导读:本文包含了物种识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:物种,毒性,药物,生物多样性,模型,机器,动物。
物种识别论文文献综述
刘海英[1]（2019）在《新型肝芯片可跨物种识别药物毒性》一文中研究指出科技日报华盛顿11月11日电（记者刘海英）器官芯片具有广阔应用前景，是生物学研究热点之一，目前已有多种类型器官芯片问世。美国一研究团队近日在《科学·转化医学》杂志上发表研究报告称，他们研制出一种具有种特异性的肝芯片，可以跨物种识别药物毒性，从而帮助提高候(本文来源于《科技日报》期刊2019-11-13）
刘耀,罗泽[2]（2019）在《基于AutoML的保护区物种识别》一文中研究指出随着我国在生态保护上的投入加大,红外相机技术在我国各级自然保护区的应用发展迅猛,在如何充分挖掘照片的信息方面,物种识别显得尤为重要,是其他工作的前提.在图像识别方面,随着深度学习的爆发,给图像识别带来了革命性的提升,以卷积神经网络为代表的网络结构在准确率上几乎完胜传统方法.然而,由于网络结构对最终图像识别准确率的影响巨大,人们在实际应用中往往都是使用一些经典的网络结构,比如VGG16、VGG19、ResNet50等,从中选择一个适合自己的数据集的网络结构,同时对于不同的数据集,可能需要重新选择.因此,在保护区红外相机物种的识别中,本文提出了基于AutoML的自动构建网络结构技术,针对不同的保护区的数据集,自动构建合适的网络结构,避免人工选择,同时达到了与人工选择网络相当的准确率.(本文来源于《计算机系统应用》期刊2019年09期）
孔嘉鑫,张昭臣,张健[3]（2019）在《基于多源遥感数据的植物物种分类与识别:研究进展与展望》一文中研究指出物种分类与识别是生物多样性监测的基础,明确物种的类别及其分布是解决几乎所有生态学问题的前提。为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题,本文对2000年以来该领域的研究进行了总结分析,发现:当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原;使用最多的遥感数据是机载高光谱数据,而激光雷达作为补充数据,通过单木分割及提供单木的叁维垂直结构信息,显着提高了分类精度;支持向量机和随机森林作为应用最广的非参数分类算法,平均分类精度达80%;随着计算机技术及机器学习领域的不断成熟,人工神经网络在物种识别领域得以迅速发展。基于此,本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结,并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度。(本文来源于《生物多样性》期刊2019年07期）
尹艺洁,刘世梁,孙永秀,赵爽,安毅[4]（2019）在《基于电流理论识别多物种扩散廊道的优先度——以西南西双版纳为例（英文）》一文中研究指出Ecological corridor networks can efficiently improve regional landscape connectivity. Corridors for multiple faunal species movements are receiving increasing attention and graph theory is considered a promising way to explore landscape connectivity. In Xishuangbanna, the circuit theory was applied to explore the corridor networks for biodiversity for the first time. In addition, disturbances caused by the road network and the protection efficiency of National Nature Reserves and planned area for corridors were evaluated. Results indicated that the regional corridor networks could be estimated using a modified circuit method and Zonation model. Spatially, the key corridors were concentrated in the central-western, southeastern and northern regions. We detected 66 main intersections between key corridors and the road buffer. Of these points, 65% are forest, 23% grassland and 12% farmland. More than half of the area of National Nature Reserves constituted the top 50% of the corridors, and the planned corridor areas could efficiently protect some key corridors. However, these reserves only protected about 17% of regional key corridors, and the corridor conservation area in the western and northern regions were absent. The issues addressed in our study aided in the elucidation of the importance of regional landscape connectivity assessments and operational approaches in conservation planning.(本文来源于《Journal of Geographical Sciences》期刊2019年07期）
宋益盛,林志杰[5]（2019）在《基于迁移学习和数据增强技术的物种识别》一文中研究指出为了应对动物保护工作者和普通民众希望对国内珍稀动植物准确识别并加以保护的场景,实验提出一种基于数据增强技术和迁移学习的深度学习方法,并借助App实现实时的珍稀动植物识别。首先使用迁移模型提取基于ImageN-et数据集的标准化瓶颈描述算子和所有卷积层神经网络的权重,然后通过网络爬虫搜集大量野生珍稀动植物图片,并对得到的数据集分别进行静态数据增强和动态数据增强,用来训练迁移模型新的特征表示。实验使用Softmax函数实现多物种分类。实验中,分别采用MobileNet、InpectionV3等不同模型的不同参数进行训练,得到不同配置下模型的准确率并加以比较,最后将其应用于真实自然场景,实现了90%以上的珍稀动植物精准分类,实验证明提出的方法具有很高准确率和良好的运行性能。(本文来源于《现代计算机》期刊2019年14期）
林菡,邢婷婷,吴帆旭[6]（2019）在《基于BP神经网络的闽江口湿地鸟类物种识别的研究》一文中研究指出闽江口湿地作为亚太地区候鸟迁徙途中重要的一处落脚站,不乏有一些易危、濒危或极度濒危的鸟类,为了研究和保护这些候鸟,本课题以图像识别技术的主要方法为背景,采用了一种基于小波变换和KL变换进行候鸟特征提取,并以BP神经网络作为分类器研究设计出一套适用于闽江口湿地复杂环境下的候鸟识别方案。(本文来源于《网络安全技术与应用》期刊2019年05期）
陈龙,刘春兰,马明睿,乔青,裴厦[7]（2019）在《太行山生物多样性保护优先区(北京区域)急需保护物种的空间分布、热点识别及保护成效评价》一文中研究指出随着人类活动影响加剧,生物多样性急剧丧失。识别急需保护物种集聚分布的热点地区,从而分配更多资源予以保护,是提高生物多样性保护效率的有效途径。以太行山生物多样性保护优先区北京区域为案例区,提取待保护目标物种的分布范围,识别目标物种集聚的热点区域和空缺区。研究发现热点区主要分布于北京与河北交界的门头沟区百花山和东灵山区域、延庆区的松山区域、怀柔区的喇叭沟门区域以及密云区的雾灵山区域。除十字兰和刺楸外的其余46种目标物种已受到不同程度保护,但保护效率仍有待提升。此外,研究还识别出急需保护但尚未划入自然保护区的空缺区域约339 km2。建议针对实际情况,通过新建、扩建保护区以及保护小区或生态保护红线等不同方式提升现有保护效果。研究成果有助于优化现有保护网络体系,提升自然保护区的保护效果。(本文来源于《生态与农村环境学报》期刊2019年04期）
罗宁,阮仁宗,王俊海[8]（2019）在《基于机器学习与高光谱数据的湿地植被物种识别研究》一文中研究指出为了探索利用高光谱高空间分辨率遥感数据进行湿地植被物种识别,笔者在分析6种湿地植被原反射光谱、二阶微分及连续统去除光谱的基础上,利用马氏距离法和相关系数法提取特征波段,并将其作为特征参数参与C5.0决策树分类与信息提取。结果显示:(1)基于机器学习的C5.0决策树法总体分类精度为79.87%,Kappa系数为0.765,与监督分类最大似然法相比,植被信息提取总体精度提高9.95%,Kappa系数提高0.114;(2)机器学习C5.0决策树法与最大似然法相比,其独特的优势在于对藻类的信息提取精度大大提升,狐尾藻和水蕴草的用户精度提升最大,分别提升了18.67%和15.86%。该方法能够实现湿地植被物种信息的高精度提取,为同类研究提供借鉴,为湿地生态健康评价提供科学与技术上的支持。(本文来源于《中国农学通报》期刊2019年13期）
张德顺,胡立辉[9]（2019）在《世界物种多样性类别自然遗产OUV表征指标的识别研究》一文中研究指出识别物种多样性OUV表征指标,对于世界物种多样性类别自然遗产价值的认知、评估与监测具有重要意义。在对国内外物种多样性评价体系中具有普适性价值指标的初步筛选与分类的基础上,以206项自然遗产与35项混合遗产为研究对象,通过分析表征指标的频次、相关性、回归贡献值与多维聚类度,构建了以稀有性、多样性、代表性和重要性为主的四大类含13项特征的世界自然遗产物种多样性OUV表征指标体系。其中,重点指标4项即濒危物种、物种丰富度、物种特有度和重要物种,一般指标7项即物种相对多度、物种密度、旗舰物种、地方性物种、珍稀物种、红色名录指数和标志物种,参考指标2项即古老孑遗物种和关键物种。该表征指标体系的构建对于自然遗产价值的认知与保护,特别是物种多样性类别遗产的研究、申报、规划与管理具有现实意义。(本文来源于《中国园林》期刊2019年03期）
梁碧霞,徐艳萍,武正军,黄锦龙[10]（2019）在《鲤鱼对外来入侵物种鳄龟及巴西龟的视觉识别》一文中研究指出鳄龟(Macroclemys temmincki)和巴西龟(Trachemys scripta elegans)是危害严重的外来物种,在中国多地的水生生态系统中已经发现鳄龟和巴西龟分布。本研究探讨了本地物种鲤鱼(Cyprinus carpio)对这两种入侵生物的反捕食能力。通过观察鳄龟和巴西龟出现时,鲤鱼是否远离它们,来了解鲤鱼对鳄龟和巴西龟的视觉识别能力和反捕食行为。结果表明:当只有鳄龟时,鲤鱼能在短时间内(10 min)有效识别并远离鳄龟;当鳄龟和巴西龟同时出现时,在所有时间段内(0～10 min)鲤鱼远离鳄龟的数量显着高于远离巴西龟的数量,这可能是鳄龟活动幅度较大、危险系数高、动作凶猛所致。本研究说明,鲤鱼可通过视觉辨别捕食者威胁大小并采取合适的生存策略。水生生态系统的外来入侵物种对水生生物的危害较大,应加强对外来入侵物种的防控,限制外来物种放生,减轻其生态危害。(本文来源于《生态学杂志》期刊2019年01期）
物种识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国在生态保护上的投入加大,红外相机技术在我国各级自然保护区的应用发展迅猛,在如何充分挖掘照片的信息方面,物种识别显得尤为重要,是其他工作的前提.在图像识别方面,随着深度学习的爆发,给图像识别带来了革命性的提升,以卷积神经网络为代表的网络结构在准确率上几乎完胜传统方法.然而,由于网络结构对最终图像识别准确率的影响巨大,人们在实际应用中往往都是使用一些经典的网络结构,比如VGG16、VGG19、ResNet50等,从中选择一个适合自己的数据集的网络结构,同时对于不同的数据集,可能需要重新选择.因此,在保护区红外相机物种的识别中,本文提出了基于AutoML的自动构建网络结构技术,针对不同的保护区的数据集,自动构建合适的网络结构,避免人工选择,同时达到了与人工选择网络相当的准确率.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
物种识别论文参考文献
[1].刘海英.新型肝芯片可跨物种识别药物毒性[N].科技日报.2019
[2].刘耀,罗泽.基于AutoML的保护区物种识别[J].计算机系统应用.2019
[3].孔嘉鑫,张昭臣,张健.基于多源遥感数据的植物物种分类与识别:研究进展与展望[J].生物多样性.2019
[4].尹艺洁,刘世梁,孙永秀,赵爽,安毅.基于电流理论识别多物种扩散廊道的优先度——以西南西双版纳为例（英文）[J].JournalofGeographicalSciences.2019
[5].宋益盛,林志杰.基于迁移学习和数据增强技术的物种识别[J].现代计算机.2019
[6].林菡,邢婷婷,吴帆旭.基于BP神经网络的闽江口湿地鸟类物种识别的研究[J].网络安全技术与应用.2019
[7].陈龙,刘春兰,马明睿,乔青,裴厦.太行山生物多样性保护优先区(北京区域)急需保护物种的空间分布、热点识别及保护成效评价[J].生态与农村环境学报.2019
[8].罗宁,阮仁宗,王俊海.基于机器学习与高光谱数据的湿地植被物种识别研究[J].中国农学通报.2019
[9].张德顺,胡立辉.世界物种多样性类别自然遗产OUV表征指标的识别研究[J].中国园林.2019
[10].梁碧霞,徐艳萍,武正军,黄锦龙.鲤鱼对外来入侵物种鳄龟及巴西龟的视觉识别[J].生态学杂志.2019
论文知识图
