期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
噪声鉴别C均值聚类的滁菊花茶品质等级鉴别研究 被引量：1
1
作者 武斌 谢晨傲 +2 位作者 陈勇 武小红 贾红雯 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第8期2202-2207,共6页
近红外光谱检测技术可以通过探测近红外区域的光谱特征,反映所测样品内部有机物化学成分和结构信息。在分析物质成分时,近红外光谱通常会涉及到大量的波长数据,因此其维数往往比较高。同时,光谱会出现重叠和冗余等现象,会影响模型的性... 近红外光谱检测技术可以通过探测近红外区域的光谱特征,反映所测样品内部有机物化学成分和结构信息。在分析物质成分时,近红外光谱通常会涉及到大量的波长数据,因此其维数往往比较高。同时,光谱会出现重叠和冗余等现象,会影响模型的性能。提出一种噪声鉴别C均值聚类(NDCM)算法。NDCM将一种快速广义噪声聚类(FGNC)和模糊线性判别分析(FLDA)相结合,可实现模糊聚类过程中进行数据鉴别信息的提取和数据空间维度的压缩,以达到更高的聚类准确率。对滁菊花茶近红外光谱数据进行模糊C均值聚类(FCM)得到的模糊隶属度和聚类中心作为噪声鉴别C均值聚类(NDCM)的初始模糊隶属度和初始聚类中心,使NDCM具有聚类速度快,准确率高等优点。FCM算法对光谱噪声数据敏感,而NDCM算法在处理含噪声的光谱数据时能够表现出较好的性能。该研究选取特级滁菊、一级滁菊、二级滁菊三种品质等级的滁菊花茶作为实验样本,共计240个样本。实验使用便携式近红外光谱仪(NIR-M-F1-C)采集滁菊花茶的近红外光谱数据。用Savitzky-Golay滤波和多元散射校正(MSC)对滁菊花茶近红外光谱进行预处理,以减少光谱中掺杂的噪声和重叠信息。通过主成分分析(PCA)对采集到的400维光谱数据进行维度压缩降至6维。该研究使用线性判别分析(LDA)提取滁菊花茶光谱数据中的鉴别信息,并将数据空间维度进一步转换为2维。分别用FCM,FGNC和NDCM三种算法对处理后的数据进行聚类分析,以实现对滁菊花茶的准确分类。实验结果显示:当权重指数m=2.5时,FCM,FGNC,NDCM的聚类准确率分别为92.42%,98.48%,100%。NDCM聚类时间略长于FGNC。FCM算法需要进行27次迭代才能收敛,而FGNC算法和NDCM算法分别只需要13次和10次迭代就能达到收敛。采用近红外光谱技术结合MSC、Savitzky-Golay滤波、PCA、LDA和NDCM算法,建立了一种精准鉴别滁菊花茶品质等级的聚类模型。 展开更多
关键词 噪声鉴别C均值聚类 近红外光谱 无损检测 线性判别分析
在线阅读 下载PDF
基于多阈值分割和B样条插值的CT图像金属伪影去除方法研究 被引量：15
2
作者 李长春 李元金 《电子测量与仪器学报》 CSCD 北大核心 2020年第7期128-132,共5页
为了解决重建后CT(computed tomography)图像中出现的金属伪影问题,提出了基于多阈值分割和B样条插值的CT图像金属伪影去除方法。首先,介绍了CT图像中金属伪影产生的原因;然后详细剖析基于多阈值分割和B样条插值的CT图像金属伪影去除方... 为了解决重建后CT(computed tomography)图像中出现的金属伪影问题,提出了基于多阈值分割和B样条插值的CT图像金属伪影去除方法。首先,介绍了CT图像中金属伪影产生的原因;然后详细剖析基于多阈值分割和B样条插值的CT图像金属伪影去除方法实施过程;最后,使用于基于多阈值分割和B样条插值的CT图像金属伪影去除方法对含有金属伪影的临床CT图像和模拟phantom图像进行实验。实验表明,提出的CT图像金属伪影去除方法能够有效地对CT图像中的金属伪影进行减少或去除,这将为医务工作诊断病灶提供了清晰的CT图像。 展开更多
关键词 多阈值分割 B样条插值 均值滤波 CT图像 金属伪影去除
在线阅读 下载PDF
Gath-Geva联合模糊聚类的生菜近红外光谱聚类分析 被引量：4
3
作者 武斌 周树斌 +1 位作者 武小红 贾红雯 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2021年第3期932-935,共4页
生菜的新鲜程度是影响生菜品质的最重要因素之一,其主要取决于生菜的储藏时间,因此,对不同储藏时间的生菜进行准确鉴别具有重要研究价值。由于不同储藏时间生菜的近红外光谱数据具有差异性的特点,因而使用近红外为不同储藏时间的生菜进... 生菜的新鲜程度是影响生菜品质的最重要因素之一,其主要取决于生菜的储藏时间,因此,对不同储藏时间的生菜进行准确鉴别具有重要研究价值。由于不同储藏时间生菜的近红外光谱数据具有差异性的特点,因而使用近红外为不同储藏时间的生菜进行鉴别分类是可行的。通过将联合模糊C均值聚类(allied fuzzy c-means,AFCM)中的欧式距离测度替换为指数距离测度从而提出了一种GG联合模糊聚类(Gath-Geva AFCM,GGAFCM)分析算法。GGAFCM通过迭代计算得到模糊隶属度值和典型值,再结合近红外光谱实现了对不同存储时间生菜的高效精准鉴别。以新鲜的生菜样本作为研究对象,使用傅里叶近红外光谱仪(AntarisⅡ型)每隔12 h对生菜样本采集漫反射光谱数据,光谱的波数范围介于10000~4000 cm-1之间。首先,通过主成分分析(principal component analysis,PCA)对采集到的1557维生菜近红外光谱数据进行数据压缩将其降至22维,然后通过模糊线性判别分析(fuzzy linear discriminant analysi s,FLDA)对降维后的近红外漫反射光谱数据的鉴别信息进行提取。设定鉴别向量数为2,即通过FLDA将22维的生菜近红外光谱数据转换为了2维数据。最后将模糊C均值聚类(fuzzy c-means,FCM)的聚类中心作为GGAFCM和AFCM的初始聚类中心,通过运行FCM,GGAFCM和AFCM完成对不同储藏时间生菜的鉴别分类,并对三种模糊聚类算法得到的聚类准确率、模糊隶属度、迭代次数进行分析。实验结果表明:在初始化条件相同的情况下,采用的GGAFCM算法与FCM和AFCM算法相比具有更高的鉴别准确率。在m=2的情况下,GGAFCM的鉴别准确率达到了95.56%,而AFCM的聚类准确率为91.11%。GGAFCM迭代4次达到收敛,而AFCM与FCM均需要8次迭代计算才能达到收敛。基于近红外光谱技术,通过GGAFCM结合P CA与FLDA算法可以高效快速且无损的完成对储存时间不同的生菜的准确鉴别分类,为生菜储存时间的准确、快速鉴别提供了实验依据和参考方法,具有一定的实际应用价值。 展开更多
关键词 近红外光谱 生菜 储藏时间 模糊线性判别分析 指数距离测度 模糊聚类
在线阅读 下载PDF
主成分分析排序和模糊线性判别分析的生菜近红外光谱分类 被引量：5
4
作者 武斌 沈嘉棋 +2 位作者 汪鑫 武小红 侯晓蕾 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第10期3079-3083,共5页
贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为... 贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过AntarisⅡ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正(MSC)减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析(PCA)和排序主成分分析(PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析(FLDA)进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分(能充分反映光谱的主要信息)。最后,利用模糊线性鉴别分析算法(FLDA)和K近邻算法(KNN)进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA,FLDA和KNN算法的模型鉴别准确率可达83%。上述结果说明基于PCA,FLDA和KNN算法的模型鉴别准确率已经得到较大程度提高。当用PCA Sort替代了模型中的PCA算法后,结合FLDA和KNN算法则鉴别准确率达到98.33%。实验结果表明PCA Sort结合FLDA和KNN所建立的模型是有效的生菜贮存时间鉴别模型。 展开更多
关键词 近红外光谱 主成分分析 生菜 模糊鉴别线性分析 K近邻算法
在线阅读 下载PDF
无线传感网络中基于环形的层次型路由协议 被引量：4
5
作者 刘青 李兰兰 张德树 《传感技术学报》 CAS CSCD 北大核心 2022年第6期837-843,共7页
在无线传感网络(Wireless Sensor Networks,WSNs)中引入移动信宿可以缓解热点问题。然而,向网络内所有节点更新信宿位置增加了网络开销和节点的能耗。为此,提出一种基于环形的层次型路由协议(Ring-based Hierarchical Routing,RBHR)。R... 在无线传感网络(Wireless Sensor Networks,WSNs)中引入移动信宿可以缓解热点问题。然而,向网络内所有节点更新信宿位置增加了网络开销和节点的能耗。为此,提出一种基于环形的层次型路由协议(Ring-based Hierarchical Routing,RBHR)。RBHR将感测区域分割成多个环,仅向环上节点更新Sink位置信息。同时,RBHR引用基于角度路由向信宿传输数据,缩短路径长度。仿真结果表明,相比同类的路由,RBHR的能量消耗,数据传输时延和数据包传递率性能均得到提升。 展开更多
关键词 无线传感网络 移动SINK 基于环形的层次路由 角度路由
在线阅读 下载PDF
模糊协方差学习矢量量化的茶叶品种分类研究
6
作者 李晓 陈勇 +3 位作者 梅武军 武小红 冯亚杰 武斌 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第2期638-643,共6页
茶叶是全球最受欢迎饮品之一,且具有丰富的营养价值,但目前市面上的茶叶鱼龙混杂,难以辨别。因此,快速准确的分类方法对茶叶进行鉴别具有重要的研究意义。由于大多数化合物基频吸收带均出现在波长为2500~25000 nm的中红外区域,茶叶的中... 茶叶是全球最受欢迎饮品之一,且具有丰富的营养价值,但目前市面上的茶叶鱼龙混杂,难以辨别。因此,快速准确的分类方法对茶叶进行鉴别具有重要的研究意义。由于大多数化合物基频吸收带均出现在波长为2500~25000 nm的中红外区域,茶叶的中红外光谱中含有大量关于茶叶品种的特征鉴别信息,利用这一显著特点可以对其进行分类。提出模糊协方差学习矢量量化(FCLVQ),该算法在GK(Gustafson-Kessel)聚类的基础上,引入学习向量量化(LVQ)中学习速率的概念,用以控制模糊类中心的更新速率。FCLVQ结合中红外光谱,通过不断迭代计算样本模糊隶属度值和模糊聚类中心,实现对茶叶的快速精准分类。选取市场上的峨眉山茶叶、优质竹叶青茶叶、劣质竹叶青茶叶作为实验对象。将实验对象分为3组(每个品种各1组),每组32个,共计96个样本。利用FTIR-7600型傅里叶红外光谱分析仪分别采集每组样本的中红外光谱数据,每组样本采集三次,取其平均值作为样本的红外光谱数据。首先,由于原始光谱含有噪声数据,故使用多元散射校正(MSC)作降噪预处理;其次,由于光谱数据维数高达1868维,采用主成分分析(PCA)将光谱数据降至14维,其14个主成分的累计贡献率为99.74%;然后将降维后的光谱数据使用线性判别分析(LDA)进一步降至2维,同时提取数据中的鉴别信息;最后运行模糊C均值聚类算法(FCM),将其运算得到的聚类中心作为FCLVQ的初始聚类中心参与迭代,设置模糊隶属度的权重指数m=2,最终分类准确率高达95.25%。将FCM算法、GK算法、模糊Kohonen聚类网络(FKCN)算法与FCLVQ算法的运行结果进行对比,FCM,GK和FKCN的分类准确率分别为90.91%,92.41%和90.91%。结果表明,与其他三个算法相比较,FCLVQ在m=2,主成分个数为14时有着更好的分类效果,可以用来实现对茶叶品种的准确分类。 展开更多
关键词 中红外光谱 茶叶 模糊聚类 主成分分析 线性判别分析
在线阅读 下载PDF
GK可能C均值模糊聚类的白菜红外光谱分析 被引量：2
7
作者 谭阳 武小红 +2 位作者 武斌 沈砚君 刘锦茂 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第5期1465-1470,共6页
红外光谱分析是基于分子振动与跃迁理论的鉴别物质化学组成的技术。得到的光谱数据常常具有较高的维数和重叠度,这给后续的数据处理带来困难。为此提出一种GK可能C均值聚类算法(GKIPCM),引入了GK聚类算法的马氏距离测度与改进的可能C均... 红外光谱分析是基于分子振动与跃迁理论的鉴别物质化学组成的技术。得到的光谱数据常常具有较高的维数和重叠度,这给后续的数据处理带来困难。为此提出一种GK可能C均值聚类算法(GKIPCM),引入了GK聚类算法的马氏距离测度与改进的可能C均值聚类算法(IPCM)的模糊隶属度与聚类中心更新方程,使样本的距离测度具有自适应性且避免了聚类中心的一致性。GKIPCM算法具有分类精度更高,分类准确率对参数敏感性低的优点。将四组洗净白菜作为光谱分析对象,分别施加三种农药(高效氯氟氰菊酯)配比,采用安捷伦Cary630FTIR光谱仪采集白菜的傅里叶中红外光谱(FT-MIR)。首先对样本进行预处理,使用多元散射矫正(MSC)对光谱数据降噪,消除数据偏移量;其次,由于采集到的数据波数范围为4300~590cm^(-1),数据维数达到了971维,故使用主成分分析(PCA)对数据实现降维,降维后的数据维度减小到了23,且23个主成分的累积贡献率高达99.60%;但各类光谱的特征信息依然混杂在一起,故使用线性判别分析(LDA)提取特征鉴别信息,进一步将数据降至3维;最终,运行模糊C-均值聚类算法(FCM)得到较优初始聚类中心,使用GKIPCM算法对四类降维后的光谱数据进行聚类分析,并与GK聚类算法与IPCM聚类算法的运行结果作对比。GKIPCM算法的总迭代时长为0.2188s,分类准确率达到了97.22%。相较之下,GK算法与IPCM算法的准确率分别为63.89%和91.67%,运行的总时长为0.0938与0.0625s。从实验结果可看出,GKIPCM算法可以通过分析光谱数据从而完成对不同程度农药残留进行定性分析的任务。 展开更多
关键词 白菜 农药残留 光谱分析 主成分分析 线性判别分析 模糊聚类
在线阅读 下载PDF
模糊线性判别QR分析的茶叶近红外光谱鉴别分析 被引量：1
8
作者 胡彩平 何成遇 +4 位作者 孔丽微 朱优优 武斌 周浩祥 孙俊 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第12期3802-3805,共4页
不同品种茶叶因其所含的有机化学成分不同,其效果也会有差别。所以,寻找出一种能准确迅速的鉴别茶叶品种的技术方法是非常重要的。近红外光谱(NIR)分析是一种无损检测技术,能很好的鉴别茶叶品种。使用NIR光谱仪采集茶叶的NIR数据。为了... 不同品种茶叶因其所含的有机化学成分不同,其效果也会有差别。所以,寻找出一种能准确迅速的鉴别茶叶品种的技术方法是非常重要的。近红外光谱(NIR)分析是一种无损检测技术,能很好的鉴别茶叶品种。使用NIR光谱仪采集茶叶的NIR数据。为了对包含噪声信号的茶叶近红外光谱进行准确鉴别,提出了一种模糊线性判别QR分析的新方法,可以对茶叶近红外光谱进行准确分类。通过使用模糊线性判别分析(FLDA)将由主成分分析(PCA)压缩的茶叶近红外光谱数据进行降维,由模糊线性判别分析得出的特征向量构建鉴别向量矩阵,对鉴别向量矩阵进行矩阵的QR分解,得到新的鉴别向量矩阵。经过模糊线性判别QR分析后使用K近邻算法进行分类,具有准确率高等优点。以岳西翠兰、六安瓜片、施集毛峰和黄山毛峰四种茶叶为研究样本,每类65个,茶叶样本总数为260个。采集茶叶近红外光谱数据的仪器为AntarisⅡ型傅里叶近红外光谱仪对光谱数据进行预处理,采用多元散射校正,由于采集到的茶叶光谱数据存在散射干扰。以此得到的近红外光谱数据的维数为1557维,通过主成分分析压缩数据集的维数,使得光谱数据集的维数达到7维。经压缩过后的光谱数据集中的鉴别信息再通过模糊线性判别QR分析进行提取,使得光谱数据的维数降低到3维。利用K近邻算法对茶叶样本进行分类,实现对茶叶品种的准确分类。最后进行三种算法分析结果的比较,分别是主成分分析结合K近邻算法、主成分分析和线性判别分析结合K近邻算法、主成分分析和模糊线性判别QR分析结合K近邻算法。在权重指数m=2,K=1条件下,最后的分类准确率分别为83.89%, 87.78%和98.33%。实验结果显示:模糊线性判别QR分析可以实现茶叶近红外光谱的准确鉴别分析,其展现出来的效果比主成分分析和线性判别分析表现的效果更好。 展开更多
关键词 模糊线性判别分析 主成分分析 近红外光谱 K近邻算法
在线阅读 下载PDF
基于模糊鉴别主成分分析的生菜贮藏时间鉴别 被引量：1
9
作者 侯晓蕾 武小红 +2 位作者 武斌 沈嘉棋 汪鑫 《食品与机械》 北大核心 2021年第10期119-123,共5页
目的:设计一种较为准确的生菜贮藏时间鉴别模型。方法:以新鲜生菜为试验对象,分别采用主成分分析、鉴别主成分分析、模糊鉴别主成分分析3种特征提取方法对预处理后的生菜近红外光谱数据进行特征提取,选出具有较高准确度的贮藏时间鉴别算... 目的:设计一种较为准确的生菜贮藏时间鉴别模型。方法:以新鲜生菜为试验对象,分别采用主成分分析、鉴别主成分分析、模糊鉴别主成分分析3种特征提取方法对预处理后的生菜近红外光谱数据进行特征提取,选出具有较高准确度的贮藏时间鉴别算法,并建立基于模糊鉴别主成分分析的生菜贮藏时间鉴别模型。结果:利用模糊鉴别主成分分析进行特征提取后的鉴别准确度显著增加。主成分分析、鉴别主成分分析和模糊鉴别主成分分析的最高准确度分别为46.67%,86.67%,93.33%。结论:采用近红外光谱分析和模糊鉴别主成分分析的鉴别模型具有较高的准确性和优越性。 展开更多
关键词 生菜 贮藏时间 近红外光谱 模糊鉴别主成分分析
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部