一种基于核主成分分析的表征蜂蜜差异性智能嗅觉图谱特征提取方法.pdf
星菱****23
亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于核主成分分析的表征蜂蜜差异性智能嗅觉图谱特征提取方法.pdf
一种基于核主成分分析的表征蜂蜜差异性智能嗅觉图谱特征提取方法,此类方法所选择的特征点具有一定的化学意义,结合化学结果可以较好的进行解释,其特征在于核主成分分析KPCA将核函数引入主成分分析PCA中,KPCA利用核函数,将数据投影至高维空间中。由于数据投影后相互间更加分散,因此可以将一些在低维空间中不可分的信号进行区分,并提取更具有代表性的特征进行提取。
一种基于独立成分分析的表征蜂蜜差异性智能嗅觉图谱特征提取方法.pdf
一种基于独立成分分析的表征蜂蜜差异性智能嗅觉图谱特征提取方法,其特征在于主成分分析是根据数据间方差最大化进行分类,即数据的二阶矩,忽略了数据在高阶矩上的独立性;独立成分则利用计算数据间的高阶矩对矩阵进行变换,可进一步减小特征向量间的相关行,增强信号压缩效果,当独立成分为14时,判别准确率为94.94%,蜂蜜样本75/79,其中油菜蜜22/23,椴树蜜16/17,洋槐蜜37/39。
一种基于方差比的表征蜂蜜差异性智能嗅觉图谱特征提取方法.pdf
一种基于方差比的表征蜂蜜差异性智能嗅觉图谱特征提取方法,选择5种不同蜜源作为研究样品,分别为:1)油菜蜜,采自西部地区的重庆涪陵区和永川区;2)荔枝蜜,采自华南地区的广西南宁;3)荆条蜜,采自华北地区的北京密云等地;4)洋槐蜜,采自华东的山东莱阳;5)椴树蜜,采自东北的吉林敦化及黑龙江哈尔滨,其特征在于气敏传感器阵列是采用Fox4000型电子鼻,该电子鼻由18根金属氧化物半导体气敏传感器与HS100顶空自动进样器组成,在于对每根传感器的各个信号点计算其样本中间方差和种内方差比,根据方差比的大小对信号点进行
一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法.pdf
一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法,蚁群算法属于启发式特征选择方法,利用算法的自动迭代进化,对特征点选择进行自动寻优,直到获得最优结果,其特征在于将蚁群算法应用于特征点的选择,算法模拟遗传算法。利用各特征点选择后的Bayes判别准确率以及所选择的特征点数为适应性函数,寻求最优的向量组合,该算法主要创新点包括:(a)将特征点选择数加入适应函数中,并设定代价参数,通过参数调节,可以根据需要对特征点数和判别准确率进行取舍;(b)为避由于特殊点导致的更新方向错误,设置最优集,以最优集合代替单
一种基于单项判别法的表征蜂蜜差异性智能嗅觉图谱特征提取方法.pdf
一种基于单项判别法的表征蜂蜜差异性智能嗅觉图谱特征提取方法,其特征在于对所有特征点逐个进行模式识别,比较当每个信号点作为单一特征时判别准确率的差异,该方法将模式识别方法嵌入特征选择中,通过结合判别方法,可以获得各信号点对样品预测的能力,该方法对所选择的模式识别方法较依赖,选择结果会随判别方法的改变发生一定变化,单向量选择中不同传感器间准确率的差异较小,而同根传感器内不同检测时间下的信息点间的差异较大,但不同传感器内时间点Bayes判别准确率的变化趋势与方差比变化趋势一致,即检测初期信号判别准确率较高,集中