-
公开(公告)号：CN105092509B
公开(公告)日：2017-09-22
申请号：CN201510513849.3
申请日：2015-08-20
Applicant: 东北大学
IPC: G01N21/35
Abstract: 本发明公开了一种基于PCR‑ELM算法的样品成份测定方法，包括以下步骤：S1，采集待测样品的红外光谱数据；S2，通过PCR‑ELM模型获得该红外光谱数据所对应的样品中各成分的含量。本发明通过利用PCR‑ELM模型对待测样品的红外光谱数据进行处理，从而即可获得该红外光谱数据所对应的样品中各成分的含量，与采用传统模型进行数据处理相比，不仅避免了过拟合现象，减少了变量之间的多重共线性，而且也提高了拟合的精确度，提高了对样本量少、维度高的光谱数据的预测精度及预测精度的稳定性，扩大了ELM算法的应用范围。
-
公开(公告)号：CN105092509A
公开(公告)日：2015-11-25
申请号：CN201510513849.3
申请日：2015-08-20
Applicant: 东北大学
IPC: G01N21/35
Abstract: 本发明公开了一种基于PCR-ELM算法的样品成份测定方法，包括以下步骤：S1，采集待测样品的红外光谱数据；S2，通过PCR-ELM模型获得该红外光谱数据所对应的样品中各成分的含量。本发明通过利用PCR-ELM模型对待测样品的红外光谱数据进行处理，从而即可获得该红外光谱数据所对应的样品中各成分的含量，与采用传统模型进行数据处理相比，不仅避免了过拟合现象，减少了变量之间的多重共线性，而且也提高了拟合的精确度，提高了对样本量少、维度高的光谱数据的预测精度及预测精度的稳定性，扩大了ELM算法的应用范围。
-
公开(公告)号：CN105092521B
公开(公告)日：2017-11-14
申请号：CN201510497332.X
申请日：2015-08-13
Applicant: 东北大学
IPC: G01N21/359 , G01N21/3577 , G01N21/3563
Abstract: 本发明公开了一种基于增量主成份分析的牛奶凝结过程实时监测方法，它是在牛奶凝结过程中的近红外光谱数据基础上，利用聚类方法将数据聚类到多个窗口中，然后使用增量主成份分析方法对窗口内数据进行降维，而且当后续的批次数据加入窗口内时，可以通过新增加的样本数据来修正原来的数据，从而可以对窗口内的特征值和特征向量进行持续的更新，最终动态窗口中的特征数据将精确反映出牛奶凝结过程。本发明的方法可以对近红外光谱数据进行更为可靠的数据分析，最终实现了对牛奶凝结过程的精准监测。通过反复试验验证，本发明的方法在对牛奶凝结过程进行检测时，准确率高达90％以上，从而可以用于更高质量奶酪产品的生产。
-
公开(公告)号：CN105092521A
公开(公告)日：2015-11-25
申请号：CN201510497332.X
申请日：2015-08-13
Applicant: 东北大学
IPC: G01N21/359 , G01N21/3577 , G01N21/3563
Abstract: 本发明公开了一种基于增量主成份分析的牛奶凝结过程实时监测方法，它是在牛奶凝结过程中的近红外光谱数据基础上，利用聚类方法将数据聚类到多个窗口中，然后使用增量主成份分析方法对窗口内数据进行降维，而且当后续的批次数据加入窗口内时，可以通过新增加的样本数据来修正原来的数据，从而可以对窗口内的特征值和特征向量进行持续的更新，最终动态窗口中的特征数据将精确反映出牛奶凝结过程。本发明的方法可以对近红外光谱数据进行更为可靠的数据分析，最终实现了对牛奶凝结过程的精准监测。通过反复试验验证，本发明的方法在对牛奶凝结过程进行检测时，准确率高达90％以上，从而可以用于更高质量奶酪产品的生产。
-
-
-
Search Results
4
records
(took 0.018 seconds)
