基于支持向量机的小麦新鲜度判别研究

小麦新鲜度直接决定小麦品质及后期面制品加工,采用盐酸联苯胺法和国标法测出新陈小麦各项指标,利用支持向量机筛选、预测小麦新鲜度,根据其判别正确率来探索判别方法的可行性.     

基于圆锥形仿生气体室的鸡肉新鲜度电子鼻检测技术

为了快捷、无损检测鸡肉新鲜度,建立了基于圆锥形仿生气体采集室的电子鼻系统。根据鸡肉产生的气味,合理选用了气敏传感器阵列。借鉴嗅觉灵敏的犬类鼻道结构,优化设计了仿生气体采集室。采用RBF神经网络作为模式识别方法。经理化试验结果表明,系统检测鸡肉新鲜度准确率高达98.75%,因此所设计的仿生电子鼻检测鸡肉新鲜度是可行的。     

猪肉新鲜度无损检测技术现状及发展方向

随着科学技术的不断发展,猪肉新鲜度无损检测技术不断向快速、无损、实时的方向发展．本文主要研究猪肉新鲜度无损检测方法的发展现状,包括近红外光谱检测技术、人工嗅觉和人工味觉检测技术、计算机视觉检测技术等检测技术,并着重讨论计算机视觉技术在猪肉新鲜度无损检测中的应用．最后,针对猪肉新鲜度无损检测现阶段存在的问题提出了多信息融合检测技术及其应用．     

基于HOG和SVM的人体行为仿生识别方法

在研究了人类视觉系统处理机制的基础上,首先利用方向梯度描述符(HOG)建立了图像的鲁棒表示;然后,根据人类视觉系统的并行处理机制和仿生信息学理论,提出了基于HOG+SVM的人体行为仿生识别与分类方法。利用针对识别与分类方法的评价指标对本文方法进行了评价,最后,与目前常用方法进行了比较,结果表明,在针对静态图像中人体行为的分类与识别效果方面,本文方法对差别较大的行为的识别效果好于常用方法,对相似行为的识别效果还有待于进一步提高。     

鸡蛋贮藏时间和新鲜度的电子鼻检测

研制一套适合鸡蛋品质的电子鼻系统,对不同贮藏方式和时间的鸡蛋进行检测,并采用主成分分析(PCA)、线性判别函数分析(LDA)和BP神经网络(BPNN)、遗传优化神经网络(GANN)等进行模式识别.结果发现,不同贮藏时间的鸡蛋所对应的电子鼻传感器响应特性不同.PCA和LDA结果表明,两者都可以较好地区分不同贮藏方式和时间的鸡蛋,采用LDA的效果比PCA的效果好;采用BP神经网络和遗传优化神经网络方法,能较好地预测不同贮藏时间的鸡蛋,其中遗传优化神经网络的判断正确率高于标准BP网络;利用二次回归分析(QPSR)建立鸡蛋新鲜度指标的预测模型,模型的预测值和测试值的相关系数大于0.90.     

基于典型鸟类翅膀特征的小型轴流风机叶片仿生设计与试验

基于提取的雀鹰、长耳鸮翅膀的表面特征对小型轴流风机的叶片进行仿生优化,以求提高风机的气动性能。设计出8种仿生风机模型,通过CFD计算选出最优的仿生风机模型进行性能试验验证,并与原型风机进行了对比。对比试验流量-静压曲线发现,仿生风机气动性能明显好于原型风机,最大质量流量提高了6.1%,最大静压提高了7.0%,并发现V型截面好于圆弧型截面。本研究为叶片仿生参数的进一步优化提供了前期基础。     

嗅觉可视化技术在猪肉新鲜度检测中的应用

针对肉类快速检测的需求和人工嗅觉技术存在的检测范围窄、受环境温度影响大等缺陷,根据金属卟啉化合物与有机小分子气体反应后发生颜色变化的原理,介绍了人工嗅觉可视化技术在肉类检测中的应用,首先介绍了金属卟啉化合物的特性及气体可视化传感器阵列的制作过程,然后对嗅觉可视化系统的组成做了简要介绍．     

基于双联支持向量机的入侵检测技术

为提高网络入侵检测系统的性能,提出基于双联支持向量机的入侵检测方法。介绍网络入侵检测系统工作的基本原理;引入双联支持向量机和入侵检测分类器;构建基于双联支持向量机的入侵检测模型。仿真结果表明,该方法可以在样本数据很少的情况下,高速率、高精度地对计算机网络安全进行检测,适用于入侵检测系统。     

基于形态仿生的轿车升阻特性的数值模拟

受鱼类利用中央鳍/对鳍对流体介质产生扰动来增加运动稳定性的启发,本文在轿车尾部增加功能类似中央鳍/对鳍的扰流板,称之为方案一;针对其阻力增加,在方案一的基础上,在车后窗及汽车后备箱表面添加棱纹形态仿生功能表面,称之为方案二。利用数值模拟方法,对上述两种方案及原车模型在高速行驶状况下进行仿真分析,结果表明:方案一升力系数由原车的-0.06455降为-0.1516,后轮附着力增加,提高了轿车的操纵稳定性;方案二较好地梳理了尾部气流,延迟了气流的分离,与方案一比较,减阻率达到4.938%。     

基于人体检测理论的室内智能监控系统

智能监控已随着社会发展成为主流,但当前智能监控系统的人体检测模块尚不能满足实时检测要求。为解决这一问题,结合梯度方向直方图特征和SVM（支持向量机）级联分类器,提出室内监控系统的人体检测策略,并基于以太网平台,实现远程实时室内监控。实验结果表明,该监控系统精度较高、速度较快,能在实时人体检测的基础上进行预警,达到了智能监控的目的。     

基于混沌神经网络的仿生鼻的研究及其应用

根据生物嗅觉信息获取的原理,构造了装有传感器阵列的仿生鼻鼻流道和控制装置,实现在嗅觉区域主动控制气体流量和气味分子浓度,提高了嗅觉灵敏度.针对人工嗅觉系统目前广泛采用的模式识别算法———人工神经网络BP算法存在的网络学习算法收敛缓慢的难题,使用更接近生物嗅觉的混沌优化神经网络算法,采用混沌算法对BP神经网络误差修正进行改进.对标准BP算法和混沌优化算法进行仿真比较,验证了混沌优化神经网络算法的优越性.最后用研究的仿生鼻对白酒进行了实验研究,最高识别率达100%.     

智能监控中基于头肩特征的人体检测方法研究

针对传统监控系统存在的不足,研究了智能监控中人体目标的自动检测,提出了运动目标头肩模型提取和支持向量机头肩模型验证相结合的新方法,该方法将差分图像的边缘检测与轮廓跟踪相结合,有效地消除了目标影子干扰的影响;利用人体局部形状特征区分人体目标,解决了实际应用场合中人体易受到遮挡的问题;基于支持向量机(SVM)的分类器克服了传统方法在小样本条件下容易欠学习与过学习的问题.实验结果表明,该方法具有较强的鲁棒性和较高的正确率,在智能监控系统中能自动检测运动人体目标,为智能监控中人体目标自动检测和跟踪提供理论和技术基础.     

基于DEMATEL方法的地面仿生机械绿色属性影响因素分析

提出地面仿生机械的绿色制造决策目标,并建立了地面仿生机械的绿色属性影响因素指标体系,采用专家调查的方法确定了各指标之间的相互影响关系。再利用DEMATEL方法进行影响因素的定量分析,初步探讨了地面仿生机械实施绿色制造的关键问题,指出管理人员和掌握仿生技术人员、材料等因素是关键因素。     

基于支持特征点的SAR辅助导航反演点置信度估计

合成孔径雷达(SAR)由于全天候、全天时等特点使得它正成为飞行器导航的理想传感器之一.SAR辅助导航是利用SAR实时获取的目标散射图像与飞行器中存储的参考图像进行匹配运算,进而修正飞行器的位置数据.但由于SAR为侧视雷达,当地形存有较大起伏时,实时图中某些位置的像素将产生偏移,使整个反演精度下降.基于此,以F.Leberl构象模型为基础,提出了基于支持特征点的反演控制点置信度估计方法.实验结果显示,根据置信度对适合精确匹配区域的数据进行优化选取,能较大提高反演飞行器空间位置的精度.     

A new support vector machine based multiuser detection scheme

In order to suppress the multiple access interference （MAI） in 3G, which limits the capacity of a CDMA communication system, a fast relevance vector machine （FRVM） is employed in the multiuser detection （MUD） scheme. This method aims to overcome the shortcomings of many ordinary support vector machine （SVM） based MUD schemes, such as the long training time and the inaccuracy of the decision data, and enhance the performance of a CDMA communication system. Computer simulation results demonstrate that the proposed FRVM based multiuser detection has lower bit error rate, costs short training time, needs fewer kernel functions and possesses better near-far resistance.     

基于模糊支持向量机的医学图像分类技术

对每一个训练点都定义点模糊度,利用其隶属函数所包含的信息量来确定模糊度,在此基础上对传统的支持向量机算法进行了改进,提出了基于模糊支持向量机的医学图像分类技术。采用不同噪声图像进行的试验结果表明,模糊支持向量机方法能够较好地对MRI图像中脑组织进行分类,并且具有较高的精度。使用该方法还可以减少计算量,提高运算速度。     

基于SVM的网络数据无监督特征选择算法

面向线性不可分的未知格式网络数据,提出了一种基于支持向量机的无监督特征选择算法。该算法通过非线性映射函数将不可分的网络数据映射到高维空间中,然后在高维空间中进行无监督的特征选择。该算法在特征选择之前不需要人工构造候选特征集合,直接从原始网络数据中自动地选择关键特征。利用人工数据集和网络数据集进行的实验结果表明:本文算法在特征选择可行性和有效性方面都有良好的表现。     

FCM-HMM-SVM混合故障诊断模型及其在电力电子电路故障诊断中的应用

提出一种基于模糊C均值聚类（FCM）、隐马尔可夫模型（HMM）和支持向量机（SVM）相结合的电力电子故障诊断方法.采用FCM方法对故障信号进行模糊聚类,提取故障特征;根据隐马尔可夫模型进行动态过程建模;根据支持向量机进行模式分类;基于HMM-SVM混合的故障诊断模型实现了对机车变流器电路中晶闸管断路故障的诊断.实验结果分析表明,该方法能准确地对电力电子电路进行诊断和故障元定位,诊断精度高,具有很好的实用价值.