安徽省高等学校优秀青年人才基金(2012SQRL251)
- 作品数：4 被引量：14H指数：3
- 相关作者：武斌贾红雯武小红卜锡滨马桂香更多>>
- 相关机构：滁州职业技术学院江苏大学安徽农业大学更多>>
- 发文基金：安徽省高等学校优秀青年人才基金安徽省高校省级科学研究项目中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术轻工技术与工程更多>>
- 苹果近红外光谱的聚类分析被引量：3
- 2014年
- 为了实现不同品种苹果的快速无损鉴别,采用近红外光谱检测技术采集不同品种苹果的漫反射光谱,利用主成分分析法降低苹果近红外光谱的维数,运行模糊C-均值聚类,K调和聚类,GK模糊聚类和GG模糊聚类,实现苹果品种的分类。研究结果表明,采用主成分分析结合聚类分析实现了红富士、花牛和加纳3种苹果的正确识别。该方法属于无监督学习算法,不需要对苹果样本进行学习就可实现苹果品种的鉴别,为实现苹果品种的鉴别提供了一种无监督的快速无损鉴别分析方法。
- 武斌武小红贾红雯
- 关键词：苹果近红外光谱无监督学习模糊聚类
- 苹果近红外光谱的特征提取和分类研究被引量：8
- 2013年
- 采用近红外光谱分析法对不同种类的苹果样品进行分类,提出一种基于非相关判别转换的苹果近红外光谱定性分析新方法。实验分别采用主成分分析、Fisher判别分析和非相关判别转换三种方法对苹果光谱数据进行特征提取,并使用K-近邻分类算法建立三种苹果分类识别模型,最后使用"留一"交叉验证法进行模型检验。结果表明,使用非相关判别转换方法建立的模型正确识别率优于使用主成分分析和Fisher判别分析建立的模型。
- 卜锡滨武斌贾红雯
- 关键词：近红外光谱主成分分析FISHER判别分析特征提取
- FUDT在苹果近红外光谱分类中的应用被引量：1
- 2016年
- 苹果的分类是苹果采收后商品化处理的重要环节。为了快速、无损和有效地实现苹果的分类,利用近红外光谱技术采集四种苹果的近红外反射光谱,用主成分分析对高维的近红外光谱进行降维处理,分别运行线性判别分析,二次判别分析,模糊非相关判别转换和Foley-Sammon判别分析提取鉴别信息,用k-近邻分类器进行分类。分类结果表明,模糊非相关判别转换能更好地提取苹果近红外光谱的品种鉴别信息,达到了最高的分类准确率。
- 武斌马桂香武小红
- 关键词：近红外光谱线性判别分析二次判别分析
- 一种快速的广义噪声聚类算法被引量：3
- 2013年
- 为解决广义噪声聚类(GNC)算法非常依赖参数和在运行GNC算法前必须运行FCM算法以便计算参数的缺点,在GNC的目标函数和可能聚类算法(PCA)基础上,提出一种快速的广义噪声聚类(FGNC)算法。FGNC算法通过一种非参数化方法计算GNC目标函数中的参数,因而FGNC算法不依赖参数并且聚类速度快于GNC算法。对人工含噪声数据集和两个实际数据集进行仿真实验,实验结果表明FGNC算法能很好地处理含噪声数据,具有聚类中心更接近真实聚类中心,聚类准确性高,聚类时间少的优良性能。
- 武斌武小红贾红雯
- 关键词：模糊C-均值聚类
