图谱数据融合的灵武长枣瘀伤等级判别

利用近红外高光谱成像技术(NIR-HSI),将采集的光谱信息融合图像纹理信息建立分类模型,实现灵武长枣瘀伤等级的判别。采用瘀伤装置获得瘀伤等级为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ级的200个长枣样品,并按3∶1的比例划分校正集和预测集。采集不同瘀伤等级长枣的近红外高光谱图像,使用ENVI软件提取感兴趣区域(region of interest,ROI)并计算平均光谱值。为消除无用信息的干扰,采用正交信号修正(OSC)、基线校准(Baseline)、多元散射校正(MSC)、移动平均(MA)、卷积平滑(S-G)和去趋势(De-trending)对原始光谱进行预处理并建立偏最小二乘判别分析(PLS-DA)模型;基于最优预处理方法所得的全波段数据采用变量组合集群分析法(VCPA)、无信息消除变量算法(UVE)、竞争性自适应加权抽样算法(CARS)、区间变量迭代空间收缩法(iVISSA)和连续投影算法(SPA)提取特征波长后建立PLS-DA模型;将高光谱图像进行掩膜,利用主成分分析(PCA)获取贡献率最高的主成分图像,并在该图像上采用灰度共生矩阵(GLCM)提取纹理参数,包括能量(ASM)、熵(ENT)、对比度(CON)和相关性(COR),建立图谱融合的PLS-DA模型。结果表明,原始光谱数据建立的PLS-DA模型,校正集和验证集准确率分别为89%和86%;原始光谱经De-trending预处理后的PLS-DA模型效果最优,校正集和预测集准确率均为90%,较原始光谱模型分别提高了1%和4%;基于SPA选择特征波长后建立的PLS-DA模型的校正集和预测集准确率均为90%;De-trending-SPA-COR-PLS-DA图谱融合模型效果最优,模型校正集和预测集准确率均为92%。因此,利用近红外高光谱成像技术融合纹理信息可实现不同瘀伤等级灵武长枣的快速无损判别。

基于微地形的输电线路覆冰等级判别方法

微地形影响输电线路的覆冰程度,根据典型微地形因子对导线覆冰的影响程度及排序情况,提出一种基于微地形的输电线路覆冰等级判别新方法;建立基于微地形的输电线路覆冰等级判别模型及覆冰对比度模型,定量揭示微地形因子与线路覆冰的关系.现场数据统计分析和实例验证结果表明:该方法不仅能定量判别输电线路的覆冰等级,而且能区分同等级覆冰的电力线路覆冰程度,为输电线路的抗冰和防冰提供了理论依据.

基于超高效液相色谱-高分辨质谱的白酒基酒等级判别

白酒基酒等级的准确鉴别是白酒分级储藏和勾兑的重要依据,对白酒质量控制至关重要。以浓香型白酒基酒为研究对象,采用超高效液相色谱-高分辨质谱联用(UPLC-Q-Exacive-MS)技术对不同等级浓香型白酒基酒进行分析,经过主成分分析(PCA)降维处理,结合线性判别分析(LDA)、支持向量机(SVM)和反向传播神经网络(BP-ANN)等多种化学计量学方法建立白酒基酒等级判别模型。结果显示,BP-ANN鉴别效果最好,在主成分为8时,训练集和测试集的识别率均达100%,不同等级的白酒样本全部正确识别;其次是SVM(训练集和测试集的识别率分别为96.25%、95.00%)和LDA(训练集和测试集的识别率分别为91.25%、90.00%)。实验证明,UPLC-Q-Exacive-MS结合化学计量学分析方法能实现不同等级浓香型白酒基酒的准确判别。

基于高光谱技术的铁观音茶叶等级判别

应用高光谱技术结合支持向量机分类理论对不同等级的铁观音茶叶进行判别分析。采集铁观音各等级茶样的高光谱数据,提取红边幅值、蓝边位置、黄边面积、红谷反射率、归一化植被指数等共20个光谱特征参数,以其作为输入量带入以径向基函数作为核函数的支持向量机分类模型,探讨惩罚参数C和核参数g的最佳取值,构建判别模型,并对其进行验证和评价。结果显示,当惩罚参数C和核参数g分别为106和0.007 5时,所建模型对未知等级的铁观音样品正确判别率可达92.86%,表明应用高光谱技术进行铁观音茶叶等级的快速无损准确鉴别是可行的。

可见近红外高光谱成像对灵武长枣定量损伤等级判别

利用可见近红外(Vis-NIR)高光谱成像技术对完好和损伤等级灵武长枣进行快速识别检测。采用定量损伤装置得到损伤Ⅰ,Ⅱ,Ⅲ,Ⅳ和Ⅴ级的灵武长枣,借助高光谱成像系统采集完好长枣和损伤长枣样本高光谱图像。提取感兴趣区域(region of interest,ROI)并计算样本平均光谱值。利用光谱-理化值共生距离算法(SPXY)将420个长枣样本按3∶1的比例划分校正集315个和预测集105个。灵武长枣原始光谱建立偏最小二乘判别分析(PLS-DA)分类模型,得到校正集和预测集准确率分别为72.70%和86.67%;灵武长枣原始光谱数据采用移动平均(MA)、卷积平滑(SG)、多元散射校正(MSC)、正交信号修正(OSC)、基线校准(baseline)和去趋势(de-trending)等方法进行光谱预处理并建立PLS-DA分类判别模型。通过分析比较,得到MSC-PLS-DA为最优分类判别模型,校正集准确率为76.19%,预测集准确率为86.67%,其中校正集比原始光谱建模准确率提高了3.49%,预测集准确率较原始光谱建模结果未提高;为了提高建模效果,对灵武长枣原始光谱和预处理后的光谱分别采用连续投影算法(SPA)、无信息变量消除(UVE)、竞争性自适应加权抽样(CARS)和区间变量迭代空间收缩法(iVISSA)等算法提取特征波长,建立PLS-DA分类判别模型,结果表明,MSC-CARS-PLS-DA为最优模型组合,校正集准确率为77.14%,预测集准确率为89.52%,建模准确率较原始光谱建模准确率分别提高了4.44%和2.85%。结果表明,Vis-NIR高光谱成像技术结合MSC-CARS-PLS-DA模型可实现灵武长枣损伤等级的快速识别。

基于人工神经网络的苹果等级判别方法研究

应用计算机视觉以及图像处理技术,提出一种基于改进的LVQ人工神经网络算法,从苹果的色泽、横径及果形指数3方面对苹果进行等级划分。结果表明,与传统的LVQ人工神经网络相比,改进的LVQ人工神经网络提高了苹果的分选精度,具有更好的判别效果。

熵权可拓模型在膨胀土胀缩等级判别中的应用

对膨胀土胀缩等级的分类是治理膨胀土的首要工作。基于可拓工程方法,选取自由膨胀率、膨胀总率、液限、塑性指数、<0.005 mm黏粒含量5项指标作为判别因子,为避免主观因素对确定评价指标权重的影响,提出熵值法计算物元模型中各评价指标的权系数的方法,建立了膨胀土胀缩等级判别的熵权可拓模型并应用于从襄荆高速公路沿线取回的部分土样的胀缩等级判别。实例应用表明:熵权可拓模型对膨胀土胀缩等级的判别结果合理,客观地反映了膨胀土判别的复杂状况,具有较高的可靠性和易操作的优点。

水源地水污染风险等级判别方法及应用

以广西柳州市柳南水厂水源地为研究对象,建立了水源地风险等级判别模型,模型主要考虑企业风险等级,以及风险影响后水源地水质超标倍数、水质超标持续时间、污染团到达时间等因子,模型参数根据调查及分析得到。通过风险判别模型,计算得到柳南水厂取水口的风险等级,为该区域进行环境风险管理提供了技术支撑。

青山水库大坝地基地震液化等级判别

在工程建设基础处理的过程中,会遇到判断地震液化判别及处理的案例,国家规范中有很多种对于地震液化的定性及等级判别的方法,每种判别方法又有不同的针对性.对于水利水电工程,应用较为广泛的是标准贯入击数为依据的判别方法.本文参照《建筑抗震设计规范》等规范,对青山水库河床覆盖层中的第四纪全新统的粉细砂、壤土及砂砾石进行液化等级判别.结果表明,坝基覆盖层存在不同程度的液化现象,需要对这部分土层进行必要的工程处理.

基于HS-SPME-Arrow-GC-MS和化学计量学的小曲清香型原酒等级判别

以小曲清香型原酒为例,建立了一种基于仪器分析结合化学计量学准确判定原酒质量等级的方法。采用HS-SPME-Arrow结合GC-MS对样品的挥发性成分进行了全面定性与定量研究,在小曲清香型原酒中鉴定出66种挥发性组分,不同等级的小曲清香型原酒间挥发性物质的含量存在可用于质量区分的差异。然后利用偏最小二乘判别分析对原酒的质量等级进行了识别和分类,可以将3个等级的酒样进行有效区分和聚类;根据变量投影重要度筛选出25种物质构建偏最小二乘等级判别模型,训练集和验证集均能正确判别,预测结果准确率达到100%。综上所述,利用挥发性组分之间的差异结合适当的化学计量学手段可以准确地对白酒原酒样品的等级进行区分和鉴别,为白酒原酒品质等级评价标准化科学化提供理论依据。

Fuzzy综合评判在标枪运动员等级判别中的应用

本文在把Fuzzy综合评判应用于优秀运动员等级判别的过程中,首先将各评判因子分级,统计出评判对象与评判因子等级间的隶属频率;然后建立其Fuzzy关系矩阵,并计算出各因子的权重;最后根据综合评判模型对待判的样品(运动员)进行等级评判。评判结果符合实际情况,效果与逐步判别分析相近;又经回判验证准确率达98.11％。

基于神经网络的黄瓜等级判别

在瓜果的等级判别中尚存在机器人挑选与人挑选结果不一致的问题。作者基于图像处理技术和神经网络理论开发了一种适用于长型瓜果的判别系统,该系统通过对各对象标准样本的学习即可实现对学习过的长型瓜果的等级判别,达到一机多用的目的。试验结果表明,开发的系统对黄瓜等级判别的准确率在96% 以上,而且操作方便。

酿酒葡萄的等级判别方法研究

针对酿酒葡萄分类问题,在没有明确分类情况下,提出模糊C均值聚类和自主神经网络算法,在已知葡萄酒质量评分结果的前提下,首先对酿酒葡萄的理化指标和葡萄酒质量的数据进行极差归一化处理;运用模糊C均值聚算法得到分类隶属度矩阵和分类中心,并用自主神经网络无监督的学习方式成功地将酿酒葡萄分为三个等级,可以作为葡萄酒生产的参考。

基于可见–近红外光谱技术的红茶等级判别研究

以遵义红茶为研究对象,基于可见–近红外光谱技术的红茶等级判别,并检验模型对红茶的判别效果。首先,将获取的原始光谱数据分别在经过卷积平滑、多元散射校正、去趋势法等8种方法预处理后,比较了八种光谱预处理方法,得到偏最小二乘判别模型为最优光谱预处理方法。然后采用连续投影算法,结合竞争自适应重加权算法和移动窗口法的连续投影算法筛选整个光谱区域的光谱特征波长变量,建立偏最小二乘辨识模型。经过比较模型质量的评价指标,结果显示,以卷积平滑预处理后的光谱数据的偏最小二乘法结合竞争性自适应重加权算法挑选特征波长建立的鉴别模型最优。该方法能较为准确、快速地鉴别出红茶的等级。

基于多属性决策的辐射源威胁等级判别方法

对辐射源威胁等级进行判别,是电子对抗侦察的一项重要内容。提出了一种基于多属性决策方法的辐射源威胁等级判别方法,建立了判别模型,并通过实例验证了该方法的有效性。该方法为辐射源等级判别提供了一种新的途径。

因素风险VS项目风险及风险等级判别标准研究

作者在本刊2015年第1期发表的《关于社会稳定风险评估几个重要问题探讨》中曾就投资项目社会风险调查、单因素风险评估、项目风险综合、风险等级和判别标准、预防和化解措施效果等问题做过探讨研究.为进一步建立和巩固投资项目社会稳定风险评估的基本概念,完善评估方法,有必要进行深入研究.本文主要研究三个问题：投资项目风险因素及风险特点,项目风险与项目风险因素的关系,风险等级判别标准.

基于香气指纹图谱和多元化学计量法对黄金茶2号等级的判别分析

以黄金茶2号为研究对象,采用顶空固相微萃取-气相色谱-质谱联用技术建立不同等级黄金茶香气成分气相色谱-质谱指纹图谱,并通过化学计量法对两个等级的黄金茶进行判别分析。研究表明,2个等级的黄金茶中鉴定出81种香气组分,其中41种为共有香气组分。基于共有香气组分的正交偏最小二乘判别分析可以区分2个等级黄金茶,并筛选出9种差异香气组分,分别是庚醛、柠檬烯、反式-β-罗勒烯、1-辛醇、反式-4,8-二甲基-1,3,7-壬三烯、反-橙花叔醇、1,10-diepicubenol、epicubenol、十六酸甲酯。以9种差异香气组分为变量建立的线性判别方程对2个等级的黄金茶进行等级判别,自身验证和交叉验证正确率为100%。本实验结果可为黄金茶的分级提供客观量化的参考依据。

赤潮应急监测等级判别指标体系的构建——以大连市所辖海域为例

我国目前的赤潮应急工作中,没有充分重视应急监测分级的重要性,赤潮不论发生规模大小、损害程度轻重,均采取单一的监测方式和监测内容,监测方案也基本是临时制定,存在诸多弊端和问题。为此,本文以大连市所辖海域为例,以国家、省、市各级赤潮应急预案中赤潮灾害分级为主要依据,综合分析赤潮灾变等级和灾度等级的分级规律,并结合大连市所辖海域属地化特征和赤潮发生历史情况,筛选出合适的判别指标,确定指标分级标准值,从而构建相应的赤潮灾害应急监测等级判别指标体系,对大连市所辖海域发生赤潮后所开展的应急监测工作进行等级判别,旨在能够针对不同危害程度的赤潮采取更为具体、适用的应急监测工作,避免灾害调查数据资料的不足和不必要的人力物力浪费。

岩体可爆性等级判别的随机森林模型及R实现

在引入随机森林分类方法的基础上,选取岩石的容重、抗拉强度、动载强度及岩体完整性系数等指标,建立岩体可爆性等级判别的随机森林模型;在R语言环境下,编写模型数据处理、计算与结果输出的R语言代码,实现可爆性等级判别随机森林模型的计算,得出岩体可爆性等级判定的混淆矩阵,分析各指标对岩体可爆性分级的重要性。研究结果表明:岩体可爆性分级为三、四、六级的判别准确率可达100%;岩石容重对岩体可爆性等级判别的影响最大。这一结果证明了岩体可爆性等级判别的随机森林模型是可靠的,且具有较高的准确率。

多标准等级判别模型在信用评级中的应用研究

在对目前我国信用评级方法应用现状分析的基础上,提出改进的多标准等级判别模型.并将该模型应用于商业银行信用风险评估中.通过对银行五级分类贷款样本的实证研究,证实了该判别模型的有效性和先进性.