期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于EMD-ELM模型的农产品价格预测研究 被引量：9
1
作者 刘合兵 韩晶晶 +1 位作者 马新明 席磊 《农业大数据学报》 2020年第3期68-74,共7页
【目的】农产品价格变动关乎国计民生,农产品市场价格波动频率快,波动幅度大,受多方面因素共同影响,并呈现出非平稳、非线性等不规律波动特征,这给农产品市场带来极大的挑战。只有充分地分析农产品价格的变化趋势,提高价格预测精度,才... 【目的】农产品价格变动关乎国计民生,农产品市场价格波动频率快,波动幅度大,受多方面因素共同影响,并呈现出非平稳、非线性等不规律波动特征,这给农产品市场带来极大的挑战。只有充分地分析农产品价格的变化趋势,提高价格预测精度,才能更好地指引农产品产业健康发展。【方法】文章以马铃薯为研究对象,基于2014年1月至2019年12月共72组月度价格数据,提出一种经验模态分解(EMD)和极限学习机(ELM)的农产品价格组合预测模型。该组合预测模型充分利用了经验模态分解的自主分解能力和极限学习机设置较少的参数的优势。首先利用经验模态分解将原始价格序列分解为若干个本征模态函数(IMF)和余项,然后将这些分量分别用极限学习机进行预测,最后把各个分量的预测结果进行组合得到原始序列的预测值。【结果】将该方法实际应用于马铃薯价格进行预测并对其预测结果进行评价分析,结果表明其平均绝对误差为0.093元/kg,平均百分比误差为4.265%,均方根误差为0.148,并与单独的极限学习机、BP神经网络和ARIMA方法进行比较,结果表明EMD-ELM组合预测模型具有较好的农产品价格预测性能,能够为预测农产品价格波动提供一种思路,为行业和政府主管部门保障农产品供应决策提供参考依据。 展开更多
关键词 经验模态分解 极限学习机 农产品 价格预测
下载PDF
融合ALBERT与规则的小麦病虫害命名实体识别 被引量：5
2
作者 刘合兵 张德梦 +2 位作者 熊蜀峰 马新明 席磊 《计算机科学与探索》 CSCD 北大核心 2023年第6期1395-1404,共10页
小麦病虫害中文命名实体识别是构建该领域知识图谱的关键步骤,针对小麦病虫害领域训练数据匮乏、实体结构复杂、实体类型多样及实体分布不均匀等问题,在充分挖掘隐含知识的前提下,采用了两种数据增广方法扩充句子语义信息,构建了小麦病... 小麦病虫害中文命名实体识别是构建该领域知识图谱的关键步骤,针对小麦病虫害领域训练数据匮乏、实体结构复杂、实体类型多样及实体分布不均匀等问题,在充分挖掘隐含知识的前提下,采用了两种数据增广方法扩充句子语义信息,构建了小麦病虫害实体识别语料库WpdCNER及其领域词典WpdDict,并在领域专家的指导下定义了16类实体;同时提出了一种基于规则修正的中文命名实体识别模型WPD-RA,该模型基于轻量级BERT+双向长短期记忆网络+条件随机场(ALBERT+BiLSTM+CRF)进行实体识别,并在识别后定义具体规则校准实体边界。融合规则后的ALBERT+BiLSTM+CRF模型取得了最好的识别结果,准确率为94.72%,召回率为95.23%,[F1]值为94.97%,相比不加规则的识别结果,其准确率、召回率、[F1]值分别增加了1.71个百分点、0.34个百分点、1.03个百分点。实验结果表明,该方法能有效识别小麦病虫害领域命名实体,识别性能优于其他模型,为食品安全、生物等其他领域命名实体识别提供了一种可借鉴的思路。 展开更多
关键词 小麦病虫害 数据增广 命名实体识别(NER) ALBERT 规则修正
下载PDF
基于多尺度特征融合的蔬菜价格预测模型研究 被引量：4
3
作者 刘合兵 韩晶晶 +3 位作者 庄晨辉 郑光 席磊 张红阳 《河南农业大学学报》 CAS CSCD 2022年第5期858-867,共10页
【目的】对蔬菜价格进行波动特征分析和预测研究,为经营者提供前瞻性信息,调整生产销售思路,促进相关部门提升市场风险规避的能力。【方法】根据农产品价格的波动特征,提出一种多尺度特征融合的价格预测模型,采用经验模态分解(EMD)将价... 【目的】对蔬菜价格进行波动特征分析和预测研究,为经营者提供前瞻性信息,调整生产销售思路,促进相关部门提升市场风险规避的能力。【方法】根据农产品价格的波动特征,提出一种多尺度特征融合的价格预测模型,采用经验模态分解(EMD)将价格序列分解为若干个本征模态函数(IMF)和余项。为降低IMF1分量的不规则性对预测的影响,将IMF1进行小波变换分解为近似序列和细节序列,分解得到的多尺度分量分别用极限学习机构建预测模型,最后把各个分量的预测结果进行累加融合得到预测值。【结果】利用河南省农产品信息监测系统数据,将该方法应用于河南省马铃薯、莲藕、番茄、黄瓜、大白菜、油麦菜的月均价格进行预测。预测精度评价指标表明马铃薯、莲藕、番茄、黄瓜、大白菜、油麦菜的平均绝对误差分别为0.06、0.25、0.14、0.19、0.04、0.17元·kg^(-1),平均百分比误差为2.70%、4.58%、4.71%、4.76%、3.90%、3.84%,均方根误差为0.08、0.37、0.17、0.26、0.05、0.21。且评价指标与经验模态分解和极限学习机的组合模型进行对比,结果表现较好。【结论】该预测模型可以有效地提高预测精度,具有较好的预测性能,能够适用于多种类蔬菜价格的预测。 展开更多
关键词 经验模态分解 小波变换 极限学习机 蔬菜 价格预测
下载PDF
基于深度可分离与空洞卷积的轻量化小麦生育进程监测模型研究 被引量：3
4
作者 郑光 魏家领 +2 位作者 任艳娜 刘合兵 席磊 《江苏农业科学》 北大核心 2022年第20期226-232,共7页
小麦的栽培管理措施依赖于其生育进程的监测,而传统人工观测小麦生育信息的获取方式,不仅效率低而且无法满足实时、快速的监测需求。为了解决上述问题,本研究提出一种基于深度可分离和空洞卷积的轻量化小麦生育进程监测方法,开展对小麦... 小麦的栽培管理措施依赖于其生育进程的监测,而传统人工观测小麦生育信息的获取方式,不仅效率低而且无法满足实时、快速的监测需求。为了解决上述问题,本研究提出一种基于深度可分离和空洞卷积的轻量化小麦生育进程监测方法,开展对小麦生育进程自动识别的研究。通过对试验田小麦完整生育周期内物候特征的持续拍摄,得到小麦各生育期分类图像数据集,并使用去中心化、错位缩放、翻转变换的图像增强方式对小麦生育期数据集进行扩充;通过使用深度可分离卷积有效地降低了模型的参数量和训练时间,在此基础上加入空洞卷积技术扩大网络中的感受野,提高网络对边缘的特征学习能力,并借助残差网络的技术逐步加深神经网络的深度,构建小麦生育进程监测模型。结果表明,本研究提出的监测模型在识别准确率方面高于经典的VGG16、InceptionV3、ResNet50模型,达到了98.6%。参数规模降低至1.3 MB,相比于轻量级模型MobileNetV2降低了58%,同等环境下在识别速度方面较MobileNetV2提高了47%;同时,利用TensorFlow Serving对监测模型进行部署,遵循前后端分离,采用SpringBoot及BootStrap等技术框架,开发了小麦生育进程智能监测服务系统,系统具有很好的松耦合性和灵活性。本研究为小麦生育进程智能化识别提供了技术支撑,也为低分类场景设计轻量且高效的卷积神经网络模型提供了可借鉴的方法。 展开更多
关键词 小麦 生育期 深度可分离卷积 空洞卷积 智能服务
下载PDF
面向小麦生育进程监测的卷积神经网络精简化研究
5
作者 李祥宇 任艳娜 +1 位作者 马新明 席磊 《江苏农业科学》 北大核心 2022年第8期199-206,共8页
目前,利用机器视觉进行小麦生育进程监测主要是通过人工来进行特征提取,存在客观性差、效率低等问题,为了解决该问题,把深度学习引入到小麦生育进程监测研究中。卷积神经网络作为深度学习中常用的算法被广泛应用于图像分类任务中,使用... 目前,利用机器视觉进行小麦生育进程监测主要是通过人工来进行特征提取,存在客观性差、效率低等问题,为了解决该问题,把深度学习引入到小麦生育进程监测研究中。卷积神经网络作为深度学习中常用的算法被广泛应用于图像分类任务中,使用深层的特征提取网络能够自动识别和提取图像特征,但常规深度卷积网络带来的大量参数和计算开销使这些算法难以应用到对存储空间和参数量有一定限制的嵌入式设备中。为此提出将知识蒸馏方法用于目标检测网络的特征提取网络,以提升浅层特征提取网络的性能,在降低模型的计算量和模型大小的同时尽可能地保证识别结果的准确性。通过使用ResNet50、VGG-16这2个不同教师网络分别指导学生模型MobileNet进行训练,试验结果表明,当ResNet50作为教师模型、MobileNet作为学生模型时识别效果最好,学生模型MobileNet的平均识别准确率达到了97.3%,模型大小压缩为仅19.7 MB,相比于ResNet50缩小了88.9%,通过知识蒸馏的方法,使得到的模型能够在提高准确率的情况下还能减少网络模型的参数量和模型运行时间的消耗,大幅降低部署模型的成本,可以为田间小麦智慧化生产提供技术支撑。 展开更多
关键词 小麦生育期 深度学习 卷积神经网络 模型压缩 知识蒸馏
下载PDF
基于支持向量机和灰色BP神经网络的冬小麦晚霜冻害预测 被引量：6
6
作者 时雷 孙佳佳 +4 位作者 孙嘉玥 郭三党 郑光 席磊 张娟娟 《江苏农业科学》 北大核心 2023年第3期178-187,共10页
晚霜冻害是黄淮海平原冬小麦生产中危害严重的农业气象灾害之一,为有效预测冬小麦晚霜冻害,以河南商丘市为研究区,针对商丘1980—2019年的气象数据,以0℃为阈值确定终霜日,采用灰色季节灾变方法处理数据,得到反映霜冻发生年份规律的间... 晚霜冻害是黄淮海平原冬小麦生产中危害严重的农业气象灾害之一,为有效预测冬小麦晚霜冻害,以河南商丘市为研究区,针对商丘1980—2019年的气象数据,以0℃为阈值确定终霜日,采用灰色季节灾变方法处理数据,得到反映霜冻发生年份规律的间隔数据序列,结合灰色系统和机器学习模型的优点,提出了一个基于支持向量机残差修正的灰色BP神经网络模型。试验结果表明:对照传统灰色预测模型、改进灰色模型以及BP神经网络预测模型,残差修正后的灰色BP神经网络模型的平均相对误差、平均绝对百分比误差和均方差比值分别为0.3843%、1.1502%和0.0690,模型拟合程度进一步提高;对历史数据和预测结果进行分析,发现每20年存在1个晚霜冻发生连续时期,其后晚霜冻发生频率降到2~4年1次,预测商丘下一次晚霜冻发生年份为2022年。本研究提出的冬小麦晚霜冻害预测模型,对各项精度评价指标均有提升,冻害预测结果与实际发生情况基本一致,可为全球气候变化背景下大面积冬小麦晚霜冻害预测提供思路和方法,对其他农业生产灾害预测问题具有一定参考价值。 展开更多
关键词 冬小麦 晚霜冻害 灰色神经网络 支持向量机 BP神经网络
下载PDF
基于PSO-SVR模型的河南省小麦产量预测方法 被引量：5
7
作者 刘合兵 王垒 +1 位作者 王一飞 席磊 《江苏农业科学》 北大核心 2023年第8期157-163,共7页
小麦生产是河南省农业生产中的重要环节,在维持粮食供应和安全方面发挥着重要作用。对小麦产量进行准确预测可以为农业经济调控、政策制定提供重要性信息。为提高小麦产量预测精度,综合考虑影响小麦产量的相关因素,基于皮尔逊相关系数... 小麦生产是河南省农业生产中的重要环节,在维持粮食供应和安全方面发挥着重要作用。对小麦产量进行准确预测可以为农业经济调控、政策制定提供重要性信息。为提高小麦产量预测精度,综合考虑影响小麦产量的相关因素,基于皮尔逊相关系数分析特征变量与产量之间的相关性。选取支持向量回归(support vector regression, SVR)模型解决小麦估产中的复杂性、非线性及小样本等问题。引入粒子群算法(particle swarm optimization, PSO)对SVR模型的惩罚因子(c)和核参数(g)进行优化,提高SVR模型的预测精度。以河南省1978—2019年小麦产量数据及其特征变量数据构建数据集,并与BP、Elman等神经网络模型及优化模型进行对比仿真试验。结果表明,PSO对SVR模型的优化效果明显高于传统的神经网络,PSO-SVR模型预测结果的4项评价指标均优于其他模型。其中,PSO-SVR模型的平均绝对百分比误差MAPE为0.87%,与SVR模型相比误差降低了57.4%、与PSO-BP模型相比误差降低了64.8%。PSO-SVR模型能够提高小麦产量预测精度,稳定性好,可为小麦产量预测提供新的思路与方法,具有较好的应用推广价值。 展开更多
关键词 小麦产量预测 粒子群算法 SVR BP ELMAN
下载PDF
融合语义特征和知识特征的推荐模型
8
作者 郑光 朱越 +2 位作者 时雷 马新明 席磊 《计算机工程与设计》 北大核心 2023年第8期2506-2515,共10页
针对传统推荐模型面临的数据稀疏性问题,提出一种基于结合注意力机制的门控循环单元的融合语义和知识特征的推荐模型。基于知识图谱,使用连续词袋模型捕获项目实体对应的语义特征,依据“偏好扩散”思想进行知识特征的学习,将不同层面特... 针对传统推荐模型面临的数据稀疏性问题,提出一种基于结合注意力机制的门控循环单元的融合语义和知识特征的推荐模型。基于知识图谱,使用连续词袋模型捕获项目实体对应的语义特征,依据“偏好扩散”思想进行知识特征的学习,将不同层面特征进行融合后,使用结合注意力机制的门控循环单元挖掘用户潜在兴趣偏好。基于MovieLens数据集的对比实验结果表明,所提模型能够有效提升推荐效果并缓解数据稀疏性问题,通过消融实验验证了该模型各个组件的有效性。 展开更多
关键词 推荐模型 知识图谱 特征融合 门控循环单元 注意力机制 语义特征 连续词袋
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部