茶叶品种鉴别的近红外光谱指纹图谱模式识别方法

运用傅立叶变换近红外光谱结合主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis)方法对七种不同品种的茶叶进行品种鉴别。采集七种样品的傅立叶变换近红外光谱指纹图谱,原始光谱经过多元散射校正(MSC)预处理后,运用主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis,PCA-MD)对茶叶的品种进行判别。所得PCA-MD模型对七种茶叶的分类正确率均为100%,说明模型具有较好的预测分类能力。结论:运用简便、快速、无损的近红外光谱分析结合主成分-马氏距离判别分析方法,为茶叶品种鉴别分类提供了一种快速简便、准确度高、精密度好、分析成本低、实用性强的鉴别方法和手段。     

杀菌剂类农药的太赫兹光谱分类万法

提出一种新的针对杀菌剂类农药太赫兹光谱的分类方法,即用小波包变换来对杀菌剂太赫兹光谱进行特征提取,然后用欧式距离法对4种农药进行分类.太赫兹时域光谱(THz-TDS)技术是一种由超快激光技术快速发展起来的无损检测技术,利用太赫兹时域光谱系统对4种杀菌剂,即福美铁、多菌灵、克菌丹、噻菌灵进行了检测,得到了4种药品的太赫兹时域光谱.用小波包对农药时域光谱进行分解,计算小波包能量谱,并把能量谱作为聚类分析的特征向量,用欧式距离法对杀菌剂太赫兹光谱进行分类,实验结果表明,该方法可以有效地对杀菌剂进行分类.     

不同厂家冬凌草片的近红外光谱主成分聚类分析

利用近红外光谱对不同厂家的冬凌草片进行鉴别归属,并进行快速分类.采集不同厂家不同批次冬凌草片样品的近红外漫反射光谱,通过不同计量学方法进行处理.结合主成分聚类分析法对不同厂家冬凌草片进行聚类判别分析,分类识别正确率达100％,从而推断出不同厂家冬凌草片成分及生产工艺上的差别.结果表明,该方法准确、快速、简便,可用于不同厂家冬凌草片的分类鉴别和质量控制.     

基于距离测度的PCA人脸识别研究

应用主成分分析法对ORL人脸库及YALE人脸库进行特征提取,采用最近邻分类器及5种不同的距离测度进行人脸识别。结果表明:不同的距离测度及累计方差贡献率对PCA(Principal Component Analysis,主成分分析)人脸识别结果影响较大,在累计方差贡献率分别取0.75,0.8,0.9,0.95的条件下,对于ORL人脸库,曼哈顿距离和闵可夫斯基距离下PCA人脸识别正确识别率随累计方差贡献率增大而呈减小趋势;欧几里德距离和夹角余弦距离下PCA人脸识别正确率随累计方差贡献率增大而先增大后减小;切比雪夫距离下的PCA人脸识别正确率保持不变。累计方差贡献率取0.8,以欧几里德距离作为距离测度的PCA人脸识别算法对ORL人脸库取得最高的正确识别率为96.67%,对YALE人脸库,取得的正确识别率为95.56%,验证了算法的有效性。欧几里德距离是PCA人脸识别正确率最高的距离测度。     

25个彩叶桂无性系(品种)的数量分类研究

【目的】通过观测彩叶桂品种的枝叶性状并进行数量分类研究,为彩叶桂品种分类和优良品种选育提供参考依据。【方法】于春季对25个彩叶桂品种进行形态学特征观察,以观测的35个枝叶性状指标数据进行R型聚类分析和主成分分析,去掉相关性较大且累积贡献率较小的性状指标,然后对25个彩叶桂品种进行Q型聚类分析。【结果】R型聚类结果显示:除彩叶桂叶面是否皱缩和侧脉是否隆起,叶片横切面与主脉凹凸度,叶柄颜色与新枝是否双色,成熟叶叶色、成熟叶有无花斑、幼叶色彩类型、叶片色彩类型、幼叶颜色和叶色有较明显的相关性外,各性状相对独立。主成分分析结果显示:共提取11个主成分,累计贡献率为87.618%,前9个主成分累计贡献率为81.157%,主要反映了彩叶桂各阶段色彩表现、叶大小、叶缘锯齿及叶面形态等。Q型聚类结果显示:25个彩叶桂品种按成熟叶叶色分为2大类,又由叶宽分为3类,最后根据叶宽、幼叶色彩类型、叶片横切面、叶形、叶片质地和叶脉色彩等分为10个组。【结论】R型聚类分析、主成分分析和Q型聚类分析表明,叶色、幼叶颜色、成熟叶叶色、叶型、叶面是否皱缩、叶片横切面、叶宽和叶形等性状可作为彩叶桂品种形态学分类的性状指标。综合而言,成熟叶叶色、叶片横切面和叶宽是此次数量分类得出的主要的标准和依据,但是否为该树种最主要的分类标准和依据还需进一步探讨和验证。     

基于近红外光谱技术的苹果霉心病检测方法

为实现苹果霉心病无损检测,提高果实品质,以斗南苹果为研究对象,利用MPA近红外光谱仪,采集了100个苹果,4000~12500cm-1波长范围内的漫反射光谱。将主成分分析(PCA)分别与马氏距离判别模型和Fisher判别模型结合,比较两种判别模型对霉心病的判别精度。试验结果表明：在对苹果样品全波段光谱数据进行主成分分析后,将前10主成分作为输入变量建立判别模型,马氏距离判别模型正确识别率为97.14%,Fisher判别模型的正确率为88.57%,马氏距离判别模型明显优于Fisher判别模型。     

枸杞产地的小波变换红外光谱的聚类分析鉴别

采用傅里叶变换红外光谱(FTIR)对不同枸杞样品产地进行鉴别.常规预处理方法和小波变换对红外光谱原始数据进行了预处理.对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,说明小波变换是一种有效实用的光谱预处理方法.对已预处理后的红外光谱数据进行主成分分析和聚类分析,结果 18份枸杞样品聚为主产地和非主产地两大类,取得了较满意的分类效果.这种红外光谱技术结合聚类分析法被证明是可靠的,可作为枸杞产域鉴别的一种现代化方法.     

基于K-means-RBF的鸡肉品质分类方法研究

鸡肉在贮藏和运输过程中容易腐败变质,利用高光谱成像技术的图、谱合一特点,同时获取鸡肉的光谱特征和纹理、颜色特征,通过鸡肉的内在特征与外在特征综合实现鸡肉品质快速分类。制备62份鸡胸肉样品,通过理化分析分为放心食用、可食用、不建议食用和不可食用4类;以已知分类结果的42个样品作为训练集,将纹理、颜色、光谱特征作为K-means-RBF神经网络的输入,确定K-means初始分类中心、训练RBF神经网络,构建K-means-RBF鸡肉品质分类模型,并利用剩余20个样品作为测试集,对K-means-RBF鸡肉品质分类模型进行测试。测试结果显示,通过训练后的K-means-RBF神经网络对20个测试集样品的分类正确率达到100%;而分别采用纹理、颜色和纹理颜色综合特征作为输入建立的分类器,正确率分别为85%、80%、95%。鸡肉品质分类成功利用了高光谱成像技术“图谱合一”的特点,实现了鸡肉品质的综合检测,验证了K-means-RBF融合方法在高光谱数据分析中的有效性,及单一特征在分类中的局限性。     

基于NIR的模式识别技术在地理标志产品响水大米鉴别中的应用

分别利用多元线性回归判别分析和BP人工神经网络分析建立了近红外光谱(NIR)快速鉴别地理标志产品响水大米的新方法.大米的近红外光谱数据经过一阶导数和平滑处理后,利用主成分分析对数据进行了降维处理,并确定了相关性最大的特征波段(7 700~6 700cm-1与5 700~4 300cm-1).利用特征波段的主成分数据建立了多元线性回归判别分析和BP人工神经网络鉴别模型.2种模型对于地理标志产品响水大米的鉴别正确率均为100%,适用于地理标志产品的快速无损鉴别.     

一种基于融合的词袋模型和大裕度最近邻分类算法的图像识别方法

图像分类作为图像处理和计算机视觉的重要组成部分,能够快速准确地对数字图像进行分析和管理.对基于bag of word(BOW)模型的分类问题进行了研究,针对图像理解中的图像相似度之间的关系,提出了一种最大间隔最近邻居分类算法,通过对成对约束的度量学习算法,在优化目标中增加原空间数据分类的约束,学习到了一个可以反映当前样本数据的距离函数,并且在k-Nearest Neighbor(KNN)分类器上使用该学习到的距离函数来构建分类器,并在多个国际标准图像数据集上进行实验,结果表明:该算法相比传统的基于欧式距离的算法具备更高的正确率.     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

基于多分类器融合的高光谱图像分类研究

针对由于高光谱图像存在数据量大、数据相关性强、图谱合一等特点导致高光谱图像分类难度较大的问题,构建一种基于多分类器融合的高光谱图像分类模型.该模型首先使用双边滤波算法进行去噪处理,然后使用LDA算法与PCA算法相结合、单独PCA算法、Gabor滤波与PCA算法相结合三种方式分别对数据进行降维与特征提取,并分别使用SVM...     

基于尺度制约规则耦合距离约束的图像匹配算法

为了提高图像的匹配精度及其鲁棒性,本文提出了基于尺度制约规则耦合距离约束的图像匹配算法.首先,采用箱式滤波器对高斯函数二阶偏导进行逼近,对特征点进行检测;同时,利用特征点对应的空间尺度来建立尺度制约规则,剔除伪特征点.然后,以特征点为中心,形成圆形区域,计算其Haar小波响应,获取特征点的主方向以及特征向量,形成特征描述子.随后,利用特征点的尺度相似性以及角度相似性来建立空间相似法则,完成特征点的匹配.最后,利用特征点欧氏度量的结果,建立距离约束模型,对匹配特征点之间的距离进行约束,剔除错误的匹配特征点.实验结果显示,与当前图像匹配算法相比,本文算法匹配的图像具有更好的匹配准确度及匹配精度.     

基于M-WDLS和PCA的转子故障诊断方法

针对不同故障特征属性交互重叠导致的故障类别辨识困难问题,提出一种基于Manhattan距离作为特征之间相似度信息测度的权值判别拉普拉斯分值特征选择方法.该方法采用Manhattan距离衡量高维特征矢量之间的相似度,并将数据样本标记信息融入权值计算中以增强权值的判别性,提升了LS算法的敏感特征筛选性能.将M-WDLS和主成分分析相结合,提出基于M-WDLS和PCA的转子故障诊断方法.首先提取原始振动信号的时域、频域、时频域特征构造混合域特征集;然后利用M-WDLS选择敏感特征组成敏感特征矩阵;最后对敏感特征矩阵进行PCA降维处理,并将结果输入到K-近邻分类器中进行模式识别.对比实验的结果表明,该方法能有效提取转子系统振动信号的状态特征,有助于提高故障辨识的准确率.     

基于广义互功率谱相位法的声源定位技术

研究如何在复杂噪声和严重混响的室内环境下,提高声源定位系统的性能.首先分析室内麦克风阵列的信号模型,确立一种合适的阵列拓扑结构;其次在复倒谱域对滤波器的各项参数进行仿真比较,得出滤波器参数的最佳值;然后提出一种广义互功率谱相位法,改进了峰值不明显等问题.在Matlab中对多种加权函数进行了仿真比较,进一步改善声源定位结果的准确性.最后对提出的算法进行验证,结果表明,当改进后算法的角度误差和距离误差分别为±10°和±15cm时,定位成功率能达到80%左右.     

渝西地区再生稻高产品种筛选及株型特征分析

结合重庆渝西地区再生稻高产品种筛选对13个杂交水稻品种成熟期株型性状进行了调查分析,希望为该地区再生稻品种选择和选育提供依据.结果表明,深两优5814,川香优178两季综合产量分别达到14 513.25kg/hm~2和14 283.75kg/hm~2,较对照增产19.76%和17.87%,再生力强、产量高、品质优,适宜在该地区推广应用.成熟期株型分析结果显示,13个杂交水稻品种株高为101.50~126.00cm,剑叶长和宽分别为23.43~40.61cm和1.72~2.16cm,剑叶叶基角为12.00°~23.75°.成熟期上三叶直立,特别是剑叶挺直有利于改善群体结构和再生芽萌发成穗.     

基于支持向量机的结肠癌信息基因提取

基于结肠癌基因表达谱数据集,提出了一种信息基因提取的新方法。该方法结合了支持向量机(SVM)、Bhattacharyya距离、递归特征消除(RFE)和快速基于相关性过滤器(FCBF)方法。首先,利用Bhattacharyya距离与SVM-RFE方法结合去除无关基因,然后运用FCBF方法得到信息基因,最后以支持向量机作为分类器对结肠癌样本进行分类识别。实验结果表明,同现有的方法相比,该方法在提取基因数量和准确率上都有明显的优势。     

汽轮机故障诊断中的信息熵融合

在汽轮机轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的4种信息熵样本.采用概率神经网络对故障信号的4种信息熵特征进行融合研究,并将融合结果与最小距离分类器的分类效果进行了对照分析.研究表明,概率神经网络可实现对训练样本100%的正确识别率,对"陌生"样本的正确识别率也超过80%,其识别效果远远超过最小距离分类器.可见,概率神经网络综合了贝叶斯分类器和神经网络的优势,在汽轮机故障模式分类方面具有明显的优势,利用概率神经网络融合信号的信息熵特征实现汽轮机轴系故障模式识别是一种可行有效的方法.     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

基于PCA-BLS的逆变器故障诊断

为了确保电气设备的安全可靠运行,提出基于主成分分析法与宽度学习系统的逆变器故障诊断方法。利用主成分分析法对逆变器输出的电流信号进行处理,提取信号特征;构建宽度学习系统,并编写不同故障模式下的故障编码;利用不同故障模式下的信号特征对宽度学习系统进行训练,利用网络输出编码实现故障分类。仿真结果表明,该研究方法在诊断准确率及训练时间方面优于传统的神经网络故障诊断方法。