基于多传感器数据融合的农田信息监测系统研究
这是一篇关于智慧农业,农田信息监测,多传感器数据融合,证据理论,微信小程序的论文, 主要内容为智慧农业的发展作为我国数字乡村建设的重要内容,对解决“三农”问题、推动我国现代化农业建设和实施完成乡村振兴战略具有重要意义。针对目前我国农业生产管理大多为传统模式,且现有的农田信息监测系统存在集成性低、稳定性差、监测节点单一和“有数据,缺智慧”等问题,论文以监测信息多样化、数据科学化及管理方便化等为目标,结合农业物联网技术和多传感器数据融合技术,设计了一种基于多传感器数据融合的农田信息监测系统,主要研究工作如下:1.结合现有农业信息监测系统和多传感器数据融合技术的研究现状和现存问题,分析设计一种结合多传感器数据融合技术的农田信息监测系统的可行性及其意义,明确系统的设计需求及设计目标,给出系统的整体设计方案及技术路线。2.基于系统需实现的农作物生长环境数据采集、数据预处理及数据传输等功能,完成监测系统信息采集终端硬件的设计及搭建,其主要可分为集中控制模块、环境信息采集模块、网络传输模块和虫害信息采集模块,其中,为了提高系统的整体集成性,将环境信息采集模块分为外挂式监测套组和插入式检测套组。3.提出了一种运用于农田信息监测领域的多传感器数据融合方法,根据传感器数据的类型,可将其划分为同构和异构数据融合方法。首先,结合Grubbs准则和基于欧式距离的自适应加权法,设计了同构多传感器数据融合方法,解决了现有农田信息监测系统大多采用单一传感器采集数据且稳定性较差的问题,在提高数据准确性的同时也降低了数据的冗余度。其次,基于云模型和改进的证据理论设计了异构多传感器数据融合方法,利用云模型确定证据的基本概率分配函数,并基于证据相似度和确定度改进证据理论,该方法可以更好地解决农田数据的模糊性,并对农田环境进行一致性评价,为用户做出相应的农业调控措施提供一定的参考依据。仿真结果表明,改进后的证据理论方法解决了传统证据理论融合冲突证据得到错误结果的问题,并且有更高的准确性和聚焦性,且所提的同构及异构数据融合方法均具有一定的可行性和有效性。4.研发了基于微信小程序的云平台,由数据传输处理后台、My SQL数据库、图片存储区和微信小程序组成。该云平台可接收系统采集终端上传的信息并对其进行处理,并将信息存入对应的数据库或存储区。微信小程序为系统用户提供了较Web网页和手机app更方便使用的客户端,用户使用微信小程序,可及时查看农田当时的环境数据,并对所种植农作物对应的特征参数及评价指标进行设置。最后,对论文所提系统整体进行了实验验证,结果表明:农田信息监测系统的信息采集终端能够实现数据采集、处理及传输功能,云平台能及时解析处理接收到的数据信息,调用相应的数据融合程序,并将数据存入对应的数据库,同时,用户可通过微信小程序完成查看数据和设置参数等操作。系统的实现为农户做出精准施肥灌溉等相关农业措施提供一定的参考依据,对农作物产量的提高、带动农民脱贫致富以及农业可持续发展有一定的意义。
基于多传感器数据融合的农田信息监测系统研究
这是一篇关于智慧农业,农田信息监测,多传感器数据融合,证据理论,微信小程序的论文, 主要内容为智慧农业的发展作为我国数字乡村建设的重要内容,对解决“三农”问题、推动我国现代化农业建设和实施完成乡村振兴战略具有重要意义。针对目前我国农业生产管理大多为传统模式,且现有的农田信息监测系统存在集成性低、稳定性差、监测节点单一和“有数据,缺智慧”等问题,论文以监测信息多样化、数据科学化及管理方便化等为目标,结合农业物联网技术和多传感器数据融合技术,设计了一种基于多传感器数据融合的农田信息监测系统,主要研究工作如下:1.结合现有农业信息监测系统和多传感器数据融合技术的研究现状和现存问题,分析设计一种结合多传感器数据融合技术的农田信息监测系统的可行性及其意义,明确系统的设计需求及设计目标,给出系统的整体设计方案及技术路线。2.基于系统需实现的农作物生长环境数据采集、数据预处理及数据传输等功能,完成监测系统信息采集终端硬件的设计及搭建,其主要可分为集中控制模块、环境信息采集模块、网络传输模块和虫害信息采集模块,其中,为了提高系统的整体集成性,将环境信息采集模块分为外挂式监测套组和插入式检测套组。3.提出了一种运用于农田信息监测领域的多传感器数据融合方法,根据传感器数据的类型,可将其划分为同构和异构数据融合方法。首先,结合Grubbs准则和基于欧式距离的自适应加权法,设计了同构多传感器数据融合方法,解决了现有农田信息监测系统大多采用单一传感器采集数据且稳定性较差的问题,在提高数据准确性的同时也降低了数据的冗余度。其次,基于云模型和改进的证据理论设计了异构多传感器数据融合方法,利用云模型确定证据的基本概率分配函数,并基于证据相似度和确定度改进证据理论,该方法可以更好地解决农田数据的模糊性,并对农田环境进行一致性评价,为用户做出相应的农业调控措施提供一定的参考依据。仿真结果表明,改进后的证据理论方法解决了传统证据理论融合冲突证据得到错误结果的问题,并且有更高的准确性和聚焦性,且所提的同构及异构数据融合方法均具有一定的可行性和有效性。4.研发了基于微信小程序的云平台,由数据传输处理后台、My SQL数据库、图片存储区和微信小程序组成。该云平台可接收系统采集终端上传的信息并对其进行处理,并将信息存入对应的数据库或存储区。微信小程序为系统用户提供了较Web网页和手机app更方便使用的客户端,用户使用微信小程序,可及时查看农田当时的环境数据,并对所种植农作物对应的特征参数及评价指标进行设置。最后,对论文所提系统整体进行了实验验证,结果表明:农田信息监测系统的信息采集终端能够实现数据采集、处理及传输功能,云平台能及时解析处理接收到的数据信息,调用相应的数据融合程序,并将数据存入对应的数据库,同时,用户可通过微信小程序完成查看数据和设置参数等操作。系统的实现为农户做出精准施肥灌溉等相关农业措施提供一定的参考依据,对农作物产量的提高、带动农民脱贫致富以及农业可持续发展有一定的意义。
基于深度学习的目标识别算法性能评价
这是一篇关于自动目标识别,深度学习,性能评价,证据理论,证据推理的论文, 主要内容为近年来,深度学习大量应用到自动目标识别领域,如何综合客观评价基于不同深度网络模型的目标识别方法的性能是实际应用中急需解决的问题。随着自动目标识别技术的发展和应用,现有的基于深度学习的目标识别算法性能评价指标并不能满足当前自动目标识别技术实际应用的需求。因此,本文针对自动目标识别性能评价问题,以舰船目标识别应用为背景,开展了基于深度学习的目标识别算法性能评价相关的关键技术研究。主要完成工作如下:(1)面向自动目标识别实际应用,从准确性、实时性和模型复杂度三个维度,设计并构建了新的自动目标识别性能评价指标体系。(2)提出一种基于DS-ER的自动目标识别性能评价方法。首先,通过领域专家问卷调查,利用层次分析法AHP实现了性能评价指标体系中各指标的相对权重确定;然后,将证据推理ER方法与证据理论DS相结合,通过多性能评价指标联合信度矩阵和证据理论特征进行各指标信息合成,计算得到自动目标识别算法性能的总置信度;最后,通过加权方法,计算得到最终的性能评价结果。该方法具有计算复杂度低、能够实现对自动目标识别算法性能的不确定性进行定量描述、能够实现多个自动目标识别算法的性能优劣排序并最终确定具有最佳性能的自动目标识别方法等特点。(3)以舰船目标识别应用为背景,利用已有的公开数据集和自建舰船数据集,分别对六种深度网络自动目标识别算法开展自动目标识别性能评价方法实例验证和分析:在资源受限应用场景中,改进SSD方法性能表现最佳;在资源不受限应用场景中,YOLOv3方法取得最佳目标识别性能;实验结果与实际应用情形相符。(4)利用前后端分离思想,综合Element UI组件库、Vue.js和Spring MVC等技术,设计并实现了基于深度学习的目标识别算法性能评价原型系统,并利用该原型系统开展了实验验证和分析。
基于多传感器数据融合的农田信息监测系统研究
这是一篇关于智慧农业,农田信息监测,多传感器数据融合,证据理论,微信小程序的论文, 主要内容为智慧农业的发展作为我国数字乡村建设的重要内容,对解决“三农”问题、推动我国现代化农业建设和实施完成乡村振兴战略具有重要意义。针对目前我国农业生产管理大多为传统模式,且现有的农田信息监测系统存在集成性低、稳定性差、监测节点单一和“有数据,缺智慧”等问题,论文以监测信息多样化、数据科学化及管理方便化等为目标,结合农业物联网技术和多传感器数据融合技术,设计了一种基于多传感器数据融合的农田信息监测系统,主要研究工作如下:1.结合现有农业信息监测系统和多传感器数据融合技术的研究现状和现存问题,分析设计一种结合多传感器数据融合技术的农田信息监测系统的可行性及其意义,明确系统的设计需求及设计目标,给出系统的整体设计方案及技术路线。2.基于系统需实现的农作物生长环境数据采集、数据预处理及数据传输等功能,完成监测系统信息采集终端硬件的设计及搭建,其主要可分为集中控制模块、环境信息采集模块、网络传输模块和虫害信息采集模块,其中,为了提高系统的整体集成性,将环境信息采集模块分为外挂式监测套组和插入式检测套组。3.提出了一种运用于农田信息监测领域的多传感器数据融合方法,根据传感器数据的类型,可将其划分为同构和异构数据融合方法。首先,结合Grubbs准则和基于欧式距离的自适应加权法,设计了同构多传感器数据融合方法,解决了现有农田信息监测系统大多采用单一传感器采集数据且稳定性较差的问题,在提高数据准确性的同时也降低了数据的冗余度。其次,基于云模型和改进的证据理论设计了异构多传感器数据融合方法,利用云模型确定证据的基本概率分配函数,并基于证据相似度和确定度改进证据理论,该方法可以更好地解决农田数据的模糊性,并对农田环境进行一致性评价,为用户做出相应的农业调控措施提供一定的参考依据。仿真结果表明,改进后的证据理论方法解决了传统证据理论融合冲突证据得到错误结果的问题,并且有更高的准确性和聚焦性,且所提的同构及异构数据融合方法均具有一定的可行性和有效性。4.研发了基于微信小程序的云平台,由数据传输处理后台、My SQL数据库、图片存储区和微信小程序组成。该云平台可接收系统采集终端上传的信息并对其进行处理,并将信息存入对应的数据库或存储区。微信小程序为系统用户提供了较Web网页和手机app更方便使用的客户端,用户使用微信小程序,可及时查看农田当时的环境数据,并对所种植农作物对应的特征参数及评价指标进行设置。最后,对论文所提系统整体进行了实验验证,结果表明:农田信息监测系统的信息采集终端能够实现数据采集、处理及传输功能,云平台能及时解析处理接收到的数据信息,调用相应的数据融合程序,并将数据存入对应的数据库,同时,用户可通过微信小程序完成查看数据和设置参数等操作。系统的实现为农户做出精准施肥灌溉等相关农业措施提供一定的参考依据,对农作物产量的提高、带动农民脱贫致富以及农业可持续发展有一定的意义。
基于深度学习的目标识别算法性能评价
这是一篇关于自动目标识别,深度学习,性能评价,证据理论,证据推理的论文, 主要内容为近年来,深度学习大量应用到自动目标识别领域,如何综合客观评价基于不同深度网络模型的目标识别方法的性能是实际应用中急需解决的问题。随着自动目标识别技术的发展和应用,现有的基于深度学习的目标识别算法性能评价指标并不能满足当前自动目标识别技术实际应用的需求。因此,本文针对自动目标识别性能评价问题,以舰船目标识别应用为背景,开展了基于深度学习的目标识别算法性能评价相关的关键技术研究。主要完成工作如下:(1)面向自动目标识别实际应用,从准确性、实时性和模型复杂度三个维度,设计并构建了新的自动目标识别性能评价指标体系。(2)提出一种基于DS-ER的自动目标识别性能评价方法。首先,通过领域专家问卷调查,利用层次分析法AHP实现了性能评价指标体系中各指标的相对权重确定;然后,将证据推理ER方法与证据理论DS相结合,通过多性能评价指标联合信度矩阵和证据理论特征进行各指标信息合成,计算得到自动目标识别算法性能的总置信度;最后,通过加权方法,计算得到最终的性能评价结果。该方法具有计算复杂度低、能够实现对自动目标识别算法性能的不确定性进行定量描述、能够实现多个自动目标识别算法的性能优劣排序并最终确定具有最佳性能的自动目标识别方法等特点。(3)以舰船目标识别应用为背景,利用已有的公开数据集和自建舰船数据集,分别对六种深度网络自动目标识别算法开展自动目标识别性能评价方法实例验证和分析:在资源受限应用场景中,改进SSD方法性能表现最佳;在资源不受限应用场景中,YOLOv3方法取得最佳目标识别性能;实验结果与实际应用情形相符。(4)利用前后端分离思想,综合Element UI组件库、Vue.js和Spring MVC等技术,设计并实现了基于深度学习的目标识别算法性能评价原型系统,并利用该原型系统开展了实验验证和分析。
面向互联网医疗的智能网上药店药品推荐系统的研究与实现
这是一篇关于专家系统,协同过滤推荐,互联网医疗,证据理论的论文, 主要内容为随着社会的发展,人们对医疗健康服务的需求不断增加,在这个背景下,中国的互联网药品交易市场规模不断扩大,网上药店已经形成了一种势不可挡的发展趋势。不过,互联网在线购药这种方式还是存在一定的缺陷,主要在于用户缺乏对病症以及药物相关的专业性知识,个人购药往往无法做到对症下药,导致用错药物甚至使病情更加严重。所以针对这一问题,本文提出一种结合专家系统的协同过滤智能推荐方法来构建网上药店药品推荐系统。专家系统保证了药品推荐的“专业性”,以保证能够对症下药,协同过滤方法则主要考虑用户的“个体差异性”,两种方法相结合,以保证药品推荐结果的专业有效。首先,本文介绍了国内外互联网医疗的情况,主要是网上药店的发展现状,并对其发展瓶颈与问题进行介绍,引出本文的研究方向。其次,对专家系统与个性化推荐的国内外的研究与发展进行阐述,明确本文的研究目标与内容。紧接着对专家系统与个性化推荐以及高并发系统构建的相关理论与技术进行介绍,为后续的研究与实现奠定了理论基础。接下来重点研究面向互联网医疗的智能药品推荐算法与系统的设计与实现,包括:(1)专家系统的设计与实现,在专家系统的构建中,采用产生式规则结合XML知识表示法对专家知识进行存储,使用D-S证据合成理论进行不确定推理,并创新性地加入缓存设计对专家系统的结构进行改进,提高知识推导效率;(2)协同过滤推荐算法的设计与实现,详细介绍了数据采集方式,数据处理方式以及最后的推荐结果生成算法,以隐式反馈为主,显式反馈为辅进行数据采集以及“用户-药品”兴趣矩阵的生成与修正,在协同过滤算法的实现中,对传统的相似度计算方法进行改进,提高算法的准确性,并使用阈值判断方法生成目标用户的相似群体,降低算法的时间复杂度,提高算法效率;(3)网上药店系统的设计与实现,包括网上药店的需求分析,总体设计,网上药店的数据库设计与相关核心模块的实现。最后,在系统与算法研究实现的同时,为了验证系统的可用性和推荐算法的改进效果,设计了相关实验进行测试与验证,并对测试结果进行分析。最后,对本文进行总结,并对本文工作的不足之处进行展望与分析。本文提出的结合专家系统的协同过滤智能药品推荐方法是一种针对现有互联网医疗的药品推荐的有效方法,结合本文设计的优化策略,可以提高网上药店在线药品推荐的准确性与效率,为互联网在线购药用户提供更好的医疗健康服务。
基于深度学习的目标识别算法性能评价
这是一篇关于自动目标识别,深度学习,性能评价,证据理论,证据推理的论文, 主要内容为近年来,深度学习大量应用到自动目标识别领域,如何综合客观评价基于不同深度网络模型的目标识别方法的性能是实际应用中急需解决的问题。随着自动目标识别技术的发展和应用,现有的基于深度学习的目标识别算法性能评价指标并不能满足当前自动目标识别技术实际应用的需求。因此,本文针对自动目标识别性能评价问题,以舰船目标识别应用为背景,开展了基于深度学习的目标识别算法性能评价相关的关键技术研究。主要完成工作如下:(1)面向自动目标识别实际应用,从准确性、实时性和模型复杂度三个维度,设计并构建了新的自动目标识别性能评价指标体系。(2)提出一种基于DS-ER的自动目标识别性能评价方法。首先,通过领域专家问卷调查,利用层次分析法AHP实现了性能评价指标体系中各指标的相对权重确定;然后,将证据推理ER方法与证据理论DS相结合,通过多性能评价指标联合信度矩阵和证据理论特征进行各指标信息合成,计算得到自动目标识别算法性能的总置信度;最后,通过加权方法,计算得到最终的性能评价结果。该方法具有计算复杂度低、能够实现对自动目标识别算法性能的不确定性进行定量描述、能够实现多个自动目标识别算法的性能优劣排序并最终确定具有最佳性能的自动目标识别方法等特点。(3)以舰船目标识别应用为背景,利用已有的公开数据集和自建舰船数据集,分别对六种深度网络自动目标识别算法开展自动目标识别性能评价方法实例验证和分析:在资源受限应用场景中,改进SSD方法性能表现最佳;在资源不受限应用场景中,YOLOv3方法取得最佳目标识别性能;实验结果与实际应用情形相符。(4)利用前后端分离思想,综合Element UI组件库、Vue.js和Spring MVC等技术,设计并实现了基于深度学习的目标识别算法性能评价原型系统,并利用该原型系统开展了实验验证和分析。
旋转机械故障诊断多代理系统的研制
这是一篇关于旋转机械,故障诊断,证据理论,联盟的论文, 主要内容为基于多代理的故障诊断技术是机械故障诊断领域研究的热点之一。论文以旋转机械为对象,针对多代理故障诊断系统实现中的若干关键问题进行了较为深入的研究。 首先,论文在系统分析三(多)层分布式网络结构的基础上,应用CORBA规范和代理技术,给出了多代理故障诊断系统的体系结构,并在此基础上设计了系统代理的结构。应用中间应用程序层(即诊断控制代理)结构,设计完成了诊断控制中心;通过对传统的神经网络、模糊诊断方法改造,设计完成了BP人工神经网络诊断代理和模糊理论诊断代理。 其次,论文对多代理系统的动态联盟方法和策略进行了研究,提出了基于Dempster-Shafer 证据理论进行联盟的方法。论文对Dempster-Shafer理论进行了改进,给出多因素、分层次的证据合成机制,并给出证据经验知识积累和自学习方法。 最后,论文应用JAVA(JSP)和CORBA设计完成了旋转机械故障诊断多代理系统,仿真结果和实际应用实例表明,系统是可行和有效的。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码项目助手 ，原文地址：https://bishedaima.com/lunwen/48070.html
