-
题名紫外光谱结合欧氏距离和主成分分析法快速鉴别牛肝菌
被引量:7
- 1
-
-
作者
杨天伟
李涛
张霁
李杰庆
刘鸿高
王元忠
-
机构
云南农业大学农学与生物技术学院
玉溪师范学院资源环境学院
云南省农业科学院药用植物研究所
-
出处
《食品科学》
EI
CAS
CSCD
北大核心
2014年第16期105-109,共5页
-
基金
国家自然科学基金地区科学基金项目(31260496
31160409)
+1 种基金
云南省自然科学基金项目(2011FB053
2011FZ195)
-
文摘
采用紫外光谱技术建立快速鉴别不同产地、种类食用牛肝菌的方法。通过确定最佳提取试剂(0.5 mol/L NaOH溶液),最适称样量(0.1000 g)和最佳提取时间(40 min),制备牛肝菌样品测试液;采用夹角余弦、欧氏距离和主成分分析法对牛肝菌样品的指纹图谱进行相似度比较。结果表明,牛肝菌样品NaOH提取液在10 h内稳定性相对标准偏差(relative standard deviation,RSD)在0.06%~2.33%之间,重复性RSD在0.09%~1.81%之间,精密度RSD在0.11%~1.92%之间。样品间的夹角余弦值最大为0.999、最小为0.823,夹角余弦值相差较小,不适于鉴别牛肝菌。欧氏距离最大值为873.17,最小值为31.36,样品间距离差异明显;主成分分析的前3个主成分累积贡献率达到93.626%,能够反映样品的主要信息,说明欧氏距离和主成分分析法可用于不同产地、种类牛肝菌的快速鉴别和质量控制。
-
关键词
紫外光谱
牛肝菌
夹角余弦
欧氏距离
主成分分析
鉴别
-
Keywords
ultraviolet spectroscopy
bolete
included angle cosine
euclidean distance
principal component analysis
identification
-
分类号
O657.3
[理学—分析化学]
TS207.4
[轻工技术与工程—食品科学]
-
-
题名基于余弦角距离的主成分分析与核主成分分析
被引量:12
- 2
-
-
作者
殷俊
周静波
金忠
-
机构
南京理工大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第3期9-12,共4页
-
基金
国家自然科学基金No.60632050
No.60873151
No.60973098~~
-
文摘
PCA和KPCA都是基于欧氏距离提出的,这种距离对离群数据点比较敏感,而余弦角距离对离群数据更为鲁棒,在很多情况下具有更好的性能。充分利用余弦角距离的优势,提出两种新的特征抽取算法——基于余弦角距离的主成分分析(PCAC)和基于余弦角距离的核主成分分析(KPCAC)。在YALE人脸数据库与PolyU掌纹数据库上的实验表明,PCAC比PCA取得了更好的效果,KPCAC也表现出了很好的性能。
-
关键词
主成分分析
核主成分分析
欧氏距离
余弦角距离
-
Keywords
principal component analysis(pca) kernel principal component analysis(kpca) euclidean distance cosine angle distance
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于鲁棒的余弦-欧氏距离度量降维的图像检索方法
被引量:3
- 3
-
-
作者
黄晓冬
孙亮
-
机构
信息工程大学信息系统工程学院
-
出处
《计算机应用》
CSCD
北大核心
2016年第8期2292-2295,2315,共5页
-
基金
国家自然科学基金资助项目(61372172)~~
-
文摘
为解决主成分分析(PCA)无法处理非线性数据集以及鲁棒性差的问题,提出一种鲁棒的余弦-欧氏距离度量的降维方法(RCEM)。该方法利用余弦度量(CM)能够处理离群点的特点来提取数据的局部几何特征,并利用欧氏距离能够很好地保持样本的方差信息的特点来刻画数据集的全局分布,在保留数据局部信息的同时实现了局部和全局的统一,提高了局部降维算法的鲁棒性,同时避免了局部小样本问题。实验结果显示,与角度优化全局嵌入(AOGE)方法相比,在Corel-1000数据集下检索查准率提高了5.61%,相比不降维时检索时间减少了42%。结果表明,RCEM算法能在不降低图像检索精度的同时提高图像检索的效率,可以有效应用于基于内容的图像检索(CBIR)。
-
关键词
主成分分析
余弦度量
欧氏距离
局部信息
基于内容的图像检索
-
Keywords
principal component analysis (pca)
cosine Metric (CM)
euclidean distance
local information
Content-Based Image Retrieval (CBIR)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-