期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于形状特征和支持向量机(SVM)的茶叶病害识别方法
被引量:
8
1
作者
陈荣
李旺
周文玉
《贵州农业科学》
CAS
2021年第4期53-59,共7页
【目的】探索基于形状特征和支持向量机(SVM)的茶叶病害识别方法,为茶叶病害的智能准确识别提供技术支撑。【方法】采集贵州铜仁茶区茶炭疽病、茶饼病、茶白星病的病斑图像,使用MATLAB提取并计算3种病害的病斑面积、周长、外接矩形和外...
【目的】探索基于形状特征和支持向量机(SVM)的茶叶病害识别方法,为茶叶病害的智能准确识别提供技术支撑。【方法】采集贵州铜仁茶区茶炭疽病、茶饼病、茶白星病的病斑图像,使用MATLAB提取并计算3种病害的病斑面积、周长、外接矩形和外接椭圆面积、复杂性、伸长度、矩形度、圆度、面积凹凸比8种形状特征值,分别建立基于单一形状特征和复杂性、伸长度、矩形度、圆度及面积凹凸比5种组合形状特征、4种不同核函数的SVM,对3种茶叶病害进行分类识别,比较其正确识别率,筛选最优识别算法。【结果】基于单一特征的SVM对3种茶叶病害的识别率低于组合形状特征下的正确识别率;基于组合形状特征的SVM中,线性核函数、多项式核函数、径向基核函数、Sigmoid核函数的SVM总识别率分别为90.00%、88.00%、83.33%、86.05%。【结论】基于复杂性、伸长度、矩形度、圆度及面积凹凸比5种组合形状特征,采用线性核函数的SVM对茶炭疽病、茶饼病、茶白星病的分类识别效果较优。
展开更多
关键词
茶叶
病害识别
形状特征
支持向量机
图像处理
机器学习
下载PDF
职称材料
NAT在不同环境下企业网中的应用分析
被引量:
3
2
作者
李旺
陈荣
+1 位作者
肖兰
周文玉
《铜仁学院学报》
2018年第6期104-107,共4页
网络地址转换(Network Address Translation,NAT)是企业边缘网常用的技术之一。针对典型企业网中不同的需求,分析了NAT在不同环境下的企业网络中的应用问题。针对企业向ISP申请不同的公网地址段,分析了不同的NAT技术在各类企业网络环境...
网络地址转换(Network Address Translation,NAT)是企业边缘网常用的技术之一。针对典型企业网中不同的需求,分析了NAT在不同环境下的企业网络中的应用问题。针对企业向ISP申请不同的公网地址段,分析了不同的NAT技术在各类企业网络环境下的应用方法,并基于Cisco Packet Tracer软件进行了仿真,给出了相应的网络配置语句。仿真结果表明:不同类别的NAT技术既能满足企业不同的业务需求,又可减少企业的经济成本。
展开更多
关键词
网络地址转换
NAT
PACKET
TRACER
企业网
下载PDF
职称材料
基于灰度共生矩阵和支持向量机的茶叶病害诊断研究
被引量:
2
3
作者
陈荣
李旺
周文玉
《贵州科学》
2021年第4期80-84,共5页
针对茶叶病害由于致病机理不同导致病斑纹理不同的特点,通过灰度共生矩阵来构造茶叶病害的纹理特征和将支持向量机应用到茶叶病害的识别方法;由于支持向量机是一个二分器,提出了投票最大策略建立SVM多分类识别算法。首先对茶叶病害的图...
针对茶叶病害由于致病机理不同导致病斑纹理不同的特点,通过灰度共生矩阵来构造茶叶病害的纹理特征和将支持向量机应用到茶叶病害的识别方法;由于支持向量机是一个二分器,提出了投票最大策略建立SVM多分类识别算法。首先对茶叶病害的图像进行预处理以改善图像质量,然后利用灰度共生矩阵构造和提取了5种纹理特征,最后建立支持向量机多分类识别器并对茶叶病害进行识别。实验结果表明:利用灰度共生矩阵构造的纹理特征对茶叶病害的识别效果好;不同核函数的识别性能不同,径向基核函数比较适合茶叶病害的识别,识别率高达86.67%;不同样本数的识别性能不同,支持向量机在解决小样本的病害识别问题上有很好的识别能力,最低识别率达到70%,稳定性好。
展开更多
关键词
茶叶病害
灰度共生矩阵
支持向量机
纹理特征
机器学习
下载PDF
职称材料
题名
基于形状特征和支持向量机(SVM)的茶叶病害识别方法
被引量:
8
1
作者
陈荣
李旺
周文玉
机构
铜仁
学院大数据学院
铜仁市
为
拓
网络
技术
有限公司
出处
《贵州农业科学》
CAS
2021年第4期53-59,共7页
基金
贵州省教育厅自然科学研究项目“基于电子舌技术的石阡苔茶品质检测研究”[黔教合KY字(2019)181]
贵州省大学生创新创业训练计划项目“基于BP神经网络的茶叶病害识别研究”(20195201739)
铜仁市科技计划项目“计算机视觉在梵净山区茶叶品种鉴别中的应用研究”[铜市科研(2019)96]。
文摘
【目的】探索基于形状特征和支持向量机(SVM)的茶叶病害识别方法,为茶叶病害的智能准确识别提供技术支撑。【方法】采集贵州铜仁茶区茶炭疽病、茶饼病、茶白星病的病斑图像,使用MATLAB提取并计算3种病害的病斑面积、周长、外接矩形和外接椭圆面积、复杂性、伸长度、矩形度、圆度、面积凹凸比8种形状特征值,分别建立基于单一形状特征和复杂性、伸长度、矩形度、圆度及面积凹凸比5种组合形状特征、4种不同核函数的SVM,对3种茶叶病害进行分类识别,比较其正确识别率,筛选最优识别算法。【结果】基于单一特征的SVM对3种茶叶病害的识别率低于组合形状特征下的正确识别率;基于组合形状特征的SVM中,线性核函数、多项式核函数、径向基核函数、Sigmoid核函数的SVM总识别率分别为90.00%、88.00%、83.33%、86.05%。【结论】基于复杂性、伸长度、矩形度、圆度及面积凹凸比5种组合形状特征,采用线性核函数的SVM对茶炭疽病、茶饼病、茶白星病的分类识别效果较优。
关键词
茶叶
病害识别
形状特征
支持向量机
图像处理
机器学习
Keywords
tea
disease recognition
shape feature
support vector machine
image processing
machine learning
分类号
S435.711 [农业科学—农业昆虫与害虫防治]
TP391.4 [农业科学—植物保护]
下载PDF
职称材料
题名
NAT在不同环境下企业网中的应用分析
被引量:
3
2
作者
李旺
陈荣
肖兰
周文玉
机构
铜仁
学院大数据学院
铜仁市
为
拓
网络
技术
有限公司
出处
《铜仁学院学报》
2018年第6期104-107,共4页
基金
铜仁市科技计划项目(铜市科研(2017)47-35号)
贵州省科技厅科技合作计划项目(黔科合LH字[2016]7288号)
贵州省教育厅青年科技人才成长项目(黔教合KY字[2016]298)
文摘
网络地址转换(Network Address Translation,NAT)是企业边缘网常用的技术之一。针对典型企业网中不同的需求,分析了NAT在不同环境下的企业网络中的应用问题。针对企业向ISP申请不同的公网地址段,分析了不同的NAT技术在各类企业网络环境下的应用方法,并基于Cisco Packet Tracer软件进行了仿真,给出了相应的网络配置语句。仿真结果表明:不同类别的NAT技术既能满足企业不同的业务需求,又可减少企业的经济成本。
关键词
网络地址转换
NAT
PACKET
TRACER
企业网
Keywords
Network address translation
NAT
Packet Tracer
enterprise network
分类号
G852.11 [文化科学—民族体育]
下载PDF
职称材料
题名
基于灰度共生矩阵和支持向量机的茶叶病害诊断研究
被引量:
2
3
作者
陈荣
李旺
周文玉
机构
铜仁
学院大数据学院
铜仁市
为
拓
网络
技术
有限公司
出处
《贵州科学》
2021年第4期80-84,共5页
基金
贵州省教育厅自然科学研究项目《基于电子舌技术的石阡苔茶品质检测研究》(黔教合KY字〔2019〕181)
贵州省大学生创新创业训练计划项目《基于BP神经网络的茶叶病害识别研究》(20195201739)
铜仁市科技计划项目《计算机视觉在梵净山区茶叶品种鉴别中的应用研究》(铜市科研〔2019〕96号)。
文摘
针对茶叶病害由于致病机理不同导致病斑纹理不同的特点,通过灰度共生矩阵来构造茶叶病害的纹理特征和将支持向量机应用到茶叶病害的识别方法;由于支持向量机是一个二分器,提出了投票最大策略建立SVM多分类识别算法。首先对茶叶病害的图像进行预处理以改善图像质量,然后利用灰度共生矩阵构造和提取了5种纹理特征,最后建立支持向量机多分类识别器并对茶叶病害进行识别。实验结果表明:利用灰度共生矩阵构造的纹理特征对茶叶病害的识别效果好;不同核函数的识别性能不同,径向基核函数比较适合茶叶病害的识别,识别率高达86.67%;不同样本数的识别性能不同,支持向量机在解决小样本的病害识别问题上有很好的识别能力,最低识别率达到70%,稳定性好。
关键词
茶叶病害
灰度共生矩阵
支持向量机
纹理特征
机器学习
Keywords
tea disease
gray level co-occurrence matrix
support vector machine
texture feature
machine learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
S435.711 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于形状特征和支持向量机(SVM)的茶叶病害识别方法
陈荣
李旺
周文玉
《贵州农业科学》
CAS
2021
8
下载PDF
职称材料
2
NAT在不同环境下企业网中的应用分析
李旺
陈荣
肖兰
周文玉
《铜仁学院学报》
2018
3
下载PDF
职称材料
3
基于灰度共生矩阵和支持向量机的茶叶病害诊断研究
陈荣
李旺
周文玉
《贵州科学》
2021
2
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部