

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、煙葉收購(gòu)階段,正確客觀的劃分煙葉等級(jí)既可提高煙農(nóng)的種植積極性,又可保障卷煙企業(yè)的經(jīng)濟(jì)利益?,F(xiàn)階段的人工分級(jí)存在主觀性強(qiáng)、人力和物力耗費(fèi)大等缺點(diǎn),針對(duì)同一片煙葉,不同的專家有可能將它劃分到不同的等級(jí)。因此,客觀、快速、高準(zhǔn)確率的智能分級(jí)是迫切需要的。
目前,煙葉智能分級(jí)的研究集中在基于煙葉圖像和紅外光譜進(jìn)行分級(jí)兩個(gè)方面。由于煙葉的光譜特征可以更好地反映含油量、色度、身份及成熟度等與煙葉等級(jí)密切相關(guān)的因素,所以本文基于光譜對(duì)煙葉分
2、級(jí)進(jìn)行了研究。煙葉智能分級(jí)系統(tǒng)的識(shí)別率和整體速度與所選擇的分級(jí)模型和樣本特征光譜的采集量存在很大的關(guān)系,為實(shí)現(xiàn)一個(gè)具有高識(shí)別率的實(shí)時(shí)煙葉智能分級(jí)系統(tǒng)本文主要進(jìn)行了以下工作:
1.煙葉光譜的采集、預(yù)處理和孤立樣本的檢測(cè)。利用型號(hào)為UV-3600的光譜儀采集642(13個(gè)等級(jí))片煙葉的反射光譜;為降低基線漂移所帶來的噪聲和特征值間的差異對(duì)分級(jí)的影響,對(duì)光譜進(jìn)行了歸一化處理;由于可能存在錯(cuò)分類別的樣本(孤立樣本),所以需要對(duì)構(gòu)建分級(jí)
3、模型的樣本訓(xùn)練集進(jìn)行選擇。本文分別利用夾角余弦距離、歐氏距離和相關(guān)系數(shù)法并通過統(tǒng)計(jì)分析選擇合適的閾值檢測(cè)各個(gè)等級(jí)中的孤立樣本和確定用于建立分級(jí)模型的樣本訓(xùn)練集。
2.分級(jí)模型的構(gòu)建以及K近鄰算法的改進(jìn)。分別構(gòu)建支持向量機(jī)(SVM)、極限學(xué)習(xí)機(jī)(ELM)、K近鄰(KNN)和加權(quán)K近鄰等煙葉分級(jí)模型,將分級(jí)模型的識(shí)別率作為適應(yīng)度函數(shù),全光譜下ELM和SVM的測(cè)試集最優(yōu)正確率分別為85.75%和91.02%。加權(quán)K近鄰方法為:一種方
4、法是每個(gè)等級(jí)中訓(xùn)練集的權(quán)重相同,為該等級(jí)樣本個(gè)數(shù)的倒數(shù)。另一種方法是先找出 K個(gè)近鄰,加上與距離呈負(fù)相關(guān)的權(quán)重,通過計(jì)算每個(gè)等級(jí)的權(quán)重之和為煙葉進(jìn)行定級(jí),兩種方法相結(jié)合的識(shí)別率可達(dá)90.77%。加權(quán)K近鄰的分類效果優(yōu)于傳統(tǒng)K近鄰,計(jì)算復(fù)雜度低于SVM和ELM,本文選用加權(quán)K近鄰作為煙葉等級(jí)判斷的分類器。
3.基于聚類思想的特征初步篩選。同時(shí)考慮相同特征的類內(nèi)離散度和類間離散度,構(gòu)造判別特征好與壞的鑒別函數(shù)D,依據(jù)D值刪除拐點(diǎn)右
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于最近鄰的煙葉智能分級(jí)研究.pdf
- 基于近鄰的聚類算法研究.pdf
- 基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究.pdf
- 基于K-means聚類點(diǎn)密度加權(quán)質(zhì)心定位算法研究.pdf
- 基于K-最近鄰聚類的功能等價(jià)的重復(fù)代碼的檢測(cè)方法研究.pdf
- 基于項(xiàng)目分類和K-means聚類的加權(quán)Slope One算法研究.pdf
- 基于擴(kuò)散映射的加權(quán)動(dòng)態(tài)K近鄰過程故障診斷.pdf
- 基于近鄰傳播聚類的點(diǎn)云簡(jiǎn)化研究.pdf
- 熵加權(quán)多視角核k-means聚類算法的研究.pdf
- k-means類型變量加權(quán)聚類算法的研究與實(shí)現(xiàn).pdf
- 基于共享近鄰聚類的協(xié)同過濾算法研究.pdf
- 基于自然最近鄰的無參聚類算法研究.pdf
- 基于近鄰傳播聚類的極化SAR圖像分類.pdf
- 基于廣義熵的加權(quán)模糊聚類算法研究.pdf
- 基于特征加權(quán)的半監(jiān)督文本聚類研究.pdf
- 基于聚類算法的煙葉顏色空間分布建模研究.pdf
- 基于近鄰傳播聚類的輪廓圖像識(shí)別研究.pdf
- 基于網(wǎng)格和最近鄰居的聚類算法的研究.pdf
- 基于共享最近鄰的聚類算法的研究與應(yīng)用.pdf
- 基于K近鄰的分類算法研究.pdf
評(píng)論
0/150
提交評(píng)論