期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
可见/近红外光谱分析技术快速鉴别航天育种番茄
被引量:
2
1
作者
施佳慧
陈自力
+3 位作者
邵咏妮
何勇
冯盘
朱加进
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2011年第2期387-389,共3页
提出了利用可见/近红外光谱技术快速无损鉴别航天育种番茄品种的方法,采用偏最小二乘法对光谱特征信息进行提取,与神经网络结合建立番茄品种的鉴别模型。该模型将提取后的主成分作为神经网络的输入,加速了神经网络的训练速度。同时采用...
提出了利用可见/近红外光谱技术快速无损鉴别航天育种番茄品种的方法,采用偏最小二乘法对光谱特征信息进行提取,与神经网络结合建立番茄品种的鉴别模型。该模型将提取后的主成分作为神经网络的输入,加速了神经网络的训练速度。同时采用小波变换对大量光谱数据进行压缩,并结合神经网络建立番茄品种鉴别模型,该模型将压缩后的数据作为神经网络的输入。通过对太空育种突变株M1,M2及其亲本番茄品种的共105个番茄果实样本建立训练模型,并用每个品种15个样本,共45个番茄果实的样本进行预测。两个模型的鉴别正确率分别达到95.6%和97.8%。说明本方法具有较高的鉴别准确度,为航天育种番茄品种的快速无损鉴别提供了新的方法。
展开更多
关键词
近红外光谱
航天育种番茄
偏最小二乘法
人工神经网络
下载PDF
职称材料
基于光谱技术的航天育种番茄品种鉴别方法的研究
2
作者
施佳慧
邵咏妮
+3 位作者
何勇
李铎
冯盘
朱加进
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2009年第11期2943-2946,共4页
为了实现航天育种番茄不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立了番茄品种鉴别模型。该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训...
为了实现航天育种番茄不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立了番茄品种鉴别模型。该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度。通过对太空育种突变株M1和M2及其亲本番茄品种的共105个番茄叶片样本建立训练模型,并用每个品种15个样本,共45个番茄叶片的样本进行预测。结果表明,用该方法对航天育种番茄不同品种的鉴别正确率达到97.8%。说明文章提出的方法具有很好的分类和鉴别作用,为航天育种番茄不同品种的快速鉴别提供了一种新方法。
展开更多
关键词
近红外光谱
航天育种番茄
主成分分析
聚类
小波变换
人工神经网络
品种鉴别
下载PDF
职称材料
题名
可见/近红外光谱分析技术快速鉴别航天育种番茄
被引量:
2
1
作者
施佳慧
陈自力
邵咏妮
何勇
冯盘
朱加进
机构
浙江大学生物系统工程与食品科学学院
浙江体育科学研究所
浙江省标准化研究院
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2011年第2期387-389,共3页
基金
国家科技支撑项目(2006BAD27B02-03)
国家高技术研究发展计划(863计划)项目(2007AA10Z436)
+1 种基金
国家重大科技专项项目(2009ZX08012-010B)
浙江省重大科技招标项目(2007C02002-2)资助
文摘
提出了利用可见/近红外光谱技术快速无损鉴别航天育种番茄品种的方法,采用偏最小二乘法对光谱特征信息进行提取,与神经网络结合建立番茄品种的鉴别模型。该模型将提取后的主成分作为神经网络的输入,加速了神经网络的训练速度。同时采用小波变换对大量光谱数据进行压缩,并结合神经网络建立番茄品种鉴别模型,该模型将压缩后的数据作为神经网络的输入。通过对太空育种突变株M1,M2及其亲本番茄品种的共105个番茄果实样本建立训练模型,并用每个品种15个样本,共45个番茄果实的样本进行预测。两个模型的鉴别正确率分别达到95.6%和97.8%。说明本方法具有较高的鉴别准确度,为航天育种番茄品种的快速无损鉴别提供了新的方法。
关键词
近红外光谱
航天育种番茄
偏最小二乘法
人工神经网络
Keywords
Near infrared spectra
Tomato via space mutation breeding
Partial least square
Radial basis function neural network
分类号
S123 [农业科学—农业基础科学]
S641.2 [农业科学—蔬菜学]
下载PDF
职称材料
题名
基于光谱技术的航天育种番茄品种鉴别方法的研究
2
作者
施佳慧
邵咏妮
何勇
李铎
冯盘
朱加进
机构
浙江大学生物工程与食品科学学院
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2009年第11期2943-2946,共4页
基金
国家科技支撑项目(2006BAD27B02-03)
浙江省重大科技招标项目(2007C02002-2)资助
文摘
为了实现航天育种番茄不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立了番茄品种鉴别模型。该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度。通过对太空育种突变株M1和M2及其亲本番茄品种的共105个番茄叶片样本建立训练模型,并用每个品种15个样本,共45个番茄叶片的样本进行预测。结果表明,用该方法对航天育种番茄不同品种的鉴别正确率达到97.8%。说明文章提出的方法具有很好的分类和鉴别作用,为航天育种番茄不同品种的快速鉴别提供了一种新方法。
关键词
近红外光谱
航天育种番茄
主成分分析
聚类
小波变换
人工神经网络
品种鉴别
Keywords
Near infrared spectra
Tomato via space mutation breeding
Principal component analysis
Clustering
Wavelet transform
Radial basis function neural network
Variety discrimination
分类号
S123 [农业科学—农业基础科学]
S641.2 [农业科学—蔬菜学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
可见/近红外光谱分析技术快速鉴别航天育种番茄
施佳慧
陈自力
邵咏妮
何勇
冯盘
朱加进
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2011
2
下载PDF
职称材料
2
基于光谱技术的航天育种番茄品种鉴别方法的研究
施佳慧
邵咏妮
何勇
李铎
冯盘
朱加进
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2009
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部