基于降维分析的活性污泥絮体结构特征指标

为建立活性污泥絮体结构分析的特征指标,将现有描述絮体结构的19个微观参数分为4类:絮体大小(SZ)、密实度(CP)、规则度(RG)和丝状菌(FL)特征,分别含4、5、8、2个.分别采用主成分分析法(PCA,线性降维)和等距映射法(Isomap,非线性降维)对这些絮体结构特征微观参数进行降维分析,通过对两种降维法的降维幅度和降维有效性的比较,确定絮体结构特征指标.结果表明:PCA降维后絮体SZ、FL各由1个综合指标表征,而CP、RG各由3个综合指标表征,SZ、CP、RG和FL的降维幅度分别为0.750、0.400、0.625和0.500;Isomap降维后絮体SZ、CP、RG和FL均由1个综合指标表征,降维幅度分别为0.750、0.800、0.875和0.500.从降维幅度和降维有效性分析可知,Isomap降维后的综合指标更能准确、简洁地描述絮体结构特征,更适合作为活性污泥絮体结构的特征指标.

基于Isomap的CWME专家群体意见分析系统

针对从定性到定量综合集成研讨厅体系,对复杂问题分析过程中的专家群体的分散化思维,提出并实现了一种基于自动调查问卷的群体意见相似性定性分析方法。此方法基于群体行为的相似性特征对调查问卷的相似性度进行量化统计,并采用Isomap算法将问卷量化之后产生的多维数据集进行降维及可视化表示。

东北地区稻田土壤氮含量无人机高光谱反演建模研究

土壤氮元素是土壤肥力的一个重要指标,掌握土壤氮元素含量的变化是观测农作物的发育状况及时空变化规律等的基础。利用高光谱对土壤氮元素进行反演,可为精准农业地表土壤元素快速测定提供参考。为实现对土壤中氮元素含量的快速测定,以沈阳农业大学海城试验田为例,对土壤原始反射率进行了一阶导数变换,运用等距特征映射算法(isometric feature mapping,lsomap)、竞争性自适应重加权采样法(competitive adapative reweighted sampling, CARS)对一阶导数光谱数据进行降维并提取出相关特征。运用BP神经网络(back propagation neural network,BPNN)、GA优化(GA-BPNN)以及经过NSGA-Ⅲ优化后的BP神经网络(NSGA-Ⅲ-BPNN)3种分析方法建立土壤全氮的高光谱反演模型,并利用决定系数(R^(2))和均方根误差(root mean square error,RMSE)对反演模型进行评价。结果表明:经过ISOMAP进行的降维相对于CARS能有效的对特征进行提取。优化后的神经网络模型建立的土壤养分含量预测模型优于未优化的神经网络,能极好地预测土壤中的氮元素含量。基于Isomap降维后的NSGA-Ⅲ-BPNN的模型的反演模型预测效果最好,最终预测土壤全氮含量训练集为R^(2)=0.842、RMSE=0.077,测试集R^(2)=0.826、RMSE=0.089。反演精度高于GA-BPNN和BPNN的模型反演精度,与其他模型组合相比,该组合可以为土壤氮元素含量的反演研究提出一种新的方法。

基于近红外光谱分析技术的转Bt基因水稻种子及其亲本快速鉴别方法

提出一种利用近红外光谱技术快速鉴别转Bt基因水稻种子及其亲本的新方法,采用近红外光谱仪获取转Bt基因的水稻种子克螟稻1号、克螟稻2号及其亲本秀水11的反射光谱特征曲线,采用ISOMAP流形降维法对采集到的光谱数据进行非线性降维,提取45个特征波长,用于建模输入,利用最小二乘支持向量机方法建立光谱反射率值与类别值之间的预测模型。3种水稻种子样本数均为350个,共计1050个样本,将其分成900个训练集样本和150个预测集样本,预测准确率达94.67%。说明本研究提出的方法对于转Bt基因水稻种子及其亲本具有很好的分类和鉴别能力,且检测过程比传统理化检测手段简单,操作性强。该研究为今后转基因水稻种子及其亲本的快速无损检测提供了新的方法。

基于交叉熵与困惑度的LDA-SVM主题研究

目前对于中文影视剧本的分类主要借助人工经验,具有成本高、效率低等特点.当前没有针对中文影视剧本主题自动分类的相关研究,本文将对主题提取进行研究,传统主题生成模型借助于文档和段落、段落和语句、语句和词的相似性,而忽略了文本语句与语句之间的相似性.首先,采用ISOMAP方法降低样本集的向量空间维度;其次,提出交叉熵结合困惑度的算法模型,进而确定LDA需要提取的最优主题数目;最后,通过剧本-主题的方式,利用LDA算法挖掘剧本的隐含主题词,同时利用SVM对主题词做出进一步的分类.