基于SOM神经网络实现猪肉颜色的自动分级

结合图像处理和SOM神经网络对猪肉背最长肌断面颜色的分级进行了研究。通过摄像头采集猪肉背最长肌断面图像,对图像进行均值滤波后,将图像背景、脂肪去除,在此基础上,得到了肌肉颜色特征值向量H、S和L值。将H、S和L值输入自组织映射(SOM)神经网络进行聚类分析,以实现对猪肉颜色等级的划分。结果表明,对6个颜色等级分级准确率分别为73·2%、80·1%、90·5%、65·8%、54·7%和33·1%。大量的实验表明,计算机智能化分级系统具有很好的稳定性和一定的准确率,可以作为有效的猪肉颜色分级工具,但分级准确率还有待于进一步提高。     

基于SOM神经网络实现猪肉颜色的自动分级

结合图像处理和SOM神经网络对猪肉背最长肌断面颜色的分级进行了研究。通过摄像头采集猪肉背最长肌断面图像,对图像进行均值滤波后,将图像背景、脂肪去除,在此基础上,得到了肌肉颜色特征值向量H、S和L值。将H、S和L值输入自组织映射(SOM)神经网络进行聚类分析,以实现对猪肉颜色等级的划分。结果表明,对6个颜色等级分级准确率分别为73·2%、80·1%、90·5%、65·8%、54·7%和33·1%。大量的实验表明,计算机智能化分级系统具有很好的稳定性和一定的准确率,可以作为有效的猪肉颜色分级工具,但分级准确率还有待于进一步提高。      

基于量身定制的服装领部号型系列研究

参照服装量身定制细分服装号型来提高合体性的思想,通过三维人体扫描仪获取人体尺寸,提出服装领部号型可以表示为：颈根围/颈型分类,并统计出服装领部号型系列。     

一种基于SOM改进的PCM聚类方法

针对PCM算法在聚类计算过程中存在的初始聚类中心随机选取,聚类结果可能陷入局部最优解等问题,提出一种改进策略.利用SOM网络对数据进行初步处理,得到PCM算法的初始聚类中心,使得算法聚类效果得到明显提升.     

基于SOM网络的三维人脸表情识别

针对二维人脸表情数据所含信息量有限,在光照、姿态变化的情况下识别性能较差等缺点,提出了基于SOM网络的三维人脸表情识别方法.该方法用均值和方差来描述人脸表面的凸凹情况,以此作为进一步描述人脸表情变化的特征数据.仿真实验结果表明,采用SOM网络的分类效果和识别效果,均优于AdaBoost算法.     

基于SOM和SVM的食醋品质近红外定性分析

研究近红外光谱(near-infrared spectroscopy,NIRS)结合自组织映射(self-organization mapping,SOM)和支持向量机(support vector machine,SVM)用于食醋酿造年份和品牌的判别分析。连续小波变换(continuous wavelet transform,CWT)用于光谱预处理;主成分分析(principal component analysis,PCA)用于食醋光谱降维和样品空间分布分析。结果表明:CWT预处理可以有效消除食醋光谱的平移误差;PCA可以极大地减少光谱变量,提高建模效率;对于食醋酿造年份的识别,采用CWT—PCA—SOM的正确识别率(correct recognition rate,CRR)为97.37%,采用CWT—PCA—SVM的CRR为100%;对于食醋品牌的鉴别,CWT—PCA—SOM和CWT—PCA—SVM两种方法的CRR均为100%。近红外光谱结合CWT—PCA—SOM和CWT—PCA—SVM方法在食醋酿造年份及其品牌鉴别中均得到很好的分析结果,该方法具有良好的应用前景。     

陕北地区老年人服装号型的细分

 针对现行服装号型标准不能适应陕北地区老年人的缺点,以240名老年人为研究对象,结合三维人体测量设备和人工测量2种方式获得实验数据,利用统计分析系统软件SAS,对陕北地区老年人身体测量数据进行回归分析,以胸围和腰围差量为分类依据,将陕北地区男性老年人体型分为瘦体、标准体、偏胖体、胖体、凸腹体五类,女性老年人体型分为标准体、偏胖体、胖体、凸腹体四类。得到了陕北地区老年人各个体型中间体的控制部位数值及其推档的档差,对实际生产中老年人服装号型规格设计的制定、修订以及细分具有重要的意义。     

基于苏南地区学龄期儿童体型特点的服装号型研究

对苏南地区学龄期儿童（从7岁到13岁）的服装人体测量数据了统计分析,总结了学龄期男士儿童的体型特征和体型变化规律,对学龄期儿童体型进行了科学合理的分类,根据学龄期儿童的体型分布规律,给出童装的建议号型标准。     

基于自组织特征映射的变电站巡视周期分类研究

针对差异化制定变电站巡视周期问题,首先分析了变电站巡视周期的影响因素,包括变电站电压等级、重要程度、历史故障/缺陷发生频次、设备运行情况、变电站运行环境和设备负载情况六个方面。提出了基于自组织特征映射的变电站巡视周期分类方法,利用机器学习实现变电站巡视周期的科学合理分类,为供电公司提高变电站巡视效率提供技术支撑。     

基于SOM聚类算法和灰色改进神经网络的粮仓温 度预测

针对传统粮仓温度预测方法非线性度大、输入变量繁杂、精度不高的问题,提出利用SOM聚类算法降低模型非线性度、利用灰色关联分析法简化模型输入变量、利用灰色GM(1,N)模型和改进神经网络相结合提高精度的预测方法。结果表明,所用方法预测误差小、模型更稳定,为粮仓温度预测提供了一种有效研究方法。     

基于三维人体测量的人体体型细分识别的研究

使用非接触式三维人体测量系统对中国北方青年女性人体进行测量,测量数据包括肩宽、胸围、臀围等部位尺寸,这些尺寸作为特征值构成了人体体型特征向量.不均匀体型的比例愈来愈高,因此更进一步细化对人体体型的分类识别变得十分重要.考察了某些特征尺寸的概率分布,然后利用聚类分析将人体体型分为偏瘦、正常、偏胖3类,最后提出使用马氏距离...     

基于人体工效学的轮椅使用者服装的结构研究

分析了轮椅使用者静体特征和动势形态，以工效学为基础，用实验的方法定量分析了轮椅使用者动势形态与服装放松量的关系，得到轮椅服装结构中控制部位与人体的对应关系，建立了女性轮椅者无障碍的连衣裙基样。     

基于Geomagic的三维人体建模技术

根据现代计算机辅助服装设计过程中对三维人体模型的要求,针对人体的结构特点,探索一种在非接触测量技术基础上快速构建个性化三维人体NURBS曲面模型的实用方法,即通过激光三维人体扫描设备获得的点云数据平台,利用逆向工程软件Geomagic Studio实现快速建模。较为详细地阐述了在人体曲面重构过程中人体点云数据的优化处理方法,介绍人体多边形和人体曲面片的实用编辑处理技术。此方法所构建的三维人体模型逼真、精美,能满足服装业对人体模型精度和利用效价的要求。     

基于神经网络的冷却猪肉新鲜度测定

应用快速、准确的方法对冷却猪肉新鲜度进行测定。以挥发性盐基氮含量、肉浸液pH、液体电导率、肌红蛋白含量和色差仪a值等五项理化指标为自变量,以天数的改变为因变量,在Matlab操作平台下应用BP神经网络对新鲜度进行预报,并与感官评判方法及单独测定挥发性盐基氮方法进行比较。结果显示,BP神经网络最为准确,正确率达到87.5%。     

Clustering gene expression pattern and extracting relationship in gene network based on artificial neural networks

Massive datasets such as gene expression profiles are accumulating along with the development of DNA microarray technologies. In this paper, we focus on mining biological relevant information such as typical expression patterns and the interconnections of gene networks from massive datasets. At first, the algorithm of a self-organizing map (SOM) was used to cluster gene expression data. Then, for the typical patterns extracted by the SOM, a three-layer artificial neural network (ANN) model was used to extract the relationships between the expression patterns. In order to evaluate the clustering analysis based on the SOM, biological and statistical indices were introduced. To validate the efficiency of the scheme proposed for extracting the relationships between the expression patterns with the ANN, a test dataset was created and used for the test. Finally, the interconnections of a typical pattern of early G1, late G1, S, G2, and M phases in a yeast cell cycle were extracted and visualized.     

基于下装设计的人体建模

下体主要是由腰腹部、臀部、臀沟和腿部组成,提取了这些部位中与下装设计直接相关的18个部位的尺寸,定义了人体的主要特征切面,减少了人体平均形态的计算,同时尽可能地保留了人体躯干的三维体形信息。通过对这些部位特征形状的提取和分析,将控制服装款式变化的关键部位的变化转换为形值点参数的变化,进而进行曲面的拟合,建立了基于下装特征的参数化人体模型。结果可用于指导下装的定制开发。     

基于学习功能的人体模型表达与实现

针对复杂结构的人体重建问题,提出了一个基于学习功能的人体模型的表达方法,人体线性模型采用校正人体形状的网格顶点算法。根据标准的人体网格创建方法,人体模型的形状由向量代表的平均模板形成,通过学习不同人体形状的回归矩阵,对人体线性模型进行分割和深度估计,隐式地建立人体模型的空间关系,估计人体线性模型中的关节位置,使人体模型的躯干表达更加自然并且清晰。结果表明,基于学习功能的人体模型的表达算法可靠,模型输出结果较为准确,该模型能实现高效的人体模型重构与优化,为人体模型的有效表达提供技术依据和理论参考。     

基于散乱点云的三维人体自动测量

为解决Kinect深度相机三维人体扫描重建中人体特征尺寸提取的问题,提出一种基于散乱点云的三维人体自动测量方案。首先,对采集三维点云数据进行预处理,经点云降采样、离群点滤波和表面重建,以及点云坐标转换,进而识别出人体正背面;然后,利用人体几何形状分析法,自动提取人体特征点和特征截面点云;最后,对得到的特征截面点云提取特征边界点,再通过基于凸壳的轮廓线提取算法得到特征边界线,通过三次B样条曲线拟合计算围度、弧长尺寸,利用坐标差值和欧氏距离计算长度尺寸,从而完成对三维人体点云模型的特征尺寸测量。结果表明,该方案受人体体型因素影响较小,所提出的尺寸信息的自动提取方案有效,并符合相关标准中测量精度的要求。     

基于人体截面点云的围度尺寸计算

为简化围度尺寸计算过程,首先将三维人体截面点云转化到平面坐标系内,然后采用快速比较法获取点集中的4个极值点,并根据极值点将点集分成4个子区域,根据每个子区域点集的凸包具有单调性这种特性,对区域内点集的x和z坐标值进行排序比较去掉部分凹点,再通过计算点与相邻2点组成向量的叉积判断其夹角范围获取截面凸包点,将最终凸包点连接起来即为人体围度尺寸。结果表明:本文方法与Graham扫描法相比,二者时间复杂度相同,计算结果一致,但本文方法在程序上更容易实现,且通过简单的排序比较法简化初始点集可减少凸包顶点回溯迭代次数,从而提高计算人体围度尺寸的效率。