-
公开(公告)号：CN107192686B
公开(公告)日：2020-08-28
申请号：CN201710233798.8
申请日：2017-04-11
Applicant: 江苏大学
IPC: G01N21/3563 , G06K9/62
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：CN110378374A
公开(公告)日：2019-10-25
申请号：CN201910505666.5
申请日：2019-06-12
Applicant: 江苏大学
IPC: G06K9/62
Abstract: 本发明公开了一种模糊鉴别信息提取的茶叶近红外光谱分类方法，包括步骤：(1)茶叶近红外光谱采集；(2)用多元散射校正进行茶叶近红外光谱的预处理；(3)用主成分分析实现茶叶近红外光谱降维处理；(4)采用一种模糊线性鉴别信息提取方法实现近红外光谱数据的鉴别信息提取；(5)采用一种模糊簇间分离聚类方法进行茶叶近红外光谱数据分类。本发明解决了用传统模糊线性判别分析处理复杂数据结构时分类效果不理想的问题，进一步减少鉴别信息之间的相关性。本发明具有检测速快，能有效提取近红外光谱数据的模糊鉴别信息，茶叶品种分类准确率高等优点。
-
公开(公告)号：CN109145952A
公开(公告)日：2019-01-04
申请号：CN201810813255.8
申请日：2018-07-23
Applicant: 江苏大学
IPC: G06K9/62
CPC classification number: G06K9/6223 , G06K9/6274
Abstract: 本发明公开了一种模糊鉴别分析的白酒电子鼻信号分类方法，包括：步骤1、使用电子鼻系统采集不同白酒样本的气味数据。步骤2、采样模糊鉴别分析的方法，提取白酒原始数据的主要特征；首先计算每类均值，以每类均值作为聚类中心；计算初始模糊隶属度；再进行模糊主成分分析(FPCA)，得到模糊主成分分析的特征向量qk1；对得到的特征向量qk1进行排序，得到新的特征向量pk1；重新i将类中心vi和第k个样本xk投影到特征向量pk1上，以及重新计算模糊隶属度等，得到最终处理过的白酒数据；步骤3、采用最近邻分类器对模糊鉴别分析处理过得数据进行分类，使用留一法(leave one out)计算分类的准确率。本发明采用模糊鉴别分析方法，提高抗干扰能力的同时分类准确率大大提高。
-
公开(公告)号：CN109030407A
公开(公告)日：2018-12-18
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：CN104573739B
公开(公告)日：2018-04-17
申请号：CN201410745142.0
申请日：2014-12-09
Applicant: 江苏大学
Abstract: 本发明公开一种广义模糊K调和均值聚类的生菜贮藏时间判定方法，首先用近红外光谱仪采集不同贮藏期的生菜样本的近红外光谱，然后用后向间隔偏最小二乘判别分析进行光谱波段选择和降维处理，再用线性判别分析提取近红外光谱的鉴别信息，对鉴别信息运行模糊C‑均值聚类得到初始聚类中心，最后用广义模糊K调和均值聚类方法对生菜贮藏时间进行判定，具有检测速度快，判定准确率高，无污染，对生菜不造成损坏等优点。
-
Patent Agency Ranking
公开(公告)号：CN107886115A
公开(公告)日：2018-04-06
申请号：CN201711027252.3
申请日：2017-10-27
Applicant: 江苏大学
IPC: G06K9/62 , G01N21/3563
CPC classification number: G06K9/6247 , G01N21/3563 , G06K9/6221 , G06K9/6272
Abstract: 本发明公开了一种自适应可能C均值聚类的茶叶中红外光谱分类方法，包括步骤：(1)茶叶样本中红外光谱采集；(2)用多元散射矫正(MSC)进行茶叶样本中红外光谱的预处理；(3)对茶叶样本中红外光谱进行降维处理和鉴别信息提取；(4)用自适应可能C均值聚类方法鉴别茶叶品种。本发明解决了用基于欧氏距离的改进型可能C-均值(IPCM)聚类方法在聚类分析茶叶的中红外光谱数据时聚类效果不理想的问题，本发明采用基于模糊协方差矩阵的自适应距离测度来代替IPCM聚类方法中的欧氏距离测度。本发明具有检测速度快，检测准确率高，绿色无污染，所需茶叶样本少等优点。
-
公开(公告)号：CN107860739A
公开(公告)日：2018-03-30
申请号：CN201711205752.1
申请日：2017-11-27
Applicant: 江苏大学
IPC: G01N21/3563
CPC classification number: G01N21/3563
Abstract: 本发明公开了一种模糊K调和网络聚类的茶叶中红外光谱分类方法，首先采集不同品种茶叶的中红外光谱；其次，采用多元散射校正、主成分分析及线性判别分析对茶叶样本的中红外光谱进行预处理；最后对包含鉴别信息的测试样本，使用一种模糊K调和网络聚类方法鉴别测试样本中的茶叶品种。本发明将模糊K调和网络聚类引入到Kohonen聚类网络的学习速率和更新策略中，解决了用模糊Kohonen聚类网络方法对初始类中心敏感而导致聚类结果不稳定的问题。本发明具有检测速度快，检测准确率高，绿色无污染，检测结果稳定等优点。
-
公开(公告)号：CN107194314A
公开(公告)日：2017-09-22
申请号：CN201710259866.8
申请日：2017-04-20
Applicant: 江苏大学
IPC: G06K9/00
Abstract: 本发明公开了融合模糊2DPCA和模糊2DLDA的人脸识别方法，属于模式识别领域和人工智能领域。该方法首先计算出训练样本图像矩阵的模糊隶属度值和类中心值，然后根据模糊2DPCA计算出训练样本图像矩阵的模糊二维总体散射矩阵Sf2DT及Sf2DT的特征值和特征向量；其次根据模糊2DLDA计算出训练样本图像矩阵的模糊二维类间散射矩阵Sf2DB，并且计算出Sf2DT逆矩阵与Sf2DB的乘积矩阵的特征值和特征向量；最后用模糊2DPCA的特征向量和模糊2DLDA的特征向量实现人脸图像矩阵的压缩，再将压缩后的测试样本矩阵和训练样本矩阵按列拉成向量，将向量投影到特征转换矩阵上，用最近邻分类器得出结果。本发明可实现人脸图像的准确识别，具有高识别率和高效率性。
-
公开(公告)号：CN104573739A
公开(公告)日：2015-04-29
申请号：CN201410745142.0
申请日：2014-12-09
Applicant: 江苏大学
CPC classification number: G06K9/6223
Abstract: 本发明公开一种广义模糊K调和均值聚类的生菜贮藏时间判定方法，首先用近红外光谱仪采集不同贮藏期的生菜样本的近红外光谱，然后用后向间隔偏最小二乘判别分析进行光谱波段选择和降维处理，再用线性判别分析提取近红外光谱的鉴别信息，对鉴别信息运行模糊C-均值聚类得到初始聚类中心，最后用广义模糊K调和均值聚类方法对生菜贮藏时间进行判定，具有检测速度快，判定准确率高，无污染，对生菜不造成损坏等优点。
-
公开(公告)号：CN104568770A
公开(公告)日：2015-04-29
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。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.027 seconds)
