期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于变量选择比自适应迭代法的近红外光谱变量选择方法研究 被引量:3
1
作者 文鹏 宦克为 +1 位作者 赵环 王迪 《长春理工大学学报(自然科学版)》 2024年第1期23-28,共6页
近红外光谱分析技术(NIRS)存在信号弱、谱带重叠等问题,为了提高模型预测精度,提出了变量选择比自适应迭代法(PSAI)。通过蒙特卡洛法(MCS)采样,从样本中采集不同样本子集,利用偏最小二乘法(PLS)计算出每个子回归模型以及每个变量回归系... 近红外光谱分析技术(NIRS)存在信号弱、谱带重叠等问题,为了提高模型预测精度,提出了变量选择比自适应迭代法(PSAI)。通过蒙特卡洛法(MCS)采样,从样本中采集不同样本子集,利用偏最小二乘法(PLS)计算出每个子回归模型以及每个变量回归系数的平均值和标准差并得到初始权重,进而选取出最佳特征变量。结果表明,变量选择比自适应迭代法与自助软收缩法、无信息变量消除法以及竞争自适应重加权采样法相比,小麦蛋白数据预测精度分别提升了14%、21.4%、4.1%;牛奶蛋白数据预测精度分别提升了25%、43.3%、8.7%。所以变量选择比自适应迭代法对于简化预测模型,提高模型预测精度是可行的。 展开更多
关键词 变量选择 权重 自适应迭代 加权自助采样
在线阅读 下载PDF
高效通道注意力结合卷积神经网络的近红外光谱分析模型研究
2
作者 王妞 宦克为 +2 位作者 傅钲淇 刘赋伟 王迪 《长春理工大学学报(自然科学版)》 2024年第1期16-22,共7页
近红外光谱分析技术有无损、高效的特点,在各领域都有广泛应用。但传统分析模型在面对近红外光谱数据量激增时往往出现预测精度不高、泛化能力差等问题。为此,提出一种基于卷积神经网络(CNN)与高效通道注意力(ECA)模块相结合的近红外光... 近红外光谱分析技术有无损、高效的特点,在各领域都有广泛应用。但传统分析模型在面对近红外光谱数据量激增时往往出现预测精度不高、泛化能力差等问题。为此,提出一种基于卷积神经网络(CNN)与高效通道注意力(ECA)模块相结合的近红外光谱分析模型(CNNECANet),该模型由8个一维卷积层、1个ECA模块、4个最大池化层、1个展平层、2个全连接层和1个参数优化器组成。ECA模块由1个全局平均池化、1个一维卷积层和1个Sigmoid激活函数组成。以啤酒、牛奶、柴油、谷物的近红外光谱公共数据为例,将CNNECANet与常用建模方法进行比较,CNNECANet比PLS的预测精度分别提高了30.3%、14.1%、29.5%、48.4%;CNNECANet比SVR的预测精度分别提高了33.5%、17.6%、39.0%、50.0%;CNNECANet比BP神经网络模型的预测精度分别提高了80.0%、29.0%、7.2%、42.7%。该模型具有更好的预测精度和鲁棒性,解决了传统近红外光谱建模算法容易出现过拟合、模型泛化性差等问题。 展开更多
关键词 近红外光谱 卷积神经网络 高效通道注意力 预测模型
在线阅读 下载PDF
基于自适应NSST—PCNN的红外与可见光图像融合方法研究 被引量:3
3
作者 李向阳 曹宇彤 +2 位作者 陈笑 宦克为 王迪 《长春理工大学学报(自然科学版)》 2021年第5期12-18,共7页
传统的红外与可见光图像融合方法存在着对比度不高、背景细节信息保留不理想的问题,为解决此类问题,提出了一种非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)结合自适应脉冲耦合神经网络(Pulse Coupled Neural Network,P... 传统的红外与可见光图像融合方法存在着对比度不高、背景细节信息保留不理想的问题,为解决此类问题,提出了一种非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)结合自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的方法。利用NSST将源图像多尺度地分解成低频子带和高频子带;针对图像低频子带融合,采用自适应模糊逻辑加权平均融合规则;对于图像高频子带融合,采用自适应PCNN的算法;最后,通过NSST逆变换得到融合后图像。实验结果表明,相比于传统图像融合方法,本方法在信息熵、空间频率、平均梯度、互信息和交叉熵等多个客观评价指标上至少分别提高了1.54%、4.52%、3.52%、9.14%、0.12%,提高了融合图像的对比度,保留了背景细节信息,取得更好的融合效果。 展开更多
关键词 图像融合 非下采样剪切波变换 脉冲耦合神经网络 模糊逻辑
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部