的S度量值、最大F度量值、平均F度量值、最大E度量值、平均E度量值和平均绝对误差(mean absolute error,MAE)分别为0.890, 0.865, 0.824, 0.966, 0.951和0.020。【结论】研究结果证明了ZDNet网络模型能够获得很好的伪装昆虫前背景分割结果,有利于提高昆虫识别的性能,也进一步拓宽了伪装目标检测方法的应用范围。

基于生态系统服务价值的土地利用结构优化——以清流县为例

立足国家生态文明建设的要求,如何实现土地利用生态化对于提升生态文明发展路径与促进土地利用结构优化均具有重要意义。以清流县为研究对象,基于2015-2021年该县的土地利用调查数据,对其土地利用现状以及变化进行综合分析;在此基础上,综合运用当量因子法与线性规划模型,分别对清流县生态系统服务价值进行评估与优化,确定该县生态系统最大服务价值情景下土地利用结构的优化方案。结果表明:(1)2015-2021年研究区主要土地利用类型为林地,占研究区总面积的83%以上,耕地和建设用地面积总体呈上升趋势,分别增加70.74hm^(2)和325.06hm^(2);(2)2015-2021年研究区生态系统服务价值总体呈下降趋势,减少2580.67万元,其子指标估算价值依次为:维持生物多样性>水文调节>气体调节>气候调节>保持土壤>原材料生产>提供美学景观>废物处理>食物生产;(3)在生态系统服务价值达到最大的情境下,2030年清流县林地面积较2021年增加0.13%,园地、其他农用地和难利用地分别减少3.84%、1.51%和0.47%。相较于2021年研究区生态系统服务价值增加0.06%。本研究可为区域土地利用规划和生态文明建设提供一定数据支撑和技术参考。

广义后缀树的概念生成算法

提出一种基于广义后缀树的概念生成算法(generalized suffix tree based concept generation algorithm,GSTCG),将背景中所有对象的属性序列及其后缀建立为一棵广义后缀树,并根据广义后缀树产生候选概念;其次,合并具有相同对象集合的候选概念,再根据规则对候选概念进行扩展;最后,删除冗余的候选概念后得到全部形式概念。在两类不同参数人工数据集上的实验结果表明,GSTCG算法与NextClosure算法在所有背景上得到的概念数量一致,且前者具有更优的时间性能。

松墨天牛诱捕器智能管理系统的构建

利用诱捕技术监测和控制松墨天牛Monochamus alternatus已成为松材线虫病防控的一项重要措施。利用ionoic、Spring Boot和MyBatis框架,对如何构建松墨天牛诱捕器的智能管理系统进行了研究。结果表明:开发的系统通过浏览器端主页给用户提供的功能包括生成和管理二维码、查看和汇总诱捕数据、诱捕器空间分布可视化展示和统计分析等,通过APP端提供给用户的功能包括扫描二维码获取诱捕器空间位置信息、自动解析行政区划、录入诱捕情况、不同网络状态下的数据远程传输等。APP使用简便,作业人员在几分钟内即可学会熟练使用。系统已部署到云服务器上,并管理近4万个诱捕器,运行情况正常。平台在福建和山东省的成功应用表明,本系统可以实现对大量诱捕器的高效数据采集、管理和统计学分析,解决了人工记录和管理野外诱捕信息费时费力易混乱的问题。

基于深度学习和无人机遥感技术的玉米雄穗检测研究

【目的】玉米雄穗在玉米的生长过程和最终产量中起关键作用,使用无人机采集玉米抽穗期的RGB图像,研究不同的目标检测算法,构建适用于无人机智能检测玉米雄穗的模型,自动计算图像中雄穗的个数。【方法】使用无人飞行器(UAV)在25 m飞行高度下获得大量玉米抽穗时期的RGB图像,裁剪并标注出图像中玉米雄穗的位置和大小,训练数据和测试数据按照3:1的比例划分数据集;在深度学习框架MXNet下,利用这些数据集,分别训练基于ResNet50的Faster R-CNN、基于ResNet50的SSD、基于mobilenet的SSD和YOLOv3等4种模型,对比4种模型的准确率、检测速度和模型大小。【结果】使用无人机采集了236张图像,裁剪成1024×1024大小的图片,去除成像质量差的图像,利用标注软件labelme获得100张标注的玉米雄穗数据集;最终得到4个模型的mAP值分别为0.73、0.49、0.58和0.72。在测试数据集上进行测试,Faster R-CNN模型的准确率最高为93.79%,YOLOv3的准确率最低,仅有20.04%,基于ResNet50的SSD和基于mobilenet的SSD分别为89.9%和89.6%。在识别的速度上,SSD_mobilenet最快(8.9 samples·s^−1),Faster R-CNN最慢(2.6 samples·s^−1),YOLOv3检测速度为3.47 samples·s^−1,SDD_ResNet50检测速度为7.4 samples·s^−1。在模型大小上,YOLO v3的模型最大,为241 Mb,SSD_mobilenet的模型最小,为55.519 Mb。【结论】由于无人机的机载平台计算资源稀缺,综合模型的速度、准确率和模型大小考虑,SSD_mobilenet最适于部署在无人机机载系统上用于玉米雄穗的检测。

基于增量更新内涵的形式概念生成算法

为高效率地生成概念,提出一种基于增量更新内涵的概念生成算法IUICG(Incremental Updating Intension based Concepts Generation)。首先将背景中的属性逐个设定为任务属性,以任务属性将概念搜索空间划分为先行概念集合和新增概念集合,提高了搜索效率。其次提出了概念操作规则,其中外延过滤规则避免了无效外延对概念空间的搜索,内涵更新规则和新增概念规则提升了概念生成速度。实验结果表明,在不同类型的数据集上,IUICG算法的时间性能都优于对比算法。在对象数量远大于属性数量的数据集上,IUICG算法具有接近线性的时间复杂度。

带全局-局部最优步长比例因子的布谷鸟搜索算法

布谷鸟搜索算法利用Lévy Flights随机走动和Biased随机走动过程完成全局搜索和局部开发.针对原始的Lévy Flights随机走动仅采用固定的常数步长因子,介绍了一种使用每一代中个体的全局和局部最优适应值动态设置步长因子的方法,并提出了一种带全局-局部最优步长比例因子的布谷鸟搜索算法.在测试函数上的运行结果证明,该方法是可行的,且能够全面有效地加强布谷鸟搜索算法的收敛速度和求精能力,其性能总体上比采用固定因子、基于均匀分布随机数或基于贝塔分布随机数比例因子的布谷鸟搜索算法更优.

基于网络社区发现的标签传播聚类算法

高维数据的聚类特性通常难以直接观测.将其构建为复杂网络,节点间的拓扑结构可以反映样本之间的关系.对网络中的节点进行社区发现,可实现对数据更直观的聚类.提出一种基于网络社区发现的低随机性标签传播聚类算法.首先,用半径和最近邻方法将数据集构建为稀疏的全连通网络.之后,根据节点相似度进行节点标签预处理,使得相似的节点具有相同的标签.用节点的影响力值改进标签传播过程,降低标签选择的随机性.最后,基于内聚度进行社区的优化合并,提高社区的质量.在真实数据集和人工数据集上的实验结果表明,该算法对各种类型的数据都具有较好的适应性.

基于NextClosure改进的概念生成算法

针对NextClosure算法中交集运算较多导致的时间性能下降问题,提出了一种改进的概念生成算法INCA。引入一个哈希表(元素为字典形式),每个由内涵与外延构成的键值对在表中只能出现1次,以此避免相同内涵重复计算外延的问题。利用集合元素过滤和缩减闭包正规性判断条件的方法,以此降低交集运算的时间复杂度。仿真结果显示,在不同对象数量、不同属性数量和不同属性填充率的三种背景上,INCA算法的平均运行时间分别比NextClosure算法减少了15.4%、50%和20.3%。该结果表明,INCA算法可有效减少集合运算次数并降低交集操作的时间复杂度,且比NextClosure算法能更好地适应大背景下的概念生成。INCA算法在复杂网络分析和推荐系统等领域具有很好的应用前景。

面向对象教学中多态性概念辨析

多态性是面向对象程序设计的四大特征之一,是课程教学的重点和难点。对多态性概念内涵进行深刻辨析,有助于更好地理解面向对象中功能多样化的实现机制。本文从多态性概念中消息的理解出发,通过实例说明了消息和函数参数、数据的不同,指出多态性描述中的消息是指函数调用、而非通常所理解的函数参数、返回值等信息载体,从而更为科学地理解多态性的内在含义和多态的实现原理,为教学质量和学习效果的提高奠定重要的基础。

嵌入sklearn的分布式武夷岩茶青叶分类系统研究

针对武夷岩茶青叶分类问题,设计了一种嵌入sklearn的分布式岩茶青叶分类系统。对武夷岩茶青叶进行特征提取,从4个方向统计岩茶图像灰度共生矩阵中的能量、熵、相关性和对比度4项特征。设计了武夷岩茶青叶分类系统架构,服务器端嵌入sklearn中的分类算法,根据客户机端发送的岩茶青叶特征值和指定的算法,调用相应的预测模块预测青叶类型。实验结果表明,该系统能同时处理多个客户机的请求,且所选择的岩茶青叶特征在各类算法上都有较好的辨识度。