针对代理模型辅助的多目标优化算法中个体不确定度之间相互冲突的问题,本文提出个体每个目标估值不确定的填充准则,同时,为了减少训练模型消耗的计算资源,提出基于非支配排序的样本选择算法。为了验证该算法的可行性,采用DTLZ和WFG测试函数进行测试,得出结果与近些年发表5种具有代表性的同类型算法进行对比,结果说明该算法可以有效的解决昂贵高维高目标优化问题。

为在存储资源与计算能力有限的设备上实现田间作物和杂草的识别,本文提出一种基于改进DeepLabv3+的轻量化语义分割网络。首先,以MobileNet v2作为DeepLabv3+的特征提取骨干网络,提出双分支残差模块替换倒残差模块,并删除后两层卷积以降低模型参数量。其次,在空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块中引入分组逐点卷积,使用深度扩张卷积替换标准卷积,并将卷积后的特征图进行多尺度特征融合增强对作物和杂草深层特征的提取能力。最后,将原有的非线性激活函数替换为Leaky ReLU激活函数来提升分割精度。实验结果表明:改进后网络的mIOU达到86.75%,参数量仅为0.69M,FPS达到了98,与原始DeepLabv3+以及3个典型轻量化语义分割网络的相比,参数量最小,在对比的轻量化网络中具有最高的分割精度。

呼吸系统疾病的流行使口罩扮演着重要角色,这给人脸识别算法带来了新的挑战。受到多尺度特征融合模型的启发,提出一种基于金字塔视觉Transformer (Pyramid Vision Transformer, PVT)的提取口罩人脸特征的模型。该模型引入自注意力机制来提取丰富的人脸信息,通过融合PVT多个层级的特征向量,来实现对口罩人脸的多尺度关注,相较于传统特征融合模型,具有更高的识别精度和更少的参数量。此外,模型采用Sub-center ArcFace损失函数来提升鲁棒性。模型在大规模模拟口罩人脸数据集上进行训练,并分别在普通人脸、模拟口罩人脸和真实口罩人脸数据集上进行了测试和评估。实验结果表明,所提出的方法与其他主流方法相比,具有较高的识别精度,是一种有效的口罩人脸识别方法。

传统公钥可搜索加密方案中,大多采用分布式双陷门公钥密码系统分发密钥,通过子集决策机制实现密文检索,但是系统之间通信开销较大。本文提出了1种新的可验证的云边端环境下的公钥可搜索加密方案VSE-EPOMFC(Verifiable Searchable Encryption- Efficient Privacy-preserving Outsourced calculation framework with Multiple keys Filtering Computing, VSE-EPOMFC)。方案VSE-EPOMFC设计了1种基于部分同态加密的能在密文下计算的过滤算法筛选无意义任务来降低通信开销。针对客户端设备资源受限的缺点,采用阈值签名机制,将客户端签名、验证的任务委托给边缘结点,轻量化了客户端的验证开销与存储开销。仿真实验结果表明,方案VSE-EPOMFC在任务集匹配度II的情况下通信时间节省了25.46%,在任务集匹配度I的情况下通信时间节省了62.21%。

k-means聚类算法和鲸鱼算法(WOA)在应用于无线传感器网络(WSNs)时,k-means算法存在需要准确输入聚类数目的问题,WOA存在易陷入局部最优解的问题导致簇首(CH)表现不佳,而二者延长WSNs寿命的效果不明显。为了解决上述问题,提出K-SAWOA-PSO来延长网络寿命。首先,使用改进k-means聚类算法划分网络,使簇内节点的数量保持在合理范畴内;其次,使用模拟退火策略改进WOA,结合簇内间隙、节点剩余能量寻找CH;最后,基于上述结果,采用正态分布衰减惯性权重改进粒子群算法(PSO)来寻找辅助节点,利用2种节点联合优化网络能耗。结果证明:与3种路由协议、PSO和WOA相比,K-SAWOA-PSO将网络中出现1%节点死亡的轮数分别提升了约6.47%、10.1%、21.3%、7.46%和23.4%,将出现25%节点死亡的轮数分别提高了约38.9%、116.7%、121.8%、55.2%和9.5%。

棉花作为我国的主要经济作物,对其开展低空遥感精细监测的研究目前尚缺乏高质量的监测样本数据集。高光谱影像具有丰富的光谱特征和空间特征,被广泛用于生化参量反演、病虫害监测、长势评估与产量预测。为此,本文构建了面向棉花全生长周期的机载高光谱成像数据集(Airborne hyperspectral imaging dataset for the full growth cycle of cotton,AHS-FGCC)。基于大疆M600 Pro无人机搭载Rikola高光谱成像仪,以100 m航高获取同一区域同一棉花品种苗期、苗后期、蕾期、花期、铃期、盛铃期以及吐絮期共7期无人机高光谱数据。该数据经过标准预处理,参考《地理信息元数据》规范,补充无人机载高光谱棉花数据元数据信息,从而构建全生长周期棉花高光谱正射影像数据集。通过与采样点ASD(SR-3500)地物光谱仪棉花冠层光谱曲线对比,分析棉花数据集的光谱精度以及对应的棉花生长期光谱变化规律。结果 表明 Rikola成像光谱仪和ASD地物光谱仪波长在503~850 nm区间,反射率曲线趋势具有良好的一致性,“绿峰特征”,“红谷特征”,“红边特征”3种典型光谱特征表现也基本吻合。本数据集可以较好地反应棉花不同生长周期的光谱特征变化规律,可为棉花的低空遥感精细监测提供样本数据,并为农作物高光谱或多光谱数据集构建的相关研究提供参考和借鉴。(数据集发布于科学数据银行,访问地址:https://www.scidb.cn/detail?dataSetId=a07c3451e3cf4ff090b1cbb72edc08c3。)

情感作为人脑的高级功能,对人的心理健康状态有很大的影响。为了充分考虑脑电信号的空间信息以及时频信息,更好地实现人机交互,论文提出了1种基于三维特征图的改进DenseNet情绪识别模型。通过提取脑电信号θ、α、β和γ 4个频段的微分熵特征,结合脑电通道电极的位置映射关系,构造三维特征图,最后使用改进DenseNet网络进行二次特征提取与分类。为了验证该方法的有效性,在SEED数据集上进行了包含积极、中性、消极3种情绪的分类实验,单被试者实验和所有被试者实验获得的分类准确率分别达98.51%和98.68%。实验结果表明,三维特征图结合特征重用方法能够得到高精度的分类结果,为情绪识别提供了可以尝试的新方向。

城市主干路承担了城市主要的交通压力,对城市交通的运行起着关键的作用。为了准确采集主干路交通流信息,通过分析视频交通流检测器在城市主干路的布设数量和间距,依据排队论与穷举法对视频检测器在主干路的优化布设建立数学模型,得出基于主干路的视频检测器最优布设,通过Matlab求解模型,使用Vissim仿真验证。仿真结果显示:主干路长度在1 000 m左右的路段,相邻视频检测器的布设间距在200~350 m,检测器布设5组,每组布设3~4个检测器检测路段交通流,检测精度将达到97.76%左右。

为实现冷鲜羊肉新鲜度变化的快速无损检测,本文利用气体传感信息提出一种基于BP神经网络预测冷鲜羊肉新鲜度的方法。对贮藏在4℃下的冷鲜羊肉微环境气体(O₂、CO₂、H₂S)含量进行监测,并测定冷鲜羊肉的4种理化指标(硬度、pH值、颜色、TVB-N含量),分析气体含量和理化指标之间的相关性,以微环境气体(O₂、CO₂、H₂S)含量为基础,以硬度、pH值和TVB-N含量为新鲜度评价标准,建立基于BP神经网络的冷鲜羊肉新鲜度预测模型。结果表明:微环境气体含量与理化指标之间存在显著相关性,建立的预测模型的预测值与实测值相对误差均在5%以内,满足预测的精度要求,对冷鲜羊肉新鲜度检测具有较高的可行性。

机载高光谱遥感作为近地遥感观测方法中的新方式,对判断作物长势、监测环境状态等农业应用提供了新的技术手段。机载影像数据获取受光照条件、飞行状态等因素干扰,其数据质量对科学研究数据分析结果的可靠性具有重要影响,机载高光谱影像数据的快速质量评价问题亟待解决。本研究提出一种适用于机载棉花高光谱影像的卷积神经网络影像质量分级方法。先获取试验区域内的棉花高光谱影像,通过模拟采集过程中产生的退化进行数据增强;经专家目视评估进行影像判读分级定标,将高光谱数据按比例分为训练集、验证集和测试集;利用TensorFlow框架建立卷积网络模型并进行模型微调与精度验证;最后结合模型评估指标与实验分类结果给出评价。实验结果表明:卷积神经网络影像质量分类评价取得了较好的效果,样本分类准确率达到99.06%,多类别平均分类精确度达到99.07%,Kappa系数为0.988 7。研究结果表明采用卷积神经网络对机载棉花高光谱影像质量评价有效可靠,可为机载高光谱农作物影像质量评价提供参考。

为实现杂草精准防控、快速识别棉田杂草,本文基于低空无人机技术拍摄棉田苗期影像,以幼苗和杂草为研究对象,提出了一种改进Faster R-CNN的棉田杂草识别方法。改进1:特征提取网络采用融合FPN的ResNet50代替VGG16来训练模型,并对比VGG16、ResNet50和MobileNetv2的分类效果;改进2:针对Faster R-CNN模型设计适合小目标的锚尺度,其中对应的anchor尺度为{8×8,16×16,32×32},比例为{1∶2,1∶1,2∶1};改进3:训练过程在通过特征提取阶段后,采用双线性插值操作,避免两次量化对物体识别产生的影响;改进4:添加2个Dropout层,分别在特征提取网络之后的2个全连接层上,避免模型产生过拟合现象,增加了网络的鲁棒性。研究表明:融合FPN的ResNet50训练的的平均精确率比VGG16提高了3.82%,与ResNet50和MobileNetv2相比分别高出5.05%和18.38%,说明Faster R-CNN使用融合FPN的ResNet50具有最佳的性能,改进的Faster R-CNN模型对单张图像平均识别时间为0.289 s,平均精确率为89.19%;与YOLOv5s检测算法相比,改进的方法平均精确率提高了4.93%,表明本文方法在平均检测精度和平均识别时间占据一定的优势,具有更强的拟合性能。本文方法为精准除草提供一定的可行性和推广性,为实现田间杂草防控奠定理论基础。

目前说话人、环境及发音多样性仍是语音识别声学建模中需解决的主要难题,为了克服这些不利因素的影响,本文将经过三层结构优化后的卷积神经网络应用于语音识别,利用卷积神经网络的卷积不变性克服语音信号的多样性,采用更符合生物神经元特性的新型激活函数改进卷积层缓解梯度消失的问题;利用中间池化方法改进池化层、减小特征提取误差,使用卷积层代替全连接层的方式降低模型复杂度,再通过与对比方法进行多种指标评价,结果表明:本文提出的方法较对比算法在中文语音、英文语音两种数据集下平均识别错误率分别下降22.05%和20.27%。比传统卷积神经网络模型的损失值相对减小40%,在一定程度上提升了模型的泛化能力。

为提高炉管结焦诊断的准确度，提出一种基于 Stacking 算法的炉管结焦智能诊断方法。该方法首先利用多重 层次聚类算法实现了对炉管外表面温度的精准计量; 然后融合相关性度量和网格搜索算法，实现了基学习器和次 级学习器的最优组合; 最后构建了基于支持向量机、朴素贝叶斯、径向基函数神经网络、逻辑回归和随机森林的炉 管结焦诊断模型。对比实验表明，基于 Stacking 算法的炉管结焦诊断模型的准确率( 99. 82%) 、有效性和稳定性比 使用单一的基于学习器 SVM、朴素贝叶斯、RBF 和 LR 算法训练的结焦诊断模型均有一定程度的提高。因此，本文 方法可为乙烯生产过程中裂解炉炉管结焦程度的判断提供可靠依据。

耕地作为一种战略性自然资源，是确保我国粮食生产安全的物质基础和重要前提。荒漠区绿洲性耕地生态 环境脆弱，易受风沙侵蚀，对耕地进行持续性精确监测具有更为重要的意义。，本文基于深度学习算法，使用 GF-1 遥感数据进行耕地及其类别信息提取。为充分利用研究区物候特征，结合冬夏两期遥感影像，将植被指数 NDVI 值 和纹理特征灰度共生矩阵能量值作为特征波段，基于 U-Net 模型实现耕地分类和提取，主要包括农田( 棉花覆盖耕 地) 、果林耕地及未耕作耕地 3 种类型。结果表明: 仅使用夏季影像对农田的识别准确度即可达 90. 83%，若加入冬 季影像、植被指数及纹理特征波段，可有效提升模型对果林耕地、未耕作耕地的识别效果，整体识别准确度分别为 88. 39%、79. 51%，相比于传统方法提升了 4. 67%、6. 11%。同时与支持向量机和随机森林分类器相比，该方法能够 减少地块内同种作物间的“椒盐噪声”，避免对未耕作耕地的大规模错分现象。因此，本文方法可为荒漠区绿洲性 耕地状态的快速识别与监测提供参考。

路径规划是移动机器人领域中的重要问题之一。传统遗传算法在寻找最短路径时容易陷入局部最优，为了 缩短机器人运动路径长度和提高避障性能，本文提出一种免疫克隆自适应遗传算法，该算法结合了免疫克隆算子、 自适应算子从而提高解的质量，设计栅格模型，给出适应度函数用于计算机器人路径长度，并针对复杂的二维路径 编码问题，设计一维路径编码方式。在仿真实验中针对不同障碍物数量对免疫克隆自适应遗传算法和粒子群算 法、模拟退火算法进行对比，结果显示: 当障碍物数量提高至 20 时，免疫克隆自适应遗传算法优化过的路径长度与 粒子群算法与模拟退火算法相比分别降低了 5. 99%和 11. 04%。因此，本文提出的免疫克隆自适应遗传算法可减 少路径寻优时间，有效提升机器人路径规划的效率。

针对目前云系统中虚拟集群间任务调度复杂、能源消耗高和系统成本高的问题，本文提出一种分配 CPU 利 用率和管理虚拟集群间任务的 ETI 方法，该方法通过限制 CPU 利用率低于某个特定的阈值实现资源的负载均衡和 最小化能量消耗，同时考虑当任务迁移到虚拟集群时能源成本模型中的网络带宽。为了评价 ETI 方法的性能，将 其与改进的经典 Min-Min 算法和虚拟机部署算法 ACOSA 比较，在云系统模型中进行实验验证的结果表明: ETI 方 法能够提高云系统工作稳定性，减少系统能量消耗，比原系统节能约 18%，系统成本减少约 9%。

针对流域径流序列的非平稳性和随机性，本文研究将深度信念网络方法引入到日径流量的预测，对天山北部 玛纳斯河 6 120 天的实测数据进行训练、预测，并与粒子群优化的支持向量机、支持向量机和前馈神经网络 3 种数 据驱动模型的日径流量预测结果进行对比分析。结果表明: 基于深度学习理论的 DBN 预测下判定系数 Ｒ2 比 FFNN、SVM、PSOSVM 分别提高 11. 15%、10. 11%、0. 29%，均方误差 MSE 分别降低 6. 63、5. 58、0. 43，尽管 PSOSVM 与 DBN 在 Ｒ2 和 MSE 上非常接近，但是在相同软硬件条件下 DBN 预测用时仅为 PSOSVM 的 50%。因此，DBN 的预 测精度和适用性是优于 PSOSVM、SVM 和 FFNN 模型的，本文提出的深度信念网络方法可用于提高流域水文模型 的日径流预测能力。

单一传感器影像数据在时间、波谱、空间分辨率等方面存在一定的差异性和局限性，多源影像融合可以信息 互补、丰富影像信息量。本文采用目前主流的 Gram-Schmidt、高通滤波法、最邻近扩散算法、超分辨率贝叶斯法及改 进算法等 5 种遥感影像融合算法，对资源三号卫星多光谱和快舟一号全色数据开展融合试验，通过目视解译、光谱 保真度及空间信息融入度对影像融合质量进行综合评价，并对农田区 HPF 融合结果进行波段重组实验及优化处 理。结果表明: HPF 和 Pansharp2 算法融合效果最好，更适合资源三号影像的多源融合; Pansharp2 算法对建筑区融 合影像的融合效果最好，HPF 算法对农田区及水域融合效果更佳; NDVI 叠加波段空间融入评价指标最高，但建筑 区及水域光谱扭曲严重，绿波段与近红外波段最适比例为 8 ∶2，可有效提升影像融合效果，改善图像质量。

为实现我国储粮数量智能化的在线检测，本文提出了一种基于深度置信网络的粮仓储粮数量计量方法。该 方法通过在粮仓底部布置若干压力传感器，并以分次进粮且记录的方式获取粮仓底部所受压强值数据集，构建不 同层次的深度受限玻尔兹曼机结构对数据集进行建模验证，对比相应模型的平均重构误差选择最佳检测模型结 构，利用最佳检测模型分别对试验仓及通州、齐河实仓进行检测试验。结果表明: 试验仓检测平均误差约为 1. 00%，通州实仓检测平均误差约为 0. 42%，齐河实仓检测平均误差约为 0. 99%，基于深度置信网络的粮仓储粮数 量检测方法的精度高、可用性强，为粮仓储粮数量的计量提供了一种新方法。

针对传统遥感影像水体信息检测环节多、过程复杂的问题，本文提出一种基于归一化水体指数( NDWI) 自约 束的水体判别方法，该方法直接从影像中检测水体，能减少操作环节、提高检测速度，为水体应急监测提供快速响 应的方法。通过对本方法与阈值法、分类法在不同数据中进行测试，结果显示: 本方法对 WorldView-2、Landsat8 和 Sentinel-2A 影像水体检测的总体精度介于 83. 87% ～ 91. 53%，阈值法检测的总体精度介于 85. 07% ～ 94. 07%，支持 向量机分类法检测的总体精度介于 91. 91% ～ 97. 70%; 该方法对水体的检测精度不及阈值法和分类法高，但在具 有较高检测精度的同时能明显简化操作，在水体监测应急响应中具有实际应用价值。

无人机载 LiDAＲ 是一种新型遥感技术，可快速获取高密度、高精度的地物点云数据，随着获取精度越高，点云 数据量越大。为减少参与点云滤波处理的数据量，提高滤波速度，本文结合点云回波次数、高度和点云回波强度三 种属性信息，采用箱形图检验方法获取非地面点云，并使用反复建立三角网方法分别对处理前后的点云数据进行 对比分析。结果表明: 针对截取的试验区点云数据，可去除多次回波对应的噪声点云 363 个，得到第 1 次和第 2 次 回波分别占点云总数的 98. 49%和 1. 49%; 高度和强度离群的点云共占点云总数的 1. 46%。通过对点云进行滤波 前期的处理，可降低滤波时间 32. 2 s，且保留地面点云 2 551 个。本文研究利用箱形图检测点云属性获取离群值， 可提高点云处理速度和降低地面点云漏分的现象，为后期直接利用统计方法对点云属性信息分析和实现快速处理 海量点云提供参考。

针对公交客流数据获取现状不稳定、处理方法陈旧及无法实时调度等问题，本文结合图像处理和深度学习方 法，设计了公交客流检测系统，重点对乘客头部的特征提取算法进行研究。该系统将工业摄像头分别置于车厢前 端、中端及末端的上侧，以此获得车内乘客三通道图像，在 Ｒaspberry Pi 树莓派中移植 TensorFlow 深度学习框架，由 此搭建卷积神经网络 CNN 的模型，以此模型提取车厢内乘客头部特征，再采用综合梯度下降算法优化学习速率和 三通道数据融合技术判断车内拥挤情况，从而保证模型的鲁棒性。实验结果表明: 将识别结果输入 SPP-Net 网络 结构中，上述算法识别准确率为 87. 23%，较传统卷积神经网络提高 9. 11%，收敛速率提高 20. 77%，其实时的拥挤 度判断更具有实用性。

针对音频信号文件冗余度高、数据量大、相关性强，以及传统加密方法不能满足当前高效实时安全性的需要， 本文应用图像加密的思想，提出将一维数字音频信号转化二维“声图”信息，并借助 Arnold 变换和 DＲPE 技术对其 进行双重加密，达到即使部分密文数据缺失仍然能够恢复音频信号，并且又可以破坏原始信号数据间相关性的目 的; 此外，DＲPE 采用加密无理数序列构建随机相位板，增加了密钥空间，进一步提高了加密信息的安全性，同时，这 种加密能够通过图形比较更直观地评判加密效果，避免了对音频解密信号质量评判时存在的主观方法受人为因素 影响大和客观方法复杂且不能完全反映听觉效果的缺陷。实验结果证明，该加密方案对密文信息剪切、加噪、滤波 等攻击具有很强的鲁棒性

作为软件系统的高层抽象和实现蓝本，SA 的描述及设计质量将对整个软件系统开发及维护工作产生重要影 响，同时，基于复杂网络理论坚实的数学理论基础，用形式化的方法来描述、度量及控制 SA 的质量，已引起国内外 学者的关注。本文在分析复杂网络理论及软件体系结构基础上，基于复杂网络理论，从形式化定义、组成元素、整 体结构、约束条件、相关思想等方面对软件体系结构进行描述，并进行质量评估，这可为后续软件体系结构领域的 相关研究提供借鉴。

目的 针对大范围公路路面病害监测需求，提出基于低空无人机激光雷达遥感数据和随机森林分类算法，构建 沥青路面病害目标的遥感识别模型。方法 首先，基于激光点云高程信息提取多尺度表面粗糙度和高斯曲率指数，以 及利用激光反射强度影像提取路面和病害目标的几何特征，然后基于提取的 48 个多尺度统计特征利用随机森林算 法 建 立 了 沥 青 路 面 坑 槽 与 塌 陷 两 类 主 要 病 害 的 识 别 模 型 。 采 用 搭 载 于 ScoutB1-100 低 空 无 人 直 升 机 平 台 的 RIEGL-VUX100 激光雷达扫描仪，获取了新疆石河子市与沙湾县交界处的一段县级沥青道路的激光点云数据，对所提 出方法和模型进行了验证。结果 本文所提出的模型可较好识别路面的塌陷与坑槽病害目标，以地面调查和目视解译 结果为参照的验证精度为 92.3%，Kappa 系数为 0.902，优于其他两种常用的机器学习分类模型，可为公路养护部门提 供一种新的快速路面病害监测方法。

在野外灾害应急与救援过程中，受灾害或复杂地表环境的影响，快速搜索一条到达目的地的可通行性路径是一 项具有挑战性的任务。近些年随着空地协同技术的不断发展，利用无人机为地面车载系统提供其周边环境的数据并 搜索可通行路径成为空地协同技术研发的一个热点。本文利用机器学习方法，结合基于无人机获取的野外可见光影 像自动生成的数字表面模型(DSM)对该无人机可见光影像进行了详细分类，得到了较传统方法更好的分类结果；然后 基于一般性规律，建立了地表可通行性判断条件与通行速度计算公式；再通过引入分类结果以及分类的不确定性因 子，对 A* 算法进行了改进。基于改进的 A* 算法实现了实验区可通行性路径的快速搜索以及路径的可靠性评价，实验 表明本文方法可得到更合理的结果。

目的 变量作业是精细农业的核心目标，而杂草快速准确检测是精准除草的先决条件。基于此，本文提出了一种 基于改进的 YOLOv3 模型的棉田杂草快速检测方法。方法 首先，利用无人机平台获取 0.10、0.29、0.52 cm 分辨率的 棉花苗期影像，进行正射校正、拼接、裁剪、标注等前期处理，构建 3 个数据集；其次，通过目标维度聚类、改进模型结 构等方法优化 YOLOv3 网络模型；最后通过对比分析测试结果得到最优模型和最佳分辨率。结果 改进的 YOLOv3 模 型应用于 0.29 cm 分辨率的影像数据对棉田杂草检测效果最好。相较于原始模型，改进的 YOLOv3 模型杂草检测精度 在 3 个数据集上分别提升了 10.62%、12.89%、15.77%，尤其在 0.29cm 数据集上识别率和召回率分别达到了 94.06%、 90.26%，同时识别速度可达 51 帧 /s。结论 在检测精度和运行速率方面，本文提出的棉田杂草模型均可满足实际农业 生产需要。研究成果为精准除草提供了理论基础，同时文中所用方法也可为其他类型的农田地物检测提供借鉴。

精准农业是信息技术与农业生产相结合的一种精细农业。新疆兵团农业生产采用规模化生产，具备良好的机 械化和信息化条件，在选种、播种、施肥、灌溉、田间检测、收获环节持续推广精准农业技术。在精准农业中卫星导航 技术主要应用于智能化农业机械控制、精准病虫防治和灌溉、农田资源的普查和规划。北斗卫星导航技术已在新疆 兵团精准农业中得到应用，依托北斗卫星导航与位置服务平台、地基增强系统，为基层农机管理部门、采棉机公司 和农机合作组织提供作业农机实时信息服务，具有定位精度高、作业标准高、适应能力强的特点。拖拉机自动驾驶 技术在新疆兵团广泛应用于播种、喷施除草剂、苗期化控和植保、喷施脱叶催熟剂、受灾棉田重新播种、中耕施肥作 业、残膜回收、分层施肥、棉花测产、采棉机实时监控等农业过程，生产实践证明具有良好的经济、社会和生态效益。 对比试验的结果表明，在棉花生育期的主要阶段，采用精准对行分层施肥技术棉田的主要指标具有一定优势。新疆 兵团在精准农业的方面应注意两点：一是用信息化技术提升精准农业装备的设计和制造水平；二是用信息化技术 提高农业机械化的管理水平。提出建议如下：加强政策引导，加快人才培养步伐，加大科研力度，建立完善的用户服 务体系，拓宽应用领域，强化新疆兵团的辐射带动作用。

针对不平衡数据集数据分布不均匀及边界模糊的特点，提出一种新改进的 SVM（IMSVM）不平衡数据集分类 算法。该算法先计算每个样本在距离临界区域内的密度值，依据样本的密度值分别选出边界区域、靠近边界区域的 与少数类数目相等的样本与少数类完成 SVM 初始分类；再用所得的支持向量机和剩余的多数类样本对初始分类器 迭代优化。人工数据集和 UCI 数据集的实验结果表明：与 WSVM、ALSMOTE-SVM 和基本 SVM 算法相比，对于不平衡 性较高的 Spectf Heart 数据集；本文算法较其他算法的 G-mean 提高了 5.59%，F-measure 提高了 6.43%，CPU 运行时 间降低了 13%。上述结果表明：IMSVM 算法分类效果良好，能有效改进 SVM 算法在分布不均匀及边界模糊数据集 上的分类性能。

针对羊肉在冷链运输过程中温度监测难的问题，本文设计了一种基于 ZigBee 的羊肉冷链温度监测系统，该系统利 用 DS18B20 温度传感器采集温度数据，并通过 GPRS 模块将温度数据远程传输至上位机进行处理与存储。通过分析可知 该系统能够在羊肉冷链运输过程中的低温环境下正常工作；在模拟环境中测试节点稳定性和数据传输性能的结果表明： 各个节点测得数据温差不超过±1 ℃，所有的数据采集节点与协调节点之间的通信成功率均为 100%，验证了该系统可 靠性、适用性较高。