检索结果-维普期刊中文期刊服务平台

基于正交线性判别分析和电子鼻技术的食醋分类被引量：6: 1; 作者武斌王大智 +4 位作者嵇港黄大鹏武小红陈开兵贾红雯《食品与发酵工业》 CAS CSCD 北大核心 2020年第6期263-268,共6页; 为了实现食醋品种的准确分类,探索应用电子鼻技术和两种特征提取方法进行食醋的检测和分类。先用自制电子鼻系统检测5个品种食醋的电子鼻信号,接着用标准正态变量变换进行数据预处理,然后分别用主成分分析(principal component analysis... 展开更多; 关键词食醋电子鼻标准正态变量变换正交线性判别分析线性判别分析; 在线阅读下载PDF 职称材料

不同近红外光谱预处理方法对胡杨叶片含水量检测模型的影响被引量：8: 2; 作者胡艳培白铁成 +3 位作者陈好斌姚江河刘冠华杨洪坤《江苏农业科学》 2018年第19期253-257,共5页; 近红外光谱预处理是胡杨叶片含水量光谱检测的前提,然而样本背景、电噪声和杂散射等会干扰近红外光谱的测量结果。为了避免以上因素对近红外光谱产生的影响,采用连续投影算法(successive ections algorithm,简称SPA)、数据中心化、归一... 展开更多; 关键词近红外光谱预处理方法叶片含水量标准正态变量变换 SPA PLS; 在线阅读下载PDF 职称材料

基于激光诱导击穿光谱法建立预测精炼钢渣中硅、钙、镁、铝含量模型的优化被引量：4: 3; 作者刘艳丽《理化检验（化学分册）》 CAS CSCD 北大核心 2020年第11期1178-1181,共4页; 针对目前冶金领域中尚无激光诱导击穿光谱法(LIBS)进行精炼钢渣成分快速分析的工业成型机现状,采用自主研发LIBS试验系统和分析软件建立了用于预测精炼钢渣中硅、钙、镁和铝含量的模型。试验先采用传统标准曲线法对结果进行预测,得到这... 展开更多; 关键词激光诱导击穿光谱标准正态变量变换偏最小二乘法预测模型硅钙镁铝精炼钢渣; 在线阅读下载PDF 职称材料

基于高光谱的套袋和不套袋苹果糖度无损预测模型研究被引量：8: 4; 作者王风云郑纪业 +1 位作者阮怀军袁旭林《山东农业科学》 2020年第6期129-136,共8页; 现市场上普遍存在套袋和不套袋两种种植模式的苹果,为了更精确地检测苹果糖度,针对这两种模式,分别探究了其糖度无损检测模型。以烟台栖霞生产基地的红富士苹果为研究对象,以苹果糖度为测试指标,对套袋和不套袋苹果分别建立了全光谱反... 展开更多; 关键词高光谱苹果糖度无损预测标准正态变量变换主成分分析蚁群算法偏最小二乘回归 BP神经网络; 在线阅读下载PDF 职称材料

题名基于正交线性判别分析和电子鼻技术的食醋分类被引量：6: 1; 作者武斌王大智嵇港黄大鹏武小红陈开兵贾红雯; 机构滁州职业技术学院信息工程系江苏大学京江学院江苏大学电气信息工程学院; 出处《食品与发酵工业》 CAS CSCD 北大核心 2020年第6期263-268,共6页; 基金安徽省质量工程项目—大学生物联网创客实验室项目(2016ckjh137) 安徽省教育厅高校自然科学研究重大项目(KJ2018ZD064) +2 种基金滁州职业技术学院校级科研重点项目(YJZ-2018-19)。; 文摘为了实现食醋品种的准确分类,探索应用电子鼻技术和两种特征提取方法进行食醋的检测和分类。先用自制电子鼻系统检测5个品种食醋的电子鼻信号,接着用标准正态变量变换进行数据预处理,然后分别用主成分分析(principal component analysis,PCA)+线性判别分析(linear discriminant analysis,LDA)和正交线性判别分析(orthogonal linear discriminant analysis,OLDA)对食醋电子鼻信号进行降维与特征提取,最后用最近邻分类器进行分类。实验表明,PCA+LDA的分类准确率最高达到90.32%,而OLDA的分类准确率最高达到91.52%。另外,PCA+LDA需要2次特征提取而OLDA只要1次。因此,OLDA在特征提取方面要优于PCA+LDA,基于OLDA和电子鼻技术的食醋品种分类方法是切实可行的。; 关键词食醋电子鼻标准正态变量变换正交线性判别分析线性判别分析; Keywords vinegar electronic nose standard normal variate transformation orthogonal linear discriminant analysis linear discriminant analysis; 分类号 TS264.22 [轻工技术与工程—发酵工程]; 在线阅读下载PDF 职称材料

题名不同近红外光谱预处理方法对胡杨叶片含水量检测模型的影响被引量：8: 2; 作者胡艳培白铁成陈好斌姚江河刘冠华杨洪坤; 机构塔里木大学信息工程学院塔里木大学经济与管理学院; 出处《江苏农业科学》 2018年第19期253-257,共5页; 基金国家自然科学基金(编号:61362026); 文摘近红外光谱预处理是胡杨叶片含水量光谱检测的前提,然而样本背景、电噪声和杂散射等会干扰近红外光谱的测量结果。为了避免以上因素对近红外光谱产生的影响,采用连续投影算法(successive ections algorithm,简称SPA)、数据中心化、归一化和标准正态变量变换方法(standard normal variate transformation,简称SNV)对原始光谱数据进行预处理,使用偏最小二乘法(partial least squares,简称PLS)建立胡杨叶片水分含量检测的校正集和预测集模型。结果表明,直接使用原始光谱,利用SPA算法筛选变量数为7个,模型预测精度为0. 971 44,RMSPCV为0. 046 132,相关系数r=0. 674 24,RMSEP=0. 021 434;使用原始光谱+标准正态变量变换方法,利用SPA算法筛选变量数为6个,模型预测精度为0. 976 63,RMSPCV为0. 045 642,相关系数r=0. 774 72,RMSEP=0. 018 24。SNV+SPA预处理方法能够有效地消除噪声和散射,提高模型的预测精度,相关性明显增加,降低数据维数和误差,可用于胡杨叶片水分含量的快速、无损检测,同时对其他作物叶片水分含量光谱预处理检测具有一定的参考意义。; 关键词近红外光谱预处理方法叶片含水量标准正态变量变换 SPA PLS; 分类号 S718.3 [农业科学—林学] S127 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于激光诱导击穿光谱法建立预测精炼钢渣中硅、钙、镁、铝含量模型的优化被引量：4: 3; 作者刘艳丽; 机构河钢集团钢研总院; 出处《理化检验（化学分册）》 CAS CSCD 北大核心 2020年第11期1178-1181,共4页; 基金河北省自然科学基金(E2016318007)。; 文摘针对目前冶金领域中尚无激光诱导击穿光谱法(LIBS)进行精炼钢渣成分快速分析的工业成型机现状,采用自主研发LIBS试验系统和分析软件建立了用于预测精炼钢渣中硅、钙、镁和铝含量的模型。试验先采用传统标准曲线法对结果进行预测,得到这4种元素的决定系数(R2)仅为0.8331,0.8294,0.8032,0.6913,预测值的相对误差绝对值为9.3%~26%。为了优化试验结果,试验采用化学计量学法中的标准正态变量变换(SNV)和偏最小二乘法(PLS)建立模型,预测结果的准确度有了明显提升。结果表明:在最优潜变量为15的条件下,铝元素的光谱数据经SNV预处理后,建立的PLS模型的预测效果较好,预测值的平均相对误差绝对值为6.0%,R2为0.9502;硅、钙、镁的PLS模型预测效果较好,不需再进行SNV预处理,其预测值的相对误差绝对值为8.1%,1.5%,8.4%,R2分别为0.9281,0.9103,0.9018,基本满足钢渣快速检测工作需求。; 关键词激光诱导击穿光谱标准正态变量变换偏最小二乘法预测模型硅钙镁铝精炼钢渣; Keywords LIBS standard normal variate transformetion partial least squares predictive model silicon calcium magnesium aluminum refined steel slag; 分类号 O657.3 [理学—分析化学]; 在线阅读下载PDF 职称材料

题名基于高光谱的套袋和不套袋苹果糖度无损预测模型研究被引量：8: 4; 作者王风云郑纪业阮怀军袁旭林; 机构山东省农业科学院科技信息研究所山东大学控制科学与工程学院; 出处《山东农业科学》 2020年第6期129-136,共8页; 基金山东省农业科学院农业科技创新工程项目(CXGC2017B04) 中国农业科学院—山东省农业科学院科技创新工程协同创新任务(CAAS-XTCX2018023)。; 文摘现市场上普遍存在套袋和不套袋两种种植模式的苹果,为了更精确地检测苹果糖度,针对这两种模式,分别探究了其糖度无损检测模型。以烟台栖霞生产基地的红富士苹果为研究对象,以苹果糖度为测试指标,对套袋和不套袋苹果分别建立了全光谱反向传播神经网络模型(FS-BP)、全光谱偏最小二乘模型(FSPLS)、主成分分析反向传播神经网络模型(PCA-BP)、主成分分析偏最小二乘模型(PCA-PLS)、蚁群算法反向传播神经网络模型(ACO-BP)、蚁群算法偏最小二乘模型(ACO-PLS),通过对比这6种模型的糖度预测精度找出分别适用于套袋和不套袋苹果的最优模型。结果表明,ACO-PLS无论在套袋还是不套袋苹果糖度的预测上都取得了最高的预测精度,不套袋苹果样本训练集均方根误差为0. 3489,相关系数为0. 9258,测试集均方根误差为0. 3247,相关系数为0. 9279;套袋苹果样本训练集均方根误差为0. 3833,相关系数为0. 9449,测试集均方根误差为0. 3146,相关系数为0. 9602。本研究结果为建立苹果品质分级系统提供了重要的参考价值。; 关键词高光谱苹果糖度无损预测标准正态变量变换主成分分析蚁群算法偏最小二乘回归 BP神经网络; Keywords Hyperspectrum Apple sugar content Non-destructive prediction Standard normal variable transformation Principal component analysis Ant colony optimization Partial least squares regression Back propagation neural network; 分类号 S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于正交线性判别分析和电子鼻技术的食醋分类	武斌王大智嵇港黄大鹏武小红陈开兵贾红雯	《食品与发酵工业》 CAS CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料
2	不同近红外光谱预处理方法对胡杨叶片含水量检测模型的影响	胡艳培白铁成陈好斌姚江河刘冠华杨洪坤	《江苏农业科学》	2018	8	在线阅读下载PDF 职称材料
3	基于激光诱导击穿光谱法建立预测精炼钢渣中硅、钙、镁、铝含量模型的优化	刘艳丽	《理化检验（化学分册）》 CAS CSCD 北大核心	2020	4	在线阅读下载PDF 职称材料
4	基于高光谱的套袋和不套袋苹果糖度无损预测模型研究	王风云郑纪业阮怀军袁旭林	《山东农业科学》	2020	8	在线阅读下载PDF 职称材料