昆虫的外部形态（一） 掌握昆虫的外部形态，昆虫头部构造 昆虫的外部形态（二） 掌握昆虫的胸、腹部构造 昆虫的内部器官(一) 掌握昆虫的神经系统、生殖系统构造 昆虫的内部器官(一) 掌握昆虫的消化系统、呼吸系统构造 昆虫的生物学（一） 掌握昆虫繁殖方式、变态、卵、幼虫特征 昆虫的生物学（二） 掌握昆虫的蛹、成虫特征 昆虫的生物学（三） 掌握世代、年生活史、习性 昆虫的分类（一） 掌握分类的基本知识，直翅目、半翅目、同翅目特征 昆虫的分类（二） 掌握鞘翅目、鳞翅等目的特征 昆虫的分类（三） 掌握膜翅目、双翅目等目特征 昆虫生态（一） 掌握气象因子、有效积温法则了解土壤因子 昆虫生态（二） 掌握食物因子、天敌因子，人类活动对昆虫的影响

为提高遥感影像变质矿物提取精度，提升变质带的识别效果，以甘肃北山ASTER影像为研究区，结合了比值运算、多尺度分割、随机森林分类法进行变质矿物提取。首先，通过矿物特征性光谱特征构造比值运算公式、进行影像增强；然后，对增强影像进行基于光谱及变差函数的多尺度分割；接着，采用随机森林法提取目标矿物；最后，通过野外勘查、采样、薄片鉴定进行精度评价。结果表明，黑云母、白云母、角闪石在ASTER影像上具有鉴定性特征，提取精度分别为85.4088%、84.7640%和85.7308%；其他含量较少的变质矿物提取精度可达到60%以上。多尺度分割能充分利用矿物的丛集特征；变差函数纹理能增强形态特征对矿物的区分能力；随机森林分类法对矿物混合引起的噪声不敏感、提取结果稳定

通过对带式烧结机烧结过程变化与机尾断面图象之间关系的分析,提取了断面图象的一次特征,并确立了基于过程机理的一次特征提取方法,在此基础上又进行了二次特征提取,所提取的二次特征能够从4个方面对烧结过程进行定量描述

前面主要介绍的是各种分类器的设计方法，实际上我们已经完全可以解决模式识别的问 题了。然而在实际应用中，在分类器设计之前，往往需要对抽取出的特征进行一下处理，争 取尽量减小特征的维数。在实践中我们发现，特征的维数越大，分类器设计的难度也越大

1948年，W.R.Evans根据反馈控制系统开环传递 函数与其闭环特征方程式之间的内在联系，提出了 一种非常实用的求取闭环特征方程式根的图解法－ 根轨迹法。 当系统特征方程式中的某一参数（例如开环增 益 、时间常数 ）连续由零变化到无穷大时，特征 方程式的根连续变化而在 平面上形成的运动轨迹， 即为闭环系统特征根的根轨迹

对LCAK钢头坯亚表层hook结构的特征进行了研究.结果显示:hook各特征之间存在着显著的相关性,比如随着hook倾角的增加,hook的长度、深度和厚度等也都呈现增大趋势;随着振痕深度增加、拉速减小,hook各特征也都呈现出增加的趋势;hook的长度、深度和厚度等随着浇铸长度的增加而减小,在浇铸7.9 m后hook各特征基本不变,这与结晶器热流呈现出相反的关系,热流越大,hook越短.最后提出了一种hook的形成机理,认为弯月面凝固发生于正滑脱后期和负滑脱前期两个阶段,此机理能够解释实验中观察到的hook起始点偏离振痕波谷的现象,并对hook的影响因素进行了讨论

单一模式生物特征识别系统由于存在一些固有的局限性,有时难以满足实际应用的需求,本文提出了基于正面人脸和人耳信息融合的多模态生物特征识别方法.针对USTB人耳图像库和ORL人脸图像库,利用核Fisher鉴别分析方法分别进行了人耳识别、人脸识别和人脸人耳融合识别,融合策略包括图像层融合和特征层融合两种.识别结果表明基于人脸人耳信息融合的多模态识别的识别率优于单体的人耳或人脸识别.这说明融合多种生物特征的多模态识别可以提高身份认证的准确率,也为实现非打扰式识别提供了一种新的途径

在基于独立分量分析的人耳识别方法研究基础上,提出复合结构分类器的人耳识别通用模型.该模型首先根据人耳的几何特征对人耳进行粗分类;然后应用独立分量分析的方法提取代数特征,支持向量机进行细分类,最后给出分类结果.这与人类由粗到细的识别过程是相符合的,能够克服单一独立分量分析识别方法的特征提取时间过长、特征数过多的缺点,同时避免了归一化过程中丢失比例结构特征的问题.实验结果表明,该模型取得了较高的识别率,尤其适用于规模大的复杂人耳库

绪论 一、昆虫在自然界中的地位与昆虫纲的特征 (一)、昆虫在自然界中的地位结合以有的生物学知识介绍昆虫在自然界早地位、娄 量(250多万种、一群蚁可达数以亿记),以日常一些对昆虫的误认导入昆虫纲特征。 (二)昆虫纲特征昆虫分三体段、各体段的特征、昆虫发育特征 二、昆虫纲的特点及与人类的关系

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能