基于改进分水岭算法及Hopfield神经网络的牛肉大理石纹等级评级方法

在HSV颜色空间H分量图像上进行分割预处理,结合改进分水岭算法对牛眼肌与大理石花纹区域进行精确分割,对中国、日本及美国的大理石纹的标准等级图的特征参数作相关性分析,优选出5个表征大理石纹分布的特征参数,提出一种基于图像处理及Hopfield神经网络的自动评级方法,结果表明,对大理石花纹分级准确率达到87.23%。     

基于扩展Shearlet变换、Krawtchouk矩和SVM的储粮害虫分类

为了进一步提高储粮害虫的识别精度,以便更有效地防治储粮害虫,提出了一种基于纹理和形状综合特征及全局混沌蜂群优化支持向量机(SVM)的储粮害虫分类方法。首先对储粮害虫图像进行扩展Shearlet变换,利用变换系数得到能量分布均值,加权后的能量分布均值构成纹理特征向量,用Krwtchouk矩不变量描述储粮害虫的形状特征;然后将纹理特征向量和形状特征向量分别归一化,两者结合构成储粮害虫的综合特征向量;最后用全局混沌蜂群算法优化SVM的核参数与惩罚因子,并应用参数优化的SVM进行分类。结果表明:与基于Gabor小波和支持向量机方法、基于Krawtchouk不变矩和支持向量机方法相比,本方法提取的储粮害虫特征信息更加完整,识别率更高。     

基于Krawtchouk矩和小波支持向量机的纸张缺陷识别方案设计

为实现对于纸张缺陷的高精度识别,提高纸张成品的生产质量,通过Krawtchouk矩不变量来提取纸张缺陷图像的特征向量。在此基础上,运用所获取的特征向量对小波支持向量机进行训练,并通过粒子群优化算法来获取惩罚因子与核函数参数,使小波支持向量机的分类性能达到最优。最后对提出的纸张缺陷识别算法的识别率进行试验,经统计分析发现,访算法的识别总精度高达98.33%。     

改进的支持向量机算法在人脸识别上的应用

支持向量机算法作为一种新的机器学习方法,在处理小样本分类问题上具有明显优势,但核函数和参数的选取直接影响支持向量机算法的性能.针对该问题,文中通过组合全局核函数和局部核函数的混合核函数方法,建立了基于粒子群算法的混合核支持向量机算法,并将其用于ORL人脸数据库的人脸识别测试.结果表明,该改进算法较标准的支持向量机算法具有更高的识别率.     

基于分类特征提取和深度学习的牛肉品质识别

目的：降低数据差异性和光谱特征冗余度对牛肉品质识别的影响。方法：提出一种基于分类特征提取和深度学习的牛肉品质识别方法,采用改进的DPeak算法对光谱数据进行自适应聚类分析,实现对数据的差异性分析。定义牛肉光谱特征提取目标函数,采用离散狮群算法进行求解,提取每个分类的最佳光谱特征子集,最大限度降低特征冗余度。运用改进狮群算法(ILSO)对每个分类对应的支持向量机(SVM)模型参数进行优化,提出融合分类特征提取和ILSO优化SVM的牛肉品质识别模型,完成对牛肉品质的分类识别。结果：相比于SSA-SVM、PCA-SVM识别模型,该模型识别精度提高了约12.3%~14.5%。结论：基于分类特征提取和深度学习的牛肉品质识别模型能够提高牛肉品质识别精度。     

基于纹理特征的棉亚麻纤维识别技术

探讨基于纹理特征的棉亚麻纤维识别技术。利用微分干涉相衬显微镜采集到能够清楚表征纤维纹理特征的图像,通过图像预处理,采用中轴线方法获取棉亚麻纤维直径和直径不匀率的形态特征,分别提取不同角度的灰度共生矩阵能量、惯性矩、相关性、熵等四个特征向量的均值和标准差,采取支持向量机,通过交叉验证法训练得到最佳参数对棉亚麻纤维进行分类识别,采用形态特征和纹理特征相结合的识别正确率达到94.4%。认为:采用形态特征和纹理特征相结合的方法能够提高纤维识别的正确率。     

面向大批量定制的基于改进的LS-SVM服装需求预测模型

为提高服装需求预测精度,充分考虑了服装需求量随季节、气候条件、价格、性别等因素的影响而动态变化的情况,运用模糊理论对相关影响因素进行模糊化处理后,再将这些影响因素作为服装需求量预测函数的输入变量;然后建立了以改进的二乘支持向量机(LS-SVM)方法为主、多方法融合为辅的预测模型,对服装销售量进行动态预测。实际算例验证了这一智能预测模型具有良好的精确性。     

基于支持向量机和压力传感器的水果分类系统

目的:提高水果分类准确率并兼顾低计算成本和低传感器成本。方法:提出一种基于电容式压力传感器的水果分类系统,通过采用高斯核函数的支持向量机算法(高斯支持向量机算法)对水果进行分类。所采用的电容式压力传感器由薄铜片和一层乙酸乙烯酯制成,压力传感器被固定在模拟机械手的聚酰胺氨纶手套的拇指和食指上。获得的电容值以数字电平的形式表示,通过数据处理软件进行数据提取,采用核函数的支持向量机算法对电容数据进行处理,以确定水果的类别。结果:对11种水果的分类结果表明,采用高斯—支持向量机算法的智能手套能够实现水果的高准确率分类,且可根据实际需要在分类准确率、计算成本和低传感器成本之间权衡。结论:该系统可用于开发水果分类的电子系统,提升分类机械手的水果分类性能。     

PSO-LSSVM用于近红外光谱预测混合制浆材Klason木质素含量

为优化混合制浆材中Klason木质素含量的近红外分析模型,收集了5种常见制浆材的82个原木样品,将样品粉碎预处理后在便捷式近红外光谱仪上采集其近红外光谱信号,对原始光谱数据进行多元散射校正(MSC)预处理,利用粒子群寻优(PSO)算法对最小二乘支持向量机(LSSVM)算法中的参数进行优化,然后利用最优参数建立混合制浆材Klason木质素的LSSVM定量分析模型。将结果与偏最小二乘(PLS)和主成分降维后的BP神经网络(PCA-BPNN)算法进行比较。结果表明,PCA-BPNN和PSO-LSSVM模型均优于PLS模型,且PSO-LSSVM模型预测结果最优,预测结果的相关系数(Rv)最大为0. 9857;预测标准差(RMSEP)为0. 7498%,比PLS模型和PCA-BPNN模型分别降低了0. 2767%和0. 1455%;相对标准偏差(RPD)最大为5. 6174,比PLS模型和PCA-BPNN模型分别提高了1. 5144和0. 9138;真实值与预测值间的绝对偏差(AD)范围最小,为0. 0065%～1. 8449%。     

基于支持向量机的重组大肠杆菌产脂肪酶MAS1的发酵建模与优化

该研究以来源于海洋放线菌（Streptomyces sp.）W007脂肪酶MAS1为研究对象,将其在大肠杆菌BL21（DE3）中表达并优化了发酵条件。首先,通过单因素实验确定重组大肠杆菌表达脂肪酶的最佳诱导时间为对数生长后期,最佳异丙基-β-D-硫代半乳糖苷（IPTG）浓度为0.6 mmol/L,最佳诱导pH值为6.5,最佳诱导温度为20 ℃。然后,用R语言rsm包设计Box-Behnken试验,并在7 L发酵罐中进行发酵试验以得到Box-Behnken实验数据。最后,通过支持向量机（Support Vector Machines,SVM）-遗传算法（Genetic Algorithm,GA）计算得到重组大肠杆菌BL21（DE3）表达脂肪酶MAS1的最优发酵条件：IPTG浓度为0.65 mmol/L、诱导温度23 ℃、诱导pH值为6.7时,理论脂肪酶MAS1酶活力为2 276.99 U/mL。在7 L发酵罐中,使用优化后的发酵条件进行重组大肠杆菌BL21（DE3）培养时,得到最大脂肪酶MAS1酶活力为2 316.02 U/mL,比未优化之前（1 733.33 U/mL）提高了33.61%。上述结果表明SVM-GA在重组大肠杆菌发酵条件优化方面具有较好的性能,为脂肪酶MAS1的高效制备提供了一定的研究依据。