基于支持向量机的烟叶不同部位6种化学成分差异性分析

基于143个烟叶样品的6种化学成分(莨菪亭、芸香苷、苹果酸、柠檬酸、果糖、蔗糖)建立中部和上部烟叶的支持向量机分类判别模型,并利用该模型对独立的36个烟叶样品进行预报。结果表明,基于烟叶中6种化学成分建立的中部和上部烟叶的支持向量机分类模型的建模、留一法和预报准确率分别为89.51%、85.31%和83.33%。进一步考察了143个烟叶样品在主成分分析投影图中的空间分布及中部和上部烟叶的主要化学成分差异性,得出6种化学成分中蔗糖、莨菪亭和芸香苷是影响中部和上部烟叶差异的主要成分。研究结果表明,改变上部烟叶中的蔗糖、莨菪亭和芸香苷含量,可以扩大其在实际生产中的应用范围。

化学成分-朴素贝叶斯分类算法的烟叶产地模式识别

把总糖、还原糖、总氮、烟碱、总氯和总钾这6个成分含量作为影响烤烟烟叶产地的自变量,利用朴素贝叶斯分类算法(NBC)建立烤烟烟叶生产地的判别模型.结果表明,用朴素贝叶斯分类建立的烟叶产地识别模型建模、留一法、预报准确度分别为91.24%、89.05%和88.24%,而用支持向量机分类和K点最近邻分类建立的烟叶产地识别模型的准确率均低于朴素贝叶斯分类建立的模型.可见利用朴素贝叶斯分类算法对烟叶产地进行模式识别研究,可以很好地反映烟叶样本由于产地的不同带来的差异.因此可以将NBC算法引入到烟草行业的研究中.

基于深度学习实现维吾尔族青少年左手腕关节骨龄自动化评估

目的将深度学习运用于维吾尔族青少年左手腕关节数字化X线摄影(digital radiography,DR)图像识别中,实现骨龄评估的自动化,探索该方法在法医骨龄鉴定中的应用价值。方法在我国新疆维吾尔自治区采集13.0~19.0岁维吾尔族男性青少年245例、女性青少年227例左手腕关节DR图像,将预处理后的图像作为研究对象,将AlexNet作为图像识别的回归模型。在上述总样本中分别选取男、女性60%左手腕关节DR图像样本作为网络训练集,10%的样本作为验证集,余30%作为测试集,获取与样本真实年龄误差范围分别在±1.0岁、±0.7岁以内的图像识别准确率。结果深度学习的内测结果:误差范围在±1.0岁及±0.7岁以内的网络训练集准确率,男性分别为81.4%和75.6%,女性分别为80.5%和74.8%。误差范围在±1.0岁及±0.7岁以内的测试集准确率,男性分别为79.5%和71.2%,女性分别为79.4%和66.2%。结论青少年左手腕关节骨龄研究与深度学习相结合,具有较高的准确性及较好的可行性,为躯体其余骨关节的骨龄自动化评估体系奠定研究基础。

深度学习在图像识别及骨龄评估中的优势及应用前景

深度学习以及神经网络模型是近年来机器学习及人工智能领域新的研究方向及热点问题。深度学习在图像识别、语音识别应用中已取得了突破性进展,在人脸识别、信息检索等领域也展示出独特优势,得到了广泛应用。骨骼X线图像显示黑白灰不同阶度的变化,具有黑白对比、层次差异的图像特征,基于深度学习在图像识别中的优势,我们将其与骨龄评估研究有机结合,旨在为构建法医学骨龄自动化评估系统提供基础性数据。本文综述了深度学习的基本概念及其网络结构,阐述了近年来深度学习在国内外不同研究领域图像识别中的研究进展,以及深度学习在骨龄评估中的优势及应用前景。

膝关节MRI活体年龄推断研究进展

骨骺发育随年龄增长呈现一定的规律,通过该规律推断年龄,可服务于司法、医学、考古等多个领域。MRI作为一种无侵入性的骨骺发育阶段的评估方法,被广泛应用于活体年龄推断。近年来,机器学习发展迅速,显著提升了活体年龄推断的有效性和可靠性,是目前研究的主要发展方向之一。本文通过总结膝关节MRI推断年龄的分析方法,介绍目前研究动态并展望后期应用趋势。

基于筛选后主要化学成分对同类植物的品种分类研究（英文）

同类植物的品种会有独特的多样性,可能会导致极其不同的应用差异。为了探索同类植物不同品种之间的分类方法,我们以4组不同品种烟草为研究对象进行分类。基于烟草的化学成分数据,我们分别比较了最大相关最小冗余法、浮动后退法、遗传算法、随机森林4种变量筛选方法在支持向量机算法上的建模效果。结果表明浮动后退法具有最好的分类准确率。脯氨酸,钾含量,芸香苷,柠檬酸,pH值是4个变量筛选集合的交集,具有很大的潜力应用于烟草的分类问题。这组方法也可能适用于其他植物的应用研究。