本发明提供了一种基于随机蕨的自举弱学习方法及其分类器，本发明属于计算机图形识别技术领域。图形识别通常采用弱分类器的加权、高斯概率分布的均值距离来判别正负样本。或采用分类树作为弱学习器，用误差测度减少最大化的划分准则划分节点，然后将这些弱分类器提升为强分类器。但是，这些弱学习方法要么收敛速度慢，要么准确率不够高，要么计算效率低。本发明选择图像特征和构造随机蕨、基于随机蕨的弱学习方法、基于随机蕨的弱学习方法、构建弱分类器、结果分类器等步骤可以很好地解决成像环境复杂且对运算量要求严格的图像模式识别，实现快速收敛和高效的自举弱学习方法，得到实时处理且准确率高的分类器。主要用于各种模式识别场合。

本项目围绕垃圾分类模式/方法及评价模型建立、农村易腐垃圾堆肥新技术开发、垃圾分类信息化技术及智能装备研发等进行关键技术研究，并集成团队研究成果研编了垃圾分类系列标准，构建了我国城乡垃圾分类体系并推广应用。 1、创建了垃圾分类新模式、方法和技术。基于社会化与专业化相结合的垃圾分类“双轨策略”理论，建立了生活垃圾分类“2+n”模式和农村生活垃圾“五类三段”分类模式；创建了垃圾分类的物元分析模型、投放方案灰色聚类比选模型及分类效果F-measure评价模型；结合农村易腐垃圾就近处理需求，研发了引风式静态堆肥技术和重力翻板式间歇动态堆肥技术及装备，在福建省明溪县胡坊镇和安徽省凤阳县小岗村进行了工程示范。实施垃圾分类制度对垃圾混合收运处理模式产生显著影响，垃圾分类后热值增加，每吨生活垃圾焚烧发电量上升约3%；与混合垃圾填埋相比，CO₂减排量接近80%。 图1 两型农村小型易腐垃圾（厨余垃圾）就地协同堆肥处理设施（左图为静态堆肥设施，右图为间歇动态堆肥装置） 2、研发了垃圾分类信息化技术及智能装备。将传统垃圾收运技术与信息化新技术相结合，研发了分类信息化管理平台，发明了具备溢满报警、感应开门、自动称重和容量监测等多功能的智能垃圾分类回收箱和溢满报警、快速升降的太阳能地埋式垃圾收集箱等系列智能装备，提高了分类系统效率与效能，在全国数以千计的县（区）街道广泛应用。应用案例垃圾无害化率100%，居民垃圾分类知晓率、参与率100%、厨余垃圾投放准确率88%。 图2 智能化垃圾分类投放/收运设施（左图为智能垃圾分类回收箱，右图为太阳能地埋式垃圾收集箱） 3、构建了城乡垃圾分类标准新体系。研编系列垃圾分类标准，就分类工作全范围、全过程提出了设施建设、设备配备、运行操作等全要素的规定与要求，是规范分类工作的基本依据；首次将农村垃圾堆肥原料和产品含水率上限值分别由60%、30%提升至65%、45%，增强了堆肥技术标准的适用性，扩展了堆肥技术的适用性；研编大件/园林/装修/餐厨/果蔬等垃圾分类系列标准，填补新兴垃圾标准体系空白，指导各行各业垃圾分类工作规范化进行。 图3 已发布实施的垃圾分类与收运处理标准（共计21项标准） 针对源头垃圾分类投放社会化特征明显、组织实施难度大和分类收运环节涉及原有收运系统向分类系统过渡的实际困难，研编、建立了的垃圾分类标准体系，正式发布实施国家团体标准21项，在编18项。在垃圾投放操作、设备运维、作业人员安全生产要求等方面进行了规定，保证了垃圾分类投放及收运过程的规范化和安全性；在数以千计的县区、街道、社区指导垃圾分类的稳步施行。 【技术优势】 1. 创建垃圾分类新模式、方法和技术，引领分类技术水平跨越式提升：率先提出垃圾分类“双轨策略”，实现垃圾社会化分类稳步推进和专业化分类技术水平跨越式提升；提出垃圾分类“2+n”模式，创建兼顾效率与可操作性的垃圾分类投放模型与效果评价指标体系。提出农村生活垃圾“五类三段”模式，解决农村垃圾分类的重点与难点；进行农村易腐垃圾就地协同堆肥处理，提高资源化、无害化水平。 2. 研发分类信息化技术及智能装备，实现安全、环保、精准、高效分类。开发垃圾分类全流程智慧运营、管理、监管平台，提高分类系统效率与效能；研发智能化垃圾分类收运设施装备，改善作业条件、提高工作效率；推广应用信息化技术及智能装备，加速推进分类制度施行。 3. 构建城乡生活垃圾分类标准体系，为全国范围内规范化推进垃圾分类工作提供依据。研编分类投放系列标准，规范/细化垃圾源头分类投放和收运操作要求；研编农村垃圾分类系列标准，提升农村垃圾分类处理水平；研编大件/园林/装修/餐厨/果蔬等垃圾分类系列标准，填补新兴垃圾标准体系空白。 【技术指标】 分类信息化技术及成套智能装备已应用在湖北省、浙江省、江苏省、上海市等地数百个垃圾分类项目中，提高了垃圾分类处理的整体水平，应用案例垃圾无害化率100%，居民垃圾分类知晓率、参与率100%、厨余垃圾投放准确率88%（详见下图）。 表1 国内外煤质、煤流检测技术指标对比 结合农村条件及堆肥产品应用市场特征，首次将农村垃圾堆肥原料和产品含水率上限值分别由60%、30%提升至65%、45%，增强了好氧堆肥技术的适用性（详见下图）。 【资质荣誉】 2021年湖北省科技进步二等奖

根据滚动轴承故障部位的不同，将滚动轴承故障分为：内圈故障、外圈故障、滚动 体故障三类。一般来说，故障识别主要可以有确定故障类型，选择诊断方法，提取特征参数， 执行故障诊断四个主要环节。其中，在故障诊断中重要的两个环节是故障特征选择和分类器的选择。针对滚动轴承故障识别，尽管不同特征能够从不同方面来识别故障，但是他们对识别故障有不同的灵敏度。一些特征对于故障是灵敏并且关联密切的，而其他特征则不然。因此对于分类器，获得一种约简输入特征维数的方法以减少分类器计算消耗,从而实现分类器的高精度的故障诊断。

本发明公开了一种基于函数型非参数回归的中长期典型日负荷曲线预测方法，根据已有的历史典型 日负荷曲线，基于函数型数据分析理论和非参数核密度估计方法，建立函数型非参数回归预测模型;考 虑待预测典型日的日负荷率和最小负荷率，建立二次规划模型对函数型非参数回归预测模型的预测曲线 进行修正，最终得到满足待预测典型日负荷特性指标要求的预测曲线。以中国某省级电网和美国 PJM 电 力公司的典型日负荷数据为基础的仿真算例验证了所提方法简单实用，预测结果准确。本发明具有良好 的推广价值和应用前景。

欢迎来电洽谈： 15323758534 QQ：2793177994 韦先生

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。

本发明提供了一种基于音频信号特性分类的无参考音频质量评价方法和系统，包括步骤：步骤 1， 基于有参考音频质量评价模型建立训练模型，采用机器学习获取不同类型音频信号的音频质量与网络参 数的关系，即无参考音频质量评价模型；步骤 2，在音频信号网络传输中，将当前丢包率、当前延迟时 间和当前丢包数据的音频信号类型输入无参考音频质量评价模型，获得当前音频质量。本发明对不同类 型信号采用不同的质量评价关系式进行质量评价，能更真实地反映用户体验。