-
公开(公告)号：CN109685098B
公开(公告)日：2024-03-19
申请号：CN201811338340.X
申请日：2018-11-12
Applicant: 江苏大学
IPC: G06F18/2413 , G06F18/2337 , G01N21/3563 , G01N21/359
Abstract: 本发明公开了一种模糊簇间分离聚类的茶叶品种分类方法，包括步骤如下：S1茶叶样本的傅里叶近红外光谱采集；S2用多元散射校正进行茶叶样本近红外光谱的预处理；S3用主成分分析实现近红外光谱降维处理；S4用线性判别分析实现近红外光谱数据的鉴别信息提取；S5用一种模糊簇间分离聚类进行茶叶品种分类。本发明解决了用传统模糊簇间分离聚类处理复杂数据结构时聚类效果不理想问题。本发明具有检测速度快，无损检测，能处理复杂光谱数据，茶叶品种分类准确率高等优点。
-
公开(公告)号：CN110147734B
公开(公告)日：2023-08-15
申请号：CN201910321709.4
申请日：2019-04-22
Applicant: 江苏大学
IPC: G06F18/24 , G06F18/2135 , G06F18/23213
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：CN115015165A
公开(公告)日：2022-09-06
申请号：CN202210627764.8
申请日：2022-06-06
Applicant: 江苏大学
IPC: G01N21/359 , G01N21/3577 , G06K9/62
Abstract: 本发明公开了一种模糊最优鉴别向量的酸奶品种鉴别方法，包括：①利用便携式近红外光谱仪采集数据，获取酸奶样本的近红外漫反射光谱数据；②利用最小二乘平滑滤波算法(SG)对光谱数据进行预处理；③利用主成分分析算法对酸奶近红外光谱数据降维；④利用一种模糊线性判别分析方法初步提取主成分分析降维后光谱数据的模糊散布矩阵中的鉴别信息；⑤基于新欧式距离测度的模糊聚类方法对酸奶样本进行聚类分析。本发明能提取酸奶近红外光谱的最优鉴别向量，提高了鉴别准确率，可以实现酸奶品种的快速准确分类。基于新欧式距离测度的模糊聚类方法用于聚类酸奶的近红外光谱数据，使得本发明方法能聚类含噪声近红外光谱数据，提高聚类准确率。
-
公开(公告)号：CN114528915A
公开(公告)日：2022-05-24
申请号：CN202210032798.2
申请日：2022-01-12
Applicant: 江苏大学
IPC: G06K9/62 , G06N3/00 , G01N21/359
Abstract: 本发明公开了一种粒子群模糊聚类的苹果近红外光谱分类方法，包括步骤：(1)苹果近红外光谱采集；(2)用多元散射校正进行苹果近红外光谱的预处理；(3)用主成分分析实现苹果近红外光谱降维处理；(4)采用一种基于相似度粒子群结合可能模糊C均值聚类方法进行苹果近红外光谱数据分类。本发明解决了基本粒子群算法在迭代过程中，容易过早收敛，导致结果为局部最优解而非全局最优解问题，同时解决现有的可能性模糊C均值算法进行分类的时候存在的聚类中心依赖问题。本发明具有检测速快，苹果品种分类准确率高等优点。
-
公开(公告)号：CN107194311B
公开(公告)日：2020-06-26
申请号：CN201710229094.3
申请日：2017-04-10
Applicant: 江苏大学
IPC: G06K9/00
Abstract: 本发明公开了一种融合矩阵和向量特征提取的Foley‑Sammon人脸识别方法。首先，计算人脸图像矩阵水平方向上的两维Foley‑Sammon鉴别向量矩阵，再计算人脸图像矩阵垂直方向上的两维线性鉴别向量矩阵，然后利用两个鉴别向量矩阵实现人脸图像的双向压缩。将压缩后的每个人脸图像分别按行和列拉成向量后融合成一个向量数据。提取融合后向量数据的鉴别信息。最后用最近邻分器对结果进行分类处理，实现人脸图像的准确识别。本发明在水平方向上采用Foley‑Sammon的方法和垂直方向采用两维线性鉴别方法提取鉴别信息，可以得到人脸图像互补的鉴别特征信息，尽可能得保留人脸图像的主要特征信息，使人脸图像的鉴别信息提取更加充分，从而提高人脸图像的识别率。
-
Patent Agency Ranking
公开(公告)号：CN110378375A
公开(公告)日：2019-10-25
申请号：CN201910506069.4
申请日：2019-06-12
Applicant: 江苏大学
Abstract: 本发明公开了一种模糊离散度聚类的食醋分类方法，具体包括以下步骤：首先使用电子鼻系统采集不同品种的食醋样本数据，然后采用主成分分析方法处理食醋电子鼻信号，再用模糊线性判别分析提取训练样本的鉴别信息，对测试样本集运行模糊C均值聚类，并计算一种模糊离散度聚类的参数λ；最后根据一种模糊离散度聚类的方法进行食醋电子鼻信号分类。本发明具有简单、方便、成本低、食醋品种分类准确度高等特点，适合推广使用。
-
公开(公告)号：CN109685098A
公开(公告)日：2019-04-26
申请号：CN201811338340.X
申请日：2018-11-12
Applicant: 江苏大学
IPC: G06K9/62 , G01N21/3563 , G01N21/359
CPC classification number: G06K9/6272 , G01N21/3563 , G01N21/359 , G01N2021/3595 , G06K9/6218
Abstract: 本发明公开了一种模糊簇间分离聚类的茶叶品种分类方法，包括步骤如下：S1茶叶样本的傅里叶近红外光谱采集；S2用多元散射校正进行茶叶样本近红外光谱的预处理；S3用主成分分析实现近红外光谱降维处理；S4用线性判别分析实现近红外光谱数据的鉴别信息提取；S5用一种模糊簇间分离聚类进行茶叶品种分类。本发明解决了用传统模糊簇间分离聚类处理复杂数据结构时聚类效果不理想问题。本发明具有检测速度快，无损检测，能处理复杂光谱数据，茶叶品种分类准确率高等优点。
-
公开(公告)号：CN107886056A
公开(公告)日：2018-04-06
申请号：CN201711027258.0
申请日：2017-10-27
Applicant: 江苏大学
CPC classification number: G06K9/00536 , G01N27/00
Abstract: 本发明公布了一种模糊协方差学习网络的电子鼻鉴别食醋品种方法，具体包括以下步骤：首先使用电子鼻采集不同品种的食醋数据，然后通过标准正态变量变换(SNV)对采集到的食醋数据进行预处理，再用主成分分析(PCA)进行数据压缩和线性判别分析(LDA)提取训练样本的鉴别信息，最后根据一种模糊协方差学习网络的方法对食醋品种进行鉴别。本发明具有分类准确率高，简便，无损，成本低，易于实施和推广应用。
-
公开(公告)号：CN107194311A
公开(公告)日：2017-09-22
申请号：CN201710229094.3
申请日：2017-04-10
Applicant: 江苏大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00288
Abstract: 本发明公开了一种融合矩阵和向量特征提取的Foley‑Sammon人脸识别方法。首先，计算人脸图像矩阵水平方向上的两维Foley‑Sammon鉴别向量矩阵，再计算人脸图像矩阵垂直方向上的两维线性鉴别向量矩阵，然后利用两个鉴别向量矩阵实现人脸图像的双向压缩。将压缩后的每个人脸图像分别按行和列拉成向量后融合成一个向量数据。提取融合后向量数据的鉴别信息。最后用最近邻分器对结果进行分类处理，实现人脸图像的准确识别。本发明在水平方向上采用Foley‑Sammon的方法和垂直方向采用两维线性鉴别方法提取鉴别信息，可以得到人脸图像互补的鉴别特征信息，尽可能得保留人脸图像的主要特征信息，使人脸图像的鉴别信息提取更加充分，从而提高人脸图像的识别率。
-
公开(公告)号：CN106570520A
公开(公告)日：2017-04-19
申请号：CN201610919763.5
申请日：2016-10-21
Applicant: 江苏大学
CPC classification number: G06K9/6223 , G06K9/40
Abstract: 本发明公开一种茶叶检测技术中混合GK聚类的红外光谱茶叶优劣鉴别方法，用线性判别分析法对压缩后的训练样本学习得到包含鉴别信息的训练样本和测试样本，对包含鉴别信息的测试样本运行模糊C均值聚类，得到初始模糊隶属度和初始聚类中心，先计算模糊散射矩阵和模糊隶属度值，再计算出典型值，根据典型值计算出聚类中心，分别计算包含鉴别信息的训练样本的平均值到测试样本的聚类中心的欧式距离，若聚类中心到训练茶叶的平均值的欧式距离最小则判定该聚类中心所属茶叶品种和这种训练样本的茶叶品种是相同品种，根据模糊隶属度值判定测试样本所属茶叶和类别；本发明将典型值增加进入函数中，可以大幅度降低处理噪声数据时出错的概率。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.026 seconds)
