排序方式: 共有13条查询结果,搜索用时 0 毫秒
2.
3.
为实现山茶油与3种常见食用植物油(菜籽油、大豆油和玉米油)的区分,制备可视化传感器阵列,采用嗅觉可视化技术对4种不同种类的食用植物油进行分类识别。采用主成分分析(PCA)对4种油样的特征数据进行降维,然后将降维后的数据导入K近邻(KNN)、极限学习机(ELM)、支持向量机(SVM) 3种分类模型中进行模型参数优化,对比了3种分类模型的分类结果。结果表明:建立的SVM分类模型性能最优,当输入主成分向量数为7、c=1.741 1、g=4.549 8时,SVM分类模型的测试集分类识别准确率为95.8%,五折交叉验证准确率为89.6%。制得的可视化传感器阵列可以实现4种食用植物油的分类识别,嗅觉可视化技术用于食用植物油检测是可行的。 相似文献
4.
为了揭示微表情类别与面部各区域之间的关联度,提出一种局部区域划分和分析方法。该方法首先根据各类微表情对应动作单元所在的位置确定出人脸中最为关键的7个局部区域,然后采用面部形变鉴别模型自动检测出面部49个关键点坐标,再根据这些点确定上述局部区域的4个边界。最后,分别提取各区域的时空模式特征并进行微表情分类,通过各区域对各类微表情的分类准确率来分析两者之间的关联度。实验结果表明,局部区域划分方案科学合理,微表情“惊奇”及“厌恶”与眼睛区域、微表情“高兴”与嘴巴区域、微表情“压抑”与下巴区域有较高的关联度。 相似文献
5.
6.
7.
8.
目的:实现对茶油中掺入菜籽油、大豆油、玉米油的掺伪检测。方法:采用电子鼻检测平台对茶油中分别掺入不同比例菜籽油、大豆油、玉米油进行掺伪检测,运用线性判别分析(LDA)和支持向量机(SVM)进行茶油掺伪定性鉴别分析,并使用多层感知器(MLP)和偏最小二乘回归(PLSR)建立茶油掺伪定量预测模型。结果:最佳输入参数下的SVM对茶油掺伪鉴别准确率高于LDA,其平均精确率、平均召回率、平均F-分数分别为94.85%,96.11%,95.34%,比LDA的提高了5.17%,4.44%,5.29%;MLP对茶油掺伪比例预测结果优于PLSR,对于掺入菜籽油、大豆油、玉米油的茶油,MLP预测的决定系数分别为0.98,0.99,0.98,均方根误差分别为4.02%,1.45%,3.74%。结论:基于电子鼻平台建立的SVM茶油掺伪鉴别模型和MLP茶油掺伪比例预测模型可有效实现茶油的鉴伪。 相似文献
9.
10.
为了研究铣削的主要工艺参数中铣削速度、每齿进给量、铣削宽度和铣削深度对氟金云母陶瓷材料铣削过程中的温度影响,对铣削过程中热量的来源进行分析。通过热源法建立铣削面热源对已加工表面传热的温度数学模型,并优化热量分配比例系数,使数学模型的计算误差减小;设计单因素试验分析主要工艺参数对氟金云母陶瓷的铣削温度影响规律,发现在参数范围内铣削温度均随着加工参数的增大而增大。最后将温度数学模型计算的理论值与试验值进行对比以验证结果的一致性,并发现两者之间的误差在1~11℃之间,均在合理误差范围内。 相似文献