科研产出
Stacking Learning在高光谱图像分类中的应用
《应用科技 》 2018
摘要：高光谱图像分类研究中,集成学习能够显著地提高分类效果。但是传统的并行多分类系统对基础分类器有较高要求,即要求差异性及分类均衡。为了解决这一问题,采用Stacking Learning的堆栈式学习方式,首先使用K-Fold和交叉验证的方式进行数据分割和训练,将原始特征进行特征变换,重新构建二级特征。再使用新特征进行对Meta分类器进行训练得到判决分类器,用于样本的最后分类判断。实验结果表明,采用的Stacking Learning方法不依赖基础分类器,且相比较于传统的多分类系统具有更高的精度和良好的稳定性。
关键词： 高光谱图像 多分类系统 Stacking Learning 集成学习 交叉验证 图像分类 特征变换 K-Fold
全文链接
请求原文
脱毒马铃薯试管微型薯智能繁育技术
《种子科技 》 2018
摘要：在我国,马铃薯是一种常见的食物,深受消费者的喜爱,为寻找粮食新增长点打开了一个新的突破口,但是在实际的种植过程中还存在着许多问题等待解决。通过脱毒马铃薯试管苗和试管微型薯培育,马铃薯种薯在实践过程中展现出了良好的作用,使培育的马铃薯在产量上有所突破。但是脱毒马铃薯种薯在繁育过程中还存在着一些问题,例如马铃薯试管苗生产规模小、繁殖周期长、容易受污染、栽植成活率低等。对这些问题进行了分析和探究,提出了用脱毒马铃薯试管微型薯智能繁育技术来解决这些问题,提升马铃薯的产量和质量。
全文链接
请求原文
高效氯氟氰菊酯、噻虫嗪及其代谢物噻虫胺在小麦中的残留及消解动态分析
《麦类作物学报 》 2018 北大核心 CSCD
摘要：为了评价高效氯氟氰菊酯、噻虫嗪及其代谢物噻虫胺在小麦生产上的安全性,建立了气相色谱测定的高效氯氟氰菊酯及UPLC-MS/MS测定噻虫嗪和噻虫胺的残留分析方法,并对高效氯氟氰菊酯和噻虫嗪在小麦籽粒、植株和土壤中的消解动态进行了研究。结果表明,高效氯氟氰菊酯、噻虫嗪和噻虫胺在不同样品中的平均加标回收率为77.0%~105.6%,相对标准偏差为0.6%~11.1%;高效氯氟氰菊酯、噻虫嗪和噻虫胺在小麦籽粒、植株和土壤中的最低检测浓度均为0.05mg·kg-1,最小检出量分别为0.002 5、0.000 1、0.012ng。高效氯氟氰菊酯在小麦植株和土壤中的半衰期分别为8.0~12.4d和16.5~19.3d;噻虫嗪在小麦植株和土壤中的半衰期分别为1.2~2.5d和3.7~5.3d;2014年和2015年,在哈尔滨、新乡和银川市三地以240g·hm-2和360g·hm-2施药量分别施药2~3次,距最后一次施药14d时,高效氯氟氰菊酯、噻虫嗪和噻虫胺在小麦籽粒中的最高残留量均小于0.05mg·kg-1,低于我国国家标准(GB2763-2016)。
全文链接
请求原文
