不確定性知識表示是目前人工智能領(lǐng)域研究的熱點(diǎn),許多機(jī)器學(xué)習(xí)的算法、智能預(yù)測的工具及其應(yīng)用也在不斷的創(chuàng)新。特別的,在智能研究中存在的類似“左右”、“大約”或“大概”等不確定性概念在各個(gè)領(lǐng)域的研究中出現(xiàn)頻繁,也使得研究重點(diǎn)的一部分,轉(zhuǎn)移到不確定性的研究上來。為了使得這些不確定性得到緩解,許多不確定性表示方法相繼發(fā)展。在多種農(nóng)作物中,小麥產(chǎn)量當(dāng)居前三,是重要糧食來源。小麥赤霉病是小麥病害中危害范圍和程度都較為廣泛的一種。其病情嚴(yán)重的評判指標(biāo)是由小麥赤霉病測報(bào)技術(shù)規(guī)范標(biāo)準(zhǔn)[GBT15796-2011]中病穗率的范圍來判別。由于硬性劃分等級會出現(xiàn):“兩個(gè)無限接近臨界值卻劃分到不同等級”的情況,對于這些臨界點(diǎn)很難定義其等級。因此,對小麥赤霉病的分級制度中的不確定性進(jìn)行合理表示,對施水施藥具有一定的指導(dǎo)性意義。本文將小麥赤霉病在分級診斷中出現(xiàn)的不確定性作為研究對象,利用云模型作為不確定性知識表示工具,實(shí)現(xiàn)赤霉病等級劃分過程的不確定性知識表示。并對表示結(jié)果進(jìn)行綜合評價(jià)和分析說明。論文的主要研究工作如下:（1）論述了不確定性知識的表示方法,以及其中的云模型在各領(lǐng)域中的應(yīng)用。本文在闡述了不確定性知識的一些... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 小麥赤霉病檢測與分級現(xiàn)狀
        1.2.2 不確定性知識表示研究現(xiàn)狀
        1.2.3 云模型研究現(xiàn)狀
    1.3 論文研究目標(biāo)和主要研究內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
    1.4 技術(shù)路線
    1.5 論文結(jié)構(gòu)
第二章 小麥赤霉病圖像處理
    2.1 小麥采集環(huán)境和方案
    2.2 選取顏色空間
    2.3 小麥赤霉病圖像預(yù)處理
        2.3.1 中值濾波圖像去噪
        2.3.2 小波閾值圖像去噪
        2.3.3 高斯濾波圖像去噪
        2.3.4 去噪對比的結(jié)果
    2.4 分割小麥病害區(qū)域
        2.4.1 otsu算法分割圖像
        2.4.2 k-means算法分割圖像
        2.4.3 分割結(jié)果的對比
    2.5 本章小結(jié)
第三章 小麥赤霉病顏色特征云模型的生成
    3.1 構(gòu)造小麥赤霉病顏色特征參數(shù)
        3.1.1 病害區(qū)域的顏色矩
        3.1.2 顏色特征參數(shù)的構(gòu)造和相關(guān)性分析
    3.2 云模型概念
        3.2.1 云模型理論
        3.2.2 正態(tài)云模型
        3.2.3 梯形云模型
    3.3 確定云參數(shù)及生成相應(yīng)云模型
        3.3.1 顏色特征參數(shù)頻率曲線的生成
        3.3.2 確定顏色特征云的參數(shù)
        3.3.3 生成云模型
    3.4 本章小結(jié)
第四章 小麥赤霉病顏色特征云模型綜合評價(jià)模型
    4.1 建立小麥赤霉病顏色特征云模型評價(jià)模型
    4.2 小麥赤霉病顏色特征云模型評價(jià)結(jié)果分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來的工作展望
參考文獻(xiàn)
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于權(quán)重融合和云模型的巖爆傾向性預(yù)測研究[J]. 李紹紅,王少陽,朱建東,李部,楊戒,吳禮舟.  巖土工程學(xué)報(bào). 2018(06)
[2]解析顯著性水平及應(yīng)用[J]. 胡曉華,高偉超.  統(tǒng)計(jì)與決策. 2017(13)
[3]基于正態(tài)云和雙半降梯形云的敏感設(shè)備電壓跌落故障水平評估[J]. 何如.  智能電網(wǎng). 2017(07)
[4]基于OpenCV的烤煙煙葉圖像高斯去噪法[J]. 姬江濤,鄧明俐,賀智濤,杜新武,金鑫,劉劍君.  江蘇農(nóng)業(yè)科學(xué). 2016(11)
[5]基于顏色矩的典型草原牧草特征提取與圖像識別[J]. 韓丁,武佩,張強(qiáng),韓國棟,通霏.  農(nóng)業(yè)工程學(xué)報(bào). 2016(23)
[6]基于云變換的混合計(jì)算模型在水淹層識別中的應(yīng)用[J]. 劉凌云,許少華.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(07)
[7]云模型在中長期降水預(yù)測中的應(yīng)用[J]. 郭春梅,陳海濤,李阿龍.  人民黃河. 2016(07)
[8]基于梯形云模型的成績定性評價(jià)[J]. 楊金花.  電子設(shè)計(jì)工程. 2016(12)
[9]模糊數(shù)學(xué)評價(jià)法在食品感官評價(jià)中的應(yīng)用[J]. 李玉珍,肖懷秋.  中國釀造. 2016(05)
[10]不確定性數(shù)學(xué)方法的比較研究[J]. 秦貞燕,王永麗,于慧慧,周杰.  現(xiàn)代經(jīng)濟(jì)信息. 2016(06)

博士論文
[1]圖像去噪及其效果評估若干問題研究[D]. 楊成佳.吉林大學(xué) 2016
[2]不確定性知識的灰色定性表達(dá)及其在機(jī)器人定位中的應(yīng)用研究[D]. 王鵬.中國科學(xué)技術(shù)大學(xué) 2015
[3]基于云模型的雙向認(rèn)知計(jì)算方法研究[D]. 許昌林.西南交通大學(xué) 2014
[4]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學(xué) 2012

碩士論文
[1]基于云理論的刀具磨損狀態(tài)監(jiān)測與磨損量預(yù)測理論研究[D]. 康振興.東北電力大學(xué) 2017
[2]結(jié)合小波收縮去噪算法的遙感圖像分割[D]. 李亮亮.新疆大學(xué) 2016
[3]基于Markov隨機(jī)場和K均值聚類的小麥葉部病害圖像分割[D]. 黃帥.安徽農(nóng)業(yè)大學(xué) 2015
[4]基于計(jì)算機(jī)視覺的玉米葉部病害識別技術(shù)的研究[D]. 賈浩.山東農(nóng)業(yè)大學(xué) 2014
[5]K-means聚類方法的改進(jìn)及其應(yīng)用[D]. 李薈嬈.東北農(nóng)業(yè)大學(xué) 2014
[6]基于高斯噪聲的圖像去噪算法研究[D]. 樊勇.西南石油大學(xué) 2014
[7]基于線性回歸模型的我國電力市場輸配電發(fā)展的研究與預(yù)測[D]. 張益名.河北工程大學(xué) 2014
[8]小波變換在圖像去噪中的應(yīng)用研究[D]. 歐陽晶.江西師范大學(xué) 2006



本文編號：3730406