一种面向光谱基线校正的加权建模局部优化方法

    公开(公告)号:CN111999258A

    公开(公告)日:2020-11-27

    申请号:CN202010636816.9

    申请日:2020-07-03

    Abstract: 本发明公开了一种面向光谱基线校正的加权建模局部优化方法。该方法将目标成分的化学值数据转换为权重信息,结合多元散射校正预处理方法构建光谱数据加权校正方法,利用归一化运算的特点,将回归方程的常数项归于无穷小量,使光谱基线偏移的数据特征不被带入定标模型中。同时,基于样本光谱的距离指标构造负指数函数权值,加权提取光谱数据的特征信号,为定标模型的局部优化提取具有高信噪比的信息波长变量,以降低模型复杂度,缩短建模运算时间。基于加权化学值和加权优化光谱值建立特定对象的光谱分析局部优化模型,融合即时分析技术,实现快速建模,能够有效提高光谱定量分析模型的预测能力。

    一种光谱冗余信息融合建模的计量分析方法

    公开(公告)号:CN119128359A

    公开(公告)日:2024-12-13

    申请号:CN202410991265.6

    申请日:2024-07-23

    Inventor: 陈华舟 艾武 石凯

    Abstract: 本发明提供一种光谱冗余信息融合建模的计量分析方法,属于光谱快速无损分析应用领域,首先通过对原始光谱数据集进行回归得到一个的光谱定标预测模型,光谱定标预测模型的参数通过训练样本数据的自回归运算来获取,设计一个冗余信息比对函数,将冗余信号和部分不确定的噪音信号融入光谱定标预测模型中,估算冗余信息比对函数的有效近似值,通过评估冗余信息比对函数的近似值确定该波长点是否需要保留在模型中,然后计算每个波长对优化后的光谱定标预测模型预测能力的影响,完成计量分析。本发明可融合光谱冗余信息的特征对常规的定标模型进行修正和优化,在检测资源有限的前提下,利用原本会丢弃的无用信息,可以减少数据信息检测的消耗。

    一种基于指标极值的光谱特征变量快速匹配方法

    公开(公告)号:CN107271389B

    公开(公告)日:2019-10-11

    申请号:CN201710489763.0

    申请日:2017-06-24

    Inventor: 陈华舟 石凯 贾贞

    Abstract: 本发明公开了一种基于指标极值的光谱特征变量快速匹配方法。该方法利用简单的线性模型为光谱校正预测模型挑选有效的特征变量。以朗伯比尔定律为基础,对光谱变量集合中的每一个变量(波长)建立一元线性回归模型,以模型预测指标极值为目标,选择峰值和谷值所对应的一元特征变量,并进一步寻找与每一个一元特征变量形成最佳匹配的第二变量,组成离散特征变量集合,利用此特征变量集合建立光谱校正模型能够有效克服简单的线性模型中常出现的光谱共线性问题。该方法具有模型简便、计算量少、遴选自由度大等优点,可推广应用到拉曼、近红外、中红外、紫外光谱分析领域,为设计小型便携式专用光谱仪提出有效的技术支持。

    一种基于双模型竞争机制的相关滤波跟踪方法

    公开(公告)号:CN116342647A

    公开(公告)日:2023-06-27

    申请号:CN202310164707.5

    申请日:2023-02-26

    Abstract: 本发明涉及一种基于双模型竞争机制的相关滤波跟踪方法,通过融合颜色特征和梯度特征并结合特征降维技术构造特征描述子,并以此训练背景感知相关滤波器,提高滤波器在应对光照变化、目标形变、运动模糊等干扰因素时的鲁棒性;又通过引入双模型竞争机制,根据静态模型和动态模型的跟踪响应图置信度来决定跟踪结果,提高跟踪结果的可靠性,进而解决对遮挡、目标运动出视野等因素导致的模型漂移问题。本发明在通用的桌面端CPU支持下跟踪速度能够达到45帧/秒,能够满足大部分实际应用场景的实时性需求。

    一种基于PCA建模反馈式载荷加权的波长选择方法

    公开(公告)号:CN109409350B

    公开(公告)日:2022-05-31

    申请号:CN201811236512.2

    申请日:2018-10-23

    Abstract: 本发明公开了一种基于PCA建模反馈式载荷加权的波长选择方法。该方法以PCA算法为基础,针对不同频率的光谱检测数据进行训练,建立并优化计量学分析模型,将建模系数反馈式PCA载荷向量进行加权组合,为每一个波长变量加以信息贡献度的衡量,进而选择具有较高信噪比的信息波长集合,能够有效减少参与建模的波长数量,降低模型复杂度;依此筛选出的波长组合可以结合线性判别或多元线性回归等各种简便的统计算法完成定性或定量分析。该方法能够提高光谱信息变量筛选的工作效率,可以应用于近红外、红外、紫外等多种频段的光谱降维快速检测,为小型专用光谱仪器的研发和应用提供算法理论基础和技术支持,有望推广应用于高光谱图像分析领域。

    一种基于PCA建模反馈式载荷加权的波长选择方法

    公开(公告)号:CN109409350A

    公开(公告)日:2019-03-01

    申请号:CN201811236512.2

    申请日:2018-10-23

    Abstract: 本发明公开了一种基于PCA建模反馈式载荷加权的波长选择方法。该方法以PCA算法为基础,针对不同频率的光谱检测数据进行训练,建立并优化计量学分析模型,将建模系数反馈式PCA载荷向量进行加权组合,为每一个波长变量加以信息贡献度的衡量,进而选择具有较高信噪比的信息波长集合,能够有效减少参与建模的波长数量,降低模型复杂度;依此筛选出的波长组合可以结合线性判别或多元线性回归等各种简便的统计算法完成定性或定量分析。该方法能够提高光谱信息变量筛选的工作效率,可以应用于近红外、红外、紫外等多种频段的光谱降维快速检测,为小型专用光谱仪器的研发和应用提供算法理论基础和技术支持,有望推广应用于高光谱图像分析领域。

    一种基于光谱潜变量混淆判别的阈值分析方法

    公开(公告)号:CN109145887A

    公开(公告)日:2019-01-04

    申请号:CN201811236503.3

    申请日:2018-10-23

    Inventor: 陈华舟 辜洁 蔡肯

    CPC classification number: G06K9/00536 G06K9/2018

    Abstract: 本发明公开了一种基于光谱潜变量混淆判别的阈值分析方法。该方法以PLS回归为基础,将点对点定量预测问题转化为半定性阈值界定问题,设置准确率阈值,结合Logistic判别的训练和验证机制,通过比较先验阈值和预测阈值构造混淆矩阵来衡量模型的判别准确度,以解决定量预测不能容错诠释光谱响应的问题。利用分段光谱潜变量提取技术,分析获取具有较高判别准确度的信息子波段,降低Logistic判别的模型复杂度,为光谱半定性阈值分析建模的优化过程提高效率,以更好地适应在线光谱分析的建模调试和预测判别,所得光谱半定性阈值分析模型可以胜任近红外/红外光谱快速检测,为便携式专用光谱仪的研发和推广应用提供了算法技术支持。

    多功能便携式光谱数据分析展示装置

    公开(公告)号:CN118865804A

    公开(公告)日:2024-10-29

    申请号:CN202410944523.5

    申请日:2024-07-15

    Abstract: 本发明提供多功能便携式光谱数据分析展示装置,其结构包括:便携框、展示主体、电连接槽、防尘件、数据传输体,便携框覆盖于展示主体的边缘部位;本发明展示装置整体缩小体积为基础,根据便携框将展示主体边缘覆盖后能使展示主体达成平板形态,进而依据数据传输体能与其它光谱分析仪进行数据电连接,达成数据传导展示的效果,使之能够达成便携式的特性,随后便携框内置搭载的智能作业芯片能配合声控结构进行语音控制,使之根据语言指令能对展示主体进行直接控制,替代手动触控调节的流程,因此可达成多功能便于使用的特性,为此能够提高整体展示装置的智能化及便携式的使用强度。

    一种基于禁忌优化的光谱建模样本集快速划分方法

    公开(公告)号:CN112036432A

    公开(公告)日:2020-12-04

    申请号:CN202010635852.3

    申请日:2020-07-03

    Abstract: 本发明公开了一种基于禁忌优化的光谱建模样本集快速划分方法。该方法利用基于化学参考值加权的光谱数据2-均值聚类模式获取定标样本和验证样本的初始划分,探索禁忌搜索方法的参数优化模式,对初始划分进行自适应快速优化,以定标集和验证集的部分样本互换的方式生成多个候选划分对象,将候选对象进行禁忌存储并逐个优化对比,并经过多次迭代以确定当前解的最优化结果。互换样本的数量、候选解的数量、禁忌表的长度和迭代次数等若干参数可调,实现针对样本集划分的智能化更新,最终输出迭代优化的样本集划分结果。针对优化划分结果进一步执行光谱预处理、特征提取、建模优化、模型预测和评价等计量分析操作,有利于提高光谱模型的预测能力。

    一种基于判别式主成分分析的人脸识别方法

    公开(公告)号:CN109919056A

    公开(公告)日:2019-06-21

    申请号:CN201910141636.0

    申请日:2019-02-26

    Abstract: 本发明公开了一种基于判别式主成分分析的人脸识别方法,在解决主成分分析对同类样本数据分类较差和线性判别分析计算成本高、类内矩阵常常不可逆等缺陷的同时保留了它们的优势。该发明包括:1.输入训练集矩阵;2.对训练集矩阵进行转化,构造低纬度转换矩阵;3.计算转换矩阵的类内、类间矩阵;4.标准化处理类内、类间矩阵的元素;5.使用改进的直接线性判别分析法计算判别矩阵;6.利用主成分分析计算判别矩阵的特征空间7.分别将训练集矩阵和测试集矩阵投影到特征空间;8.采用最近邻分类器完成识别过程。著名人脸数据库上的实验结果验证了本发明具有出色的表现,且提出的方法可以应用在模式识别、计算机视觉的众多领域。

Patent Agency Ranking