高维空间下烟叶质量相似性度量方法研究

为判断高维数据空间下烟叶质量相似性,本研究提出了一种基于核变换和测地距离线的局部线性嵌入的相似性度量计算方法,并以450 个复烤片烟样品质量分布特征为材料进行特征分析与相似性度量实验验证。结果表明,主成分分析(PCA)的线性降维方法虽能体现原料质量数据内在的非线性特征,但样本点重叠较多,而测地线局部线性嵌入降维方法则能很好表征样本点的分类能力和对领域数据的适用性;在相似性度量时,嵌入映射方法在同产区、同部位、相近等级类烟叶搜索到的数量大于在原始数据集和PCA 变换后数据集上搜索得到的结果,该方法能够有效解决传统原料相似性度量方法中要求低维空间保距映射的问题。     

电子鼻结合统计学分析对牛肉中猪肉掺假的识别

利用电子鼻结合统计学分析对掺入猪肉的掺假牛肉进行定性和定量研究。采用平均值法和K均值聚类分析法提取特征值;通过主成分分析、判别分析进行分析并使用多层感知神经网络进行模式识别;通过偏最小二乘、多元线性回归和BP神经网络建立定量模型来预测掺假物含量。结果表明：K均值聚类分析法提取的特征值能更全面地反映电子鼻的响应信号,同时判别分析能更好地对掺假牛肉进行定性检测。多层感知神经网络分析中训练集正确分类率达98.8%,验证集正确分类率达97.4%,说明分类结果较好。BP神经网络的决定系数R2（0.9993、0.9930）和均方根误差（0.90%、2.50%）明显优于其他两种方法,故BP神经网络建模分析能更好地预测掺假牛肉中猪肉的含量。说明应用电子鼻技术检测掺入猪肉的掺假牛肉具有一定的可行性。     

扫描电镜/能谱法结合多元统计学无损检验烟用接装纸的研究

为建立一种快速检验烟用接装纸的模型,利用扫描电子显微镜/能谱法(SEM/EDS)结合多元统计学原理对收集到的60个烟用接装纸样品进行检验分析。首先依据样品外观颜色和SEM下微观形貌的不同对样品进行初步分类,利用K-均值聚类法依据X射线能谱仪测定样品无机元素含量对烟用接装纸进行进一步的分组,并借助主成分分析和多元线性回归分析验证聚类结果的准确性,然后通过判别分析构建判别函数预测模型,建立了基于K-均值聚类法的分类模型并将2个未知样品代入验证。K-均值聚类结合组内平方和法将黄色粗糙性接装纸分为4组,通过多元线性回归分析对聚类结果进行了验证,结果显示线性回归模型的显著性水平为0.001,各个元素变量对组别变量具有显著影响。判别分析显示由3个判别函数组成的分类模型的准确率达到100%,代入回判的2个未知样品也被成功识别。     

基于流形模糊聚类算法的高光谱图像猪肉品质分类研究

目的以基于高光谱图像技术的冷鲜肉、解冻肉和变质肉的分类为研究对象,针对特征维数过高的问题,构建了一种基于流形模糊聚类算法的分类模型。方法首先采用二维Gabor小波变换分别提取反应猪肉滴水损失、p H、颜色三种品质指标的14个特征波长下图像的8个纹理特征,组成一个112维的特征变量作为猪肉品质的特征;然后采用基于等距映射降维的模糊C均值聚类算法来构建猪肉品质分类模型。结果通过猪肉品质分类实验得出,二维Gabor小波变换能较好地提取猪肉的纹理特征;与传统模糊C均值聚类算法相比,基于等距映射降维的模糊C均值聚类算法能较好地解决高维样本聚类问题,能准确地区分冷鲜肉、解冻肉和变质肉。结论高光谱图像技术可应用于对猪肉品质分类。     

基于改进FKCM方法的针织纱质量评价

为对针织纱线的质量进行更客观准确的评价,提出应用改进的模糊核C-均值（FKCM）聚类算法对针织纱测量数据集聚类,改进FKCM聚类方法,将低维输入空间数据通过核函数映射到高维的特征空间中,然后在特征空间应用FCM聚类分析对数据进行聚类分析,构造了核F（KF）统计量寻找合理的聚类数,最后建立聚类类别和质量等级之间的对应关系模型。通过对IRIS数据分析,显示应用改进的FKCM具有较好的分类效果,将这种方法应用到实测数据,KF指标显示样本分2类是较合理的。依据建立的类别质量等级函数即可确定每类样本的质量等级。改进的FKCM方法和KF指标结合能够有效地对多指标数据集进行分析。     

关于结合层次聚类和K-means算法进行聚类的研究

为了解决进行K-means聚类时类数的自动选择和Hierarchical聚类在处理大量高维数据时时间效率低的问题,在Kmeans聚类算法的基础上结合Hierarchical聚类算法,提出了一种基于集体智慧编程方法的用于处理大量数据时动态选取K值的聚类模型。实验结果表明该算法比K-means聚类具有更好的聚类效果,同时解决了Hierarchical聚类方法时间效率低的问题。本模型通过K-means聚类生成适量的类簇,再利用Hierarchical聚类对这些类再进行聚类,最后经过剪枝得到合适的聚类结果,以此实现动态选取K值。     

层次分析与聚类分析、 判别分析在卷烟零售户分类中的应用

为了优化卷烟零售户资源配置, 调研了石河子市烟草公司, 构建了卷烟零售户价值评价指标体系, 运用层次分析法确定各指标的权重, 用聚类方法对701户卷烟零售户评价指标数据进行聚类分析, 用判别分析检验聚类结果, 并针对每类客户群的特点提出了相应的营销策略。 结果表明, 701户卷烟零售户可分为9类, 判别分析与聚类结果一致率为95.3%, K中心聚类分析得出的9类客户群是比较合理的, Fisher判别得出的判别函数能有效识别新零售户所属的客户群类别。 零售户价值评价指标体系能有效地表征卷烟零售户的价值, 层次分析结合聚类分析、 判别分析可用于卷烟零售户分类。      

一种改进的k-means算法

k-means(k均值)算法是聚类方法中常用的一种划分方法.该算法适合对海量数据进行聚类,对球状、凸形分布的数据具有很好的聚类效果,但该算法有其突出的局限性,少量的孤立点就会对聚类结果产生很大的影响,因此,采用聚类均值点与聚类种子相分离的思想,给出了基于该思想的对k均值算法的改进算法.实验表明,该改进算法比原k均值算法具有更高的准确性.     

化学计量学结合气相色谱法对12种植物油判别模型的构建

测定了12种植物油的脂肪酸组成和含量,探讨了利用植物油脂肪酸的指标对不同种类的植物油进行分类和判别的可能性。采用气相色谱法对12种植物油脂肪酸的组成和含量进行测定,利用SPSS 22. 0统计软件进行主成分分析、系统聚类、 K-平均值聚类和判别分析。结果表明：12种植物油的主要共有组成为油酸（15.635%~66.569%）和亚油酸（10.521%~58.227%）,其中棉籽油（16.285%）中单不饱和脂肪酸含量最低,橄榄油（67.628%）中单不饱和脂肪酸含量最高;橄榄油（11.284%）中多不饱和脂肪酸含量最低,核桃油（67.167%）中多不饱和脂肪酸含量最高;12种植物油中不饱和度最小为棉籽油3.235,最大为低芥酸菜籽油14.672。主成分分析降维得到5个主成分,利用主成分分析数据,依次进行聚类分析和判别分析,系统聚类和K-平均值聚类结果一致,可对12种植物油聚类区别,通过判别分析建立了3个典则判别函数,对不同植物油的分类和判别的效果良好。     

K均值聚类在葡萄酒分级中的应用

葡萄酒分级是葡萄酒评价中的一个重要内容,结合数据降维技术,建立葡萄酒K均值分类模型.通过实例分析证实所得结果较好,该方法在葡萄酒的评价分级中具有很好的应用价值.     

一种带有自适应惩罚权重的惩罚最小一乘估计

为有效解决误差为重尾分布的高维线性回归模型的参数估计问题,提出一种新的参数估计方法,将一种"对数-指数-和"型的惩罚项与最小一乘估计相结合,在参数估计过程中能够自适应地调整各系数的惩罚权重,使参数估计结果更加准确稳定.对该方法进行数值实验测试,并选择同类型的几种参数估计方法进行对比,结果证明了该参数估计方法的有效性.     

Classification of moroccan olive cultivars by linear discriminant analysis applied to ATR–FTIR spectra of endocarps

The potential of FTIR combined with chemometrics was studied to classify five Moroccan varieties of olives by analysis on the endocarps. Attenuated total reflectance (ATR) enabled the samples to be examined directly in the solid state. The spectral data were subjected to a preliminary derivative elaboration based on the Norris gap algorithm to reduce the noise and extract larger analytical information. Linear discriminant analysis (LDA) was adopted as classification method, and Principle component analysis (PCA) was employed to compress the original data set into a reduced new set of variables before LDA. The calibration set was built by using the IR data from seventy‐five samples scanned in reflectance mode, and the ranges 3000–2400 and 2300–600 cm^?1 were selected because furnishing the most useful analytical information. PCA allowed clustering the samples in five classes by using the first two principal components with an explained variance of 98.16%. Application of LDA on an external test set of twenty‐five samples enabled to classify them into five variety groups with a correct classification of 92.0%.     

近红外光谱分析技术快速检测藕粉品质

目的 基于近红外光谱技术鉴别不同产地的藕粉样品与检测藕粉的掺假问题。方法 采集不同产地的藕粉样品的近红外光谱,在光谱预处理后采用相关系数法提取特征波长,以提取的特征波长变量构建偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)、线性判别分析(linear discriminant analysis,LDA)以及支持向量机(support vector machine,SVM)模型,实现对不同产地藕粉的鉴别分析。同时,采集掺假地瓜粉、玉米粉、木薯粉的藕粉样品的近红外光谱,在样品类别已知情况下,运用K-Means聚类分析鉴别3种掺假类型的藕粉样品,在掺假类别未知下,运用基于局部密度判别的聚类算法进行判别。结果 以相关系数法提取的特征波长变量构建的PLS-DA、LDA和SVM三种模型对于不同产地藕粉样品的判别准确率均为100%。对于不同掺假类型的藕粉检测,在样品类别已知情况下,K-Means聚类分析能有效识别出掺假藕粉,识别精度为98.33%。在样品类别未知的情况下,基于局部密度判别的聚类算法可以有效识别出2%掺假率的藕粉样品。结论 近红外光谱技术能实现不同产地莲藕粉的快速鉴别,同时为隐蔽的藕粉掺假鉴别提供一种快速、高效、无损检测的分析方法,为藕粉的质量控制提供一定的理论基础。     

应用自适应滤波与阈值迭代的原棉杂质视觉检测方法

针对Canny算子滤波模板参数与高低阈值人为设定而导致的杂质弱边缘丢失问题,提出一种基于改进Canny算子的原棉杂质检测方法,该方法采用自适应平滑滤波代替高斯滤波对原棉图像进行平滑,以小尺寸平均加权滤波模板与原图像迭代卷积,并在每次迭代过程中自适应地调整各像素的加权系数,同时,采用的最大类间方差法能够自适应地确定高低阈值,实现了滤波模板参数与高低阈值的自动优化,避免了弱边缘的丢失。仿真实验结果表明:该方法检测到的原棉杂质边缘完整、流畅,减少了伪边缘的出现,8连通域数与边缘点总数比值比Canny方法平均降低16.8%,8连通域数与4连通域数比值比Canny方法平均降低18.8%;同时,在对4种原棉常见杂质的识别上,该方法与国标方法检测结果平均相符率达到92.7%,能够有效用于原棉杂质的自动化检测。     

Classification of cereal bars using near infrared spectroscopy and linear discriminant analysis

This work proposes an analytical method for cereal bar classification based on the use of near infrared spectroscopy (NIRS) and supervised pattern recognition techniques. Linear discriminant analysis (LDA) is employed to build a classification model on the basis of a reduced subset of variables (wavenumbers). For the purpose of variable selection, three techniques are considered, namely successive projection algorithm (SPA), Genetic Algorithm (GA), and stepwise (SW) formulation. The methodology is validated in a case study involving the classification of 121 cereal bar samples into three different types (conventional, diet and light). The results show that the LDA/GA model is superior to the LDA/SPA and LDA/SW models with respect to classification accuracy in an independent prediction set. Some advantages of the proposed method are speed, that the analytical measurement is performed quickly (one minute or less per sample), no reagents, low sample consumption and minimum sample preparation demands. In view of the results obtained in this study the proposed method may be considered valid for use in cereal bar classification.     

基于电子鼻的不同去势猪肉风味品质评价

实验分别对免疫去势公猪肉、手术去势公猪肉和完全公猪肉进行电子鼻检测,并采用主成分分析、线性判别式分析和交互验证判别分析分别对电子鼻15s、30s和60s响应值进行统计处理。结果表明,主成分分析效果不好,三个处理组几乎完全重叠;线性判别式分析结果显示,采用15s响应值其区分效果及聚类效果最好,完全公猪组的气味显著地区别于免疫去势和手术去势组,且免疫去势组的气味与手术去势组相似;对15s、30s和60s响应值进行交互验证判别分析,总体正确率依次为90.0%、83.3%、66.7%,由各组的正确率可知,完全公猪组的正确率最高,正确率稍低的30s和60s响应值的分析结果显示,手术去势组和免疫去势组较易混淆,说明这两组气味相似。综上所述,电子鼻的检测结果显示,手术去势组和免疫去势组的气味相似,且均与完全公猪组有较大差异。     

一种基于改进的YOLOv3算法在粮虫小目标检测的应用

原始YOLOv3模型被认为适合求解多尺寸的图像目标检测问题,但是对于粮虫小目标检测存在表征能力不足且检测效率较低的问题。本文基于此提出了一种融合GIoU算法的YOLOv3检测模型,一方面使用GIoU算法弥补IoU算法对于两个不相交box无法进行量化的问题,同时使用GIoU对损失函数进行优化,损失函数优化为GIoU损失、置信度损失和分类损失三方面;另一方面使用五种数据增强手段对原始1 998张数据集进行数据增强,最终形成大小为9 990张的数据集,并使用K-means聚类算法对自制数据集进行聚类分析,聚类出符合粮虫小目标检测的先验框。针对自制的9 990张粮虫的数据集进行实验获得了99.43%的mAP和每幅图像0.040 s的检测速度,与原始YOLOv3模型相比,本文所提模型对于小目标的粮虫检测效果得到了很大的提升。