-
公开(公告)号：CN104568770B
公开(公告)日：2017-07-18
申请号：CN201410745102.6
申请日：2014-12-09
Applicant: 江苏大学
IPC: G01N21/25
Abstract: 本发明公开一种无监督可能模糊学习矢量量化的生菜品种光谱鉴别方法，首先用光谱仪采集生菜样本的光谱，然后优选生菜光谱的波段，再用主成分分析方法对生菜的光谱进行降维处理，对降维后的生菜光谱数据运行模糊C‑均值聚类，最后用无监督可能模糊学习矢量量化方法对生菜品种进行鉴别；无需学习样本，能对含有噪声信息的生菜光谱数据进行快速和无破坏性的检测，去除光谱中的冗余信息，加快处理速度和提高鉴别的准确率。
-
公开(公告)号：CN103646252B
公开(公告)日：2017-01-11
申请号：CN201310649236.3
申请日：2013-12-05
Applicant: 江苏大学
IPC: G06K9/62 , G01N21/3563 , G01N21/359
Abstract: 本发明是一种基于优化的模糊学习矢量量化的苹果分类方法，其包括以下步骤：第一步，苹果样本近红外光谱采集；第二步，用主成分分析方法对苹果的近红外光谱进行降维处理；第三步，运行模糊C-均值聚类以得到初始聚类中心；第四步，用优化的模糊学习矢量量化方法进行苹果品种的分类。本发明解决了模糊学习矢量量化处理含噪声数据时对噪声敏感的问题，具有检测速度快，分类准确率高，分类效率高，对苹果不造成损坏等优点，可实现不同品种苹果的分类。
-
公开(公告)号：CN105975965A
公开(公告)日：2016-09-28
申请号：CN201610567745.5
申请日：2016-07-18
Applicant: 江苏大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00288
Abstract: 本发明公开一种模式识别和人工智能领域中的人脸图像识别的双向鉴别特征提取方法，首先计算人脸图像矩阵列压缩时的类间散射矩阵和类内散射矩阵，再计算类内散射矩阵的逆矩阵和类间散射矩阵的乘积矩阵，取乘积矩阵前几个最大特征值所对应的特征向量形成最优投影矩阵，用最优矩阵对人脸图像矩阵进行列压缩；其次求出人脸图像矩阵行压缩时的类间散射矩阵、类内散射矩阵和总体散射矩阵，从而求出最优投影矩阵并用最优投影矩阵的转置矩阵对人脸图像矩阵行压缩；采用不同的人脸识别方法同时从人脸图像矩阵的列方向上提取线性鉴别信息和行方向上提取非相关鉴别信息，可以得到人脸图像互补的特征信息，提高人脸图像的识别率。
-
公开(公告)号：CN103954582B
公开(公告)日：2016-04-06
申请号：CN201410143595.6
申请日：2014-04-11
Applicant: 江苏大学
IPC: G01N21/3563 , G01N21/359
Abstract: 本发明公开了一种混合K调和聚类的苹果品种近红外光谱分类方法，其包括以下步骤：（1）苹果样本近红外光谱采集；（2）对苹果样本近红外光谱进行降维处理；（3）用混合K调和聚类方法进行苹果品种的分类。本发明具有检测速度快，分类准确率高，分类效率高，对苹果不造成损坏等优点。可实现苹果品种的正确分类。
-
公开(公告)号：CN105279500A
公开(公告)日：2016-01-27
申请号：CN201510764538.4
申请日：2015-11-10
Applicant: 江苏大学
Abstract: 本发明公开了一种双向两维无相关鉴别矢量集的人脸识别方法，采用非迭代的方法，计算水平方向和垂直方向上的最优无相关鉴别矢量集。首先计算出水平和垂直方向上的类内、类间和总体散度矩阵；接着根据类内散度矩阵的特征值和相应的特征矢量，计算得出两个方向上的变换矩阵；然后利用变换矩阵计算出新的总体散度矩阵，并求出水平和垂直方向上的鉴别矢量集；最后将两组鉴别矢量集经过变换矩阵投影得出最终的鉴别矢量集，将二维人脸图像同时向水平和垂直方向投影，通过最近邻分类器计算出识别率。本发明可同时提取水平和垂直两个方向上的无相关鉴别矢量集，在具有高识别率的同时可以节省计算时间和储存空间。
-
Patent Agency Ranking
公开(公告)号：CN102999765A
公开(公告)日：2013-03-27
申请号：CN201210444082.X
申请日：2012-11-09
Applicant: 江苏大学
IPC: G06K9/62
Abstract: 本发明公开一种自适应提升法和非相关判别分析的猪肉贮藏时间判定方法，采集待测试的近红外样本，将样本数据分为训练集和测试集，初始化所有训练集权值；利用获得的初始训练集进行自适应提升法迭代计算，每一次迭代过程中，将产生的训练子集映射到非相关判别分析的特征子空间，其弱分类器由非相关判别分析特征子空间的最近邻分类器得到，根据弱分类器产生的加权分类误差更新训练样本集，产生新一轮特征投影向量；通过投票方式产生联合特征子空间，构造强分类器；用强分类器进行猪肉贮藏时间的判定；将自适应提升法和非相关判别分析相结合，有效解决非相关判别分析的小样本问题和特征选择问题，具有检测速度快，判定准确率高等优点。
-
公开(公告)号：CN111595803B
公开(公告)日：2024-11-26
申请号：CN202010386932.X
申请日：2020-05-09
IPC: G01N21/3563 , G01N21/359 , G06F18/241 , G06F18/23
Abstract: 本发明公开了一种指数距离测度模糊聚类的苹果近红外光谱分类方法，具体步骤如下：(1)应用Antaris II傅立叶变换近红外(FT‑NIR)光谱仪的漫反射模式对多种苹果样本进行扫描，从而获取样本的近红外漫反射光谱数据；(2)运用主成分分析(PCA)对样本的近红外漫反射光谱数据进行降维处理；(3)利用一种指数距离测度模糊聚类方法对苹果品种进行鉴别。本发明采用基于模糊最大值可能性评估标准距离测度,从而能够更加准确地对多种形态、尺寸和密度的苹果近红外光谱数据进行聚类。本发明具有检测速度快，检测成本低，鉴别准确率高，所需样本较小等优点。
-
公开(公告)号：CN114519386A
公开(公告)日：2022-05-20
申请号：CN202210031609.X
申请日：2022-01-12
Applicant: 江苏大学
IPC: G06K9/62 , G01N21/3563 , G01N21/359
Abstract: 本发明公开了一种改进模糊线性特征提取的红枣品种分类方法，包括步骤：(1)红枣近红外光谱采集；(2)用Savitzky‑Golay FIR平滑滤波器对红枣近红外光谱进行预处理；(3)用主成分分析实现红枣近红外光谱数据的降维处理；(4)采用一种改进模糊线性特征提取的红枣品种分类方法实现红枣近红外光谱数据的鉴别信息提取；(5)采用K近邻分类算法(KNN)对红枣近红外光谱数据进行分类。本发明解决了采集的红枣样品数据的小样本问题以及样本类信息多样性问题。同时本发明还具有检测简便，分类准确率高以及绿色无污染的优点。
-
公开(公告)号：CN109030407B
公开(公告)日：2020-12-18
申请号：CN201810336476.0
申请日：2018-04-16
Applicant: 江苏大学
IPC: G01N21/359 , G01N21/3563 , G06K9/62
Abstract: 本发明公开了一种混合模糊C均值聚类的苹果品种分类方法，采集苹果样本的近红外光谱；针对不同品种的苹果样本，用近红外光谱仪采集苹果样本的傅里叶近红外漫反射光谱信息，将光谱信息存储在计算机里；对苹果近红外光谱进行降维处理；将苹果样本近红外光谱采用主成分分析方法(PCA)进行压缩降维处理；用混合模糊C均值聚类方法对苹果品种进行分类处理，根据混合模糊C均值聚类方法得到模糊隶属度，对苹果品种进行分类。能够有效实现对苹果检测速度快，分类准确率高，不造成损坏，提高分类苹果品种分类的准确率，且采用近红外光谱技术实现无损检测。
-
公开(公告)号：CN111595805A
公开(公告)日：2020-08-28
申请号：CN202010387633.8
申请日：2020-05-09
IPC: G01N21/3563 , G06K9/62
Abstract: 本发明公开了一种可能性聚类的白菜农药残留定性分析方法，S1，采集不同农药残留水平的白菜样本中红外光谱数据：应用安捷伦Cary630FTIR光谱仪的衰减全反射模式获取不同农药残留水平的白菜样本中红外光谱数据；S2，对样本的中红外光谱数据进行降维处理：通过主成分分析(PCA)对采集来的样本中红外光谱数据进行压缩。本发明采用基于模糊最大值可能性评估标准距离测度,从而能够更加准确地对多种形态、尺寸和密度的白菜样本中红外光谱数据进行聚类；可以同时产生模糊隶属度值和典型值对白菜中红外光谱数据进行分析；具有检测成本低、鉴别速度快、分类准确率高等优点，既适用于白菜农药残留定性分析，也适用于其他蔬菜的农药残留定性分析。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.023 seconds)
