-
公开(公告)号：CN110147734A
公开(公告)日：2019-08-20
申请号：CN201910321709.4
申请日：2019-04-22
Applicant: 江苏大学
Abstract: 本发明公开了一种自适应聚类的生菜品种鉴别方法，包括：步骤1、生菜样本光谱的采集：用光谱仪采集不同品种的生菜样本，获取生菜样本的漫反射光谱；步骤2、光谱的降维处理：采用主成分分析方法(PCA)将生菜样本光谱的维数降低；步骤3、进行生菜光谱的模糊C均值聚类，得到模糊隶属度以及聚类中心；步骤4、计算自适应聚类方法的参数λ；步骤5、采用自适应聚类方法进行生菜品种的鉴别。本发明采用无损检测技术，无需学习样本，具有检测速度快，鉴别准确率高等优点，可对多个品种的生菜进行准确鉴别。特别是在聚类包含噪声数据的生菜光谱数据方面优于模糊C均值聚类，在聚类性能上要优于现有的模糊C均值聚类。
-
公开(公告)号：CN110108661A
公开(公告)日：2019-08-09
申请号：CN201910321670.6
申请日：2019-04-22
Applicant: 江苏大学
IPC: G01N21/3563 , G01N21/359
Abstract: 本发明公开了一种模糊极大熵聚类的茶叶近红外光谱分类方法，包括以下步骤：S1，茶叶样本近红外光谱采集：用傅里叶近红外光谱仪对茶叶样本进行检测，获取茶叶样本近红外漫反射光谱数据。S2，用多元散射矫正(MSC)对茶叶近红外光谱进行预处理。S3，对茶叶样本近红外光谱进行降维处理和鉴别信息提取：利用主成分分析(PCA)将在S2中获得的茶叶近红外光谱数据压缩；然后利用线性判别分析(LDA)提取茶叶样本的鉴别信息。S4，对S3中包含鉴别信息的测试样本用模糊极大熵聚类方法进行茶叶品种分类。本发明解决了用传统模糊极大熵聚类对噪声敏感问题。本发明具有检测速度快、无损检测、能处理含噪声的光谱数据，茶叶品种分类准确率高等优点。
-
公开(公告)号：CN109685099A
公开(公告)日：2019-04-26
申请号：CN201811338607.5
申请日：2018-11-12
Applicant: 江苏大学
IPC: G06K9/62 , G01N21/3563 , G01N21/359
CPC classification number: G06K9/6223 , G01N21/3563 , G01N21/359 , G06K2209/17
Abstract: 本发明公开了一种光谱波段优选模糊聚类的苹果品种辨别方法，包括如下步骤：S1，不同品种苹果样本的傅里叶近红外光谱采集：针对不同品种的苹果样本，用傅里叶近红外光谱仪对苹果样本进行检测，获取苹果样本傅里叶近红外光谱数据并将数据存储在计算机里。S2，用标准正态变量变化(SNV)对S1的苹果样本近红外光谱进行预处理。S3，用后向间隔偏最小二乘判别分析(BIPLSDA)对S2的近红外光谱进行波段优选。S4，对苹果近红外光谱进行降维处理和鉴别信息提取：利用主成分分析(PCA)对S3中的苹果近红外光谱数据进行压缩；然后利用线性判别分析(LDA)提取数据的鉴别信息。S5，对S4中包含鉴别信息的测试样本用一种改进的模糊C均值聚类方法辨别苹果品种。
-
公开(公告)号：CN108764288A
公开(公告)日：2018-11-06
申请号：CN201810376203.9
申请日：2018-04-25
Applicant: 江苏大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6221
Abstract: 本发明公开了一种GK鉴别聚类的茶叶品种分类方法，首先采集茶叶样本近红外光谱，对茶叶样本红外光谱预处理以及降维处理，然后提取茶叶训练样本近红外光谱的鉴别信息，对测试样本进行模糊C均值聚类，最后利用GK鉴别聚类进行茶叶品种的分类。本发明具有检测速度快、分类准确率高，绿色环保等优点。可实现茶叶品种的无损，快速准确分类。
-
公开(公告)号：CN107256381A
公开(公告)日：2017-10-17
申请号：CN201710356566.1
申请日：2017-05-19
Applicant: 江苏大学
CPC classification number: G06K9/00288 , G06K9/6247 , G06K9/6276
Abstract: 本发明公开了一种双向模糊二维主成分分析的人脸识别方法，属于模式识别和人工智能领域。本发明方法利用基于矩阵的模糊二维主成分分析分别对人脸图像的行和列进行压缩，然后将压缩后的图像按列拉成图像向量，再用优化主成分分析提取图像向量的一组最优鉴别矢量而实现图像向量的压缩，最后用最近邻分类器进行分类。本发明是基于模糊二维主成分分析的人脸识别方法，在处理含噪声图像方面优于传统的二维主成分分析(2DPCA)；此外，本发明从行和列两个方向对人脸图像进行压缩，压缩后图像更小，分类速度快；将压缩后的图像矩阵按列拉伸后再进行优化主成分分析的线性变换以实现向量的压缩，压缩更彻底，分类速度得到提高，具有高识别率。
-
Patent Agency Ranking
公开(公告)号：CN107192686A
公开(公告)日：2017-09-22
申请号：CN201710233798.8
申请日：2017-04-11
Applicant: 江苏大学
IPC: G01N21/3563 , G06K9/62
CPC classification number: G01N21/3563 , G01N2021/3595 , G06K9/6221
Abstract: 本发明公开了一种模糊协方差矩阵的可能模糊聚类茶叶品种鉴别方法，包括如下步骤：一、收集若干个品种的茶叶样本，用红外光谱仪获取茶叶样本红外漫反射光谱信息；二、用多元散射校正MSC对茶叶样本红外光谱进行预处理；三、利用主成分分析PCA将步骤二中获得的茶叶样本红外光谱数据进行降维压缩；四、将步骤三中获得的红外光谱压缩数据用线性判别分析LDA提取鉴别信息后得到包含鉴别信息的训练样本和测试样本数据；五、对步骤四中包含鉴别信息的测试样本用一种模糊协方差矩阵的可能模糊聚类方法以鉴别测试样本中的茶叶品种。本发明具有检测速度快、鉴别准确率高、绿色无污染、所需茶叶样本少、可快速实现茶叶品种鉴别的优点。
-
-
公开(公告)号：CN103646252A
公开(公告)日：2014-03-19
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：CN110414549B
公开(公告)日：2024-03-22
申请号：CN201910506047.8
申请日：2019-06-12
Applicant: 江苏大学
IPC: G06V10/764 , G06F17/16 , G01N21/359
Abstract: 本发明公开了一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，包括：一、采用Antaris II傅立叶变换近红外光谱分析仪获取茶叶样本的近红外漫反射光谱数据；二、运用多元散射校正对近红外漫反射光谱数据进行预处理，再将经预处理后的茶叶样本数据随机分配到训练集和测试集中；三、利用一种模糊正交线性鉴别分析的茶叶近红外光谱鉴别信息提取方法从茶叶近红外漫反射光谱数据中提取茶叶品种的鉴别信息；四、使用K近邻分类算法进行测试样本分类，确定所测茶叶样本的种类。本发明是正交线性鉴别分析的模糊模型，既有效克服了LDA的小样本问题，又充分解决了样本类信息多样性的问题，具有检测成本低、鉴别速度快、分类准确率高等优点。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.025 seconds)
