摘要：针对传统的大气臭氧浓度预测存在预测精度低、计算效率低等问题,将模糊聚类与神经网络相结合,提出一种使用区间二型模糊神经网络进行臭氧浓度预测的方法。用模糊C均值的方法筛选出适应性最高的有效规则,并进行区间二型模糊神经网络的结构设计;使用LM算法(Levenberg-Marquardt)进行模糊神经网络的参数及权重调整。使用2018年石家庄气象臭氧数据集验证系统进行验证,并与使用梯度下降算法(Gradient Descent)的模糊神经网络系统进行比较,结果表明,该方法可以更好地预测臭氧浓度,采用LM算法比采用GD算法可获得更好的预测性能。

摘要：传统激光图像分类研究主要针对小规模数据，而当前激光图像以海量、大规模形式存在，对分类速度和分类效率提出了更高的要求，结合大规模激光图像的特点，设计了一种基于人工智能的大规模激光图像分类方法。首先收集大规模激光图像，并提取激光图像的特征，然后采用人工智能技术-人工鱼群算法对激光图像特征进行筛选，最后设计了大规模激光图像的分类器，并采用多种类型的激光图像进行了验证性测试，测试结果表明本文方法的激光图像的分类正确率超过95％，激光图像分类时间平均低于6ms，十分适用于大规模激光图像的在线分类，且大规模激光图像综合分类性能要优于当前其它分类方法，实际应用价值更高。

摘要：随着中国农产品物流规模不断壮大,农产品物流系统无法从源头保证产品采摘、包装、物流中的可信性。为了解决这个问题,提出一种现场作业可视化系统,即将可视化技术应用于农产品防伪溯源监控系统中,从而满足远程管理的需求。对相关可视化技术的一般方法进行了分析,选择COFDM作为主要解决方案。农产品防伪溯源监控系统有效克服了复杂环境下的各类干扰,将物流中的实时监控信息传送到中继通信和监控设备上,并依托公用通信网络或专用通信网络进一步实现广域范围内的实时高质量监控图像传输、存储和浏览。通过实时现场视频监控,消费者可以保证买到真实可信的高质量农产品;生产者可以提高农产品的生产、运输效率,还可以提升相应产品的信誉,促进高质量农产品的销售。