绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
导航
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 12988 条结果
[硕士论文] 谈文艺
模式识别智能系统 黑龙江大学 2018(学位年度)
摘要:苹果作为我国第一大水果,在我国果品生产、消费以及对外贸易中发挥着重要作用,然而苹果在商品化的过程中将不可避免受到外力因素的影响而产生不同程度的损伤。有些苹果损伤在形成初期不太明显,但其受损组织的内部可能已经发生了变质,因此对苹果的外部损伤尤其是早期轻微损伤的检测显得尤为重要。此外,对苹果损伤程度定量和客观的描述不仅是生产者和买家评估苹果品质的重要依据,而且对于改善苹果采后商品化处理的研究也具有重要意义。
  本文采用高光谱成像技术对苹果的外部损伤进行了早期识别分级,具体研究内容和成果如下:
  (1)对401-1037nm波段范围的苹果高光谱图像执行分段主成分分析(PCA)操作,选出近红外光谱区(780-1037nm)为识别损伤的最佳光谱区,并基于此最佳光谱区域以及主成分图像的权重系数在本区域选取了7个特征波长;再次对这些选出的特征波长执行PCA操作,并结合图像处理操作设计了一种针对不同程度的苹果损伤的精确识别算法,统计得到该算法对200个样本的平均识别率为98.5%。
  (2)利用掩模得到157个苹果损伤区域的平均光谱,运用Kennard-Stone算法划分样本集合以提高样本的代表性,使用四种不同预处理方法及它们的组合方法处理原始光谱数据,选出了标准正态变量变换作为最终的预处理方法。利用竞争性自适应重加权法(CARS)、连续投影法以及CARS和相关系数法(CCM)的组合算法来选取光谱数据的特征波长,并分别建立基于网格参数寻优的支持向量机(GS-SVM)模型来进行苹果损伤程度的分类鉴别,最终确定了最优损伤程度分类模型为CARS-CCM-GS-SVM模型,预测集的分类准确率达97.5%。
  研究结果表明,本研究所设计方法可以准确有效地对苹果的早期损伤进行有效识别,并在此基础上实现对损伤程度准确分级,给实现苹果损伤检测的自动化提供一个可行性方案,对提高苹果产业果品分级技术水平出口率具有积极的意义。
[硕士论文] 邹博睿
模式识别智能系统 黑龙江大学 2018(学位年度)
摘要:面粉是日常饮食结构的主要原料之一,其品质一直是公众关注的焦点。在面粉所有的评价指标中,外观和口感对于面粉的品质认证和市场价格起着关键的作用。因此,一些面粉生产厂商和零售商向面粉中添加大量的滑石粉来提升面粉的外观品,从而获取更大的利润。然而,很多研究已经证实滑石粉会对人体健康造成危害,因此,研究面粉中滑石粉的检测方法对保护消费者健康有着巨大的实际意义。近红外光谱分析技术以其快速、高效、无损的技术特点和优势在众多领域都得到了广泛地应用,本文将利用近红外光谱技术对面粉中滑石粉进行定量检测。
  本研究制备了41个不同含量滑石粉的面粉样本,并利用NIRS分析仪采集了全体样本在400~2500nm光谱范围内的漫反射光谱用于光谱特性分析。由于在利用近红外光谱模型建立的过程中,训练样本的选择十分重要,本研究使用马氏距离法剔除了两个异常样本,并利用SPXY算法在剩余的39个面粉样本选择了29个样本用于建模,10个样本用于预测。此外,为了去除外界噪声干扰对光谱信号的影响,比较使用了平滑(S-G)、多元散射校正(MSC)、导数算法(1D、2D)、标准正态变化(SNV)等不同预处理方法对模型的校正效果,发现SNV预处理效果最好。然后,使用相关系数法(CCM)、连续投影算法(SPA)以及两种方法的组合算法提取特征波长以实现光谱数据降维,并将提取的特征光谱数据分别输入到三种定量分析模型—径向基函数(RBF)人工神经网络、反向传播(BP)人工神经网络和最小二乘法(PLS)模型中来预测面粉中的滑石粉含量,确定了CCM-SPA-RBF模型为最优预测模型,得到预测相关系数(Rp)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别为0.9992、0.1638和25.2485。
  研究结果表明,多变量分析方法相结合的近红外光谱技术可以用于小麦面粉中滑石粉含量快速无损检测,对面粉食用安全保障具有积极的意义。
[硕士论文] 陈道源
模式识别智能系统 黑龙江大学 2018(学位年度)
摘要:近红外光谱检测技术越来越成熟,便携式光谱检测仪越来越丰富,但是依然存在价格昂贵、操作复杂等问题,小型化、智能化、低成本成为便携式检测仪的发展趋势。因此提出一种新的苹果糖度检测方法,实现检测仪的小型化、低成本、智能化,显得尤为重要。
  本文提出了基于多特征波长的苹果糖度检测方法,设计了基于该方法的检测装置的总体方案,阐述了检测装置的光路结构设计、电路设计和软件程序开发。廉价的LED光源,独特的光路结构设计,实现了检测装置的低成本和小型化。利用设计的近红外检测装置,获取苹果在830nm、880nm、940nm(特征波长)和850nm(参考波长)光源下的漫反射信号吸光度,建立漫反射吸光度苹果糖度的多元线性回归(MLR)和偏最小二乘(PLS)回归模型。对比分析模型参数可知,多元线性回归模型参数(R2=0.9092)优于一元线性回归模型参数(R2=0.8367)。偏最小二乘的预测相关系数Rp和预测均方根误差RMSEP分别为0.8957和0.4052。虽然基于光谱仪的苹果糖度检测仪的模型预测精度(Rp=0.924>0.8957,RMSEP=0.334<0.4052)比本实验模型的预测精度要好,但是其装置成本远比本装置高。
  实验结果表明,基于多特征波长的检测装置基本达到苹果糖度检测精度的要求。本文提出的基于多特征波长的近红外苹果糖度检测方法是可行的,且比基于单特征波长的苹果糖度检测方法更优。同时,本研究为实用化的苹果糖度检测仪器设计和开发提供参考。
[硕士论文] 叶丹丹
模式识别智能系统 黑龙江大学 2018(学位年度)
摘要:损伤马铃薯在损伤识别过程中难以检测,易腐烂、难储存,导致严重的食品安全和经济问题。由此,本研究提出基于高光谱成像技术的无损检测方法,以实现对损伤马铃薯的识别以及损伤程度的分类。
  健康损伤马铃薯的高光谱图像作为本次的研究对象,其中损伤样本是通过定量损伤装置诱导而成的,共包括Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ级损伤。高光谱图像分析的首要步骤包括:图像校正、背景分割剪裁这三个方面。然后,对比线性判别分析法(Liner Discriminant Analysis,LDA)、支持向量机(Support Vector Machine,SVM)自适应增强算法(Adaptive Boosting,AdaBoost)建立损伤识别模型的效果,确定AdaBoost为最佳分类模型。接着,比较了多项式平滑(Savitzky-Golay,S-G)、一阶导数(First derivative,D1)、二阶导数(Second derivative,D2)、标准正态变量变换(Standard Normal Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)及其组合方法预处理光谱的效果。最后确定用于建立识别损伤、Ⅰ级损伤、Ⅱ级损失、Ⅲ级损伤、Ⅳ级损伤马铃薯的五个模型(分别命名为A1、A2、A3、A4、A5)的最优预处理方法分别为:D1、SNV、无预处理、无预处理、SNV。
  另外,改进了模拟退火算法选取特征波长,A1、A2、A3、A4、A5模型的识别精度都有提高,分类成功率为99.12%、97.89%、96.05%、100%、100%。
  此次研究表明,应用高光谱成像技术可实现损伤马铃薯的准确检测,并可成功地将不同损伤程度的马铃薯进行分类,为马铃薯的在线和无损检测提供新思路。
[硕士论文] 徐治户
模式识别智能系统 合肥工业大学 2018(学位年度)
摘要:随着LED产业的发展,LED在照明领域的应用也越来越多,人们对LED灯的要求已经从照亮变为舒适、健康。由于单颗LED不能满足场景照明的需求,所以,需要采用多颗LED组成阵列的方式来照明,而且LED的光强分布近似郎伯分布,光照区域光强分布不均匀,会产生眩光或阴影,人眼长时间在这种不均匀的光照环境下,会产生视觉疲劳甚至近视。本文采用改进的粒子群算法优化LED的灯具位置,使光照均匀性得到改善,并通过仿真及实验验证了此方法的有效性。
  本文的主要研究内容如下:
  1、LED基本理论及等效热阻模型。介绍了LED的发光原理及常见的光度学基本概念,基于热传导理论,构建了单颗LED及LED阵列的热阻模型,并通过仿真及实验得到了LED间距LED结温之间、LED输入电流输出光通量的关系,为下文光照均匀性优化和灯具设计提供了依据。
  2、基于照度约束的LED光照均匀性粒子群优化算法设计。由单颗LED光源的理论模型,推导出LED阵列的光照模型,进而得出LED阵列在目标平面上的总辐射照度的表达式;以目标平面上照度的标准差作为评价函数,以平均照度为约束条件,采用改进的粒子群优化算法对LED位置进行优化,并给出另外两种常见位置分布,对以上三种位置分布进行MATLAB仿真,验证了此方法的可行性。
  3、基于HSI色彩空间的光照均匀性判定方法。给出了由RGB向HSI色彩空间转换的方法,设计了基于HSI色彩空间亮度分量的,LED光照均匀性判定方法,通过仿真及实验验证了该方法的可行性。
  4、LED照明光源设计实例。结合上文LED输入电流输出光通量及发光效率的关系,设计一种高光效灯具;根据改进的粒子群算法优化的LED灯的空间位置分布,给出了一套光照均匀性高的照明系统空间位置布局设计方法,最后,通过实验验证了设计的有效性。
  本文通过实验测试及统计分析,得出了LED的光热特性曲线,由单颗LED光源的理论模型,推导出LED阵列的光照模型,采用改进的粒子群优化算法对LED位置进行优化,提出了使用HSI色彩空间中亮度分量反映光照均匀性的方法,设计出了一套高光效、高光照均匀性的室内照明系统,通过实验验证了此方法的有效性,本文的方法为室内照明系统的设计提供了参考。
[硕士论文] 陈琪
模式识别智能系统 合肥工业大学 2018(学位年度)
摘要:快速、准确的实时监测是保证工业过程正常、安全运行的关键。主元分析(PCA)是多元统计过程监测中最有代表性的方法之一。然而,标准的主元分析假设过程是线性的、平稳的,在应用中存在很多局限性。本文在前人研究工作的基础上,针对标准PCA的局限性做了如下改进工作:
  核主元分析(KPCA)在PCA的基础上融入了kernel技术,使得PCA可以处理非线性的数据。然而,KPCA没有考虑实际过程中的非平稳特性。为此,本文在KPCA的基础上引入了动态潜变量模型(DLV),提出了一种核动态潜变量模型(KDLV)。该方法通过核函数将数据投影到高维空间,再由DLV提取数据在高维空间的动态、静态特征。基于数值算例和TE过程的仿真研究表明,当过程同时存在动态性和非线性时,KDLV的故障检测率要高于KPCA和DLV。
  PCA只考虑了系统的全局方差信息,忽略了数据中的局部结构信息。全局-局部结构分析(GLSA)结合数据的全局方差信息和局部结构信息进行降维,具有比PCA更好的故障检测效果。然而,该方法存在对噪声建模的问题且没有考虑工业过程数据的时序自相关性。本文提出了一种基于数据重构空间的全局-局部结构分析方法(GLSA-RS)。该方法先用主元进行数据重构,再对重构的数据进行GLSA,由此既保留了GLSA的优点又避免了对噪声建模。在此基础上,本文借鉴了DPCA的原理,用增广矩阵作为建模数据,得到了动态GLSA-RS方法(DGLSA-RS)。在仿真中,我们首先通过算例证明了GLSA存在对噪声建模的可能性,而GLSA-RS在过程数据存在噪声或冗余的情况下具有更高的故障检测率。接下来,我们又通过TE模型仿真,证明了当过程非平稳时,DGLSA-RS的故障检测率要高于GLSA-RS、DPCA及其它三种方法。
[硕士论文] 李胜飞
模式识别智能系统 合肥工业大学 2018(学位年度)
摘要:根据国家新能源汽车发展政策的要求,新生产的新能源汽车必须通过远程服务平台对电动汽车关键部件的运行状态进行监测和管理。电动汽车远程服务系统是对电动汽车信息进行采集和处理,并为联网用户提供信息服务的系统。本文依据国家标准,设计了一种电动汽车远程服务系统,实现了电动汽车运行数据的采集、远程传输、存储和显示功能。
  本文主要工作如下:
  1.从纯电动汽车结构、性能需求和国家标准三个角度,分析电动汽车远程服务系统采集的车辆运行参数,进而分析系统需要解决的问题和实现的目标,并分析了系统的功能需求和设计了系统的总体架构。
  2.利用通信技术实现车辆运行数据的采集,包括电池数据、电机数据和轨迹数据;针对轨迹数据中含有大量冗余数据的问题,采用多阈值结合轨迹压缩算法,仿真结果表明,在压缩率相同的情况下多阈值结合轨迹压缩算法比阈值结合轨迹压缩算法的误差小;针对传统压缩算法运行效率低的问题,提出MR-TCTCA算法,仿真表明相比于多阈值结合轨迹压缩算法,MR-TCTCA算法提高了数据处理的效率。
  3.详细介绍了远程服务系统中车载终端、数据中心和远程客户端的具体设计过程,并调试远程服务系统的数据采集、传输和显示功能。
[硕士论文] 夏阳
模式识别智能系统 合肥工业大学 2018(学位年度)
摘要:针对基于生物电阻抗对人体腹部内脏(腹内)脂肪面积(VFA)的预测,本文采用基于半监督学习的ABC-SVR预测模型对人体腹内脂肪面积进行预测,以克服训练样本有限标准值相关性不够高的问题。通过测试样本集进行标准差和相关性计算仿真实验,结果表明,该模型具有较强的非线性函数逼近,能有效对人体腹内脂肪面积的预测。
  论文的主要研究内容如下:
  1、构造了预测人体腹内脂肪面积的特征属性。通过将人体腹部等效为椭圆柱导体模型,给出了一种人体腹部生物电阻抗的测量方法,并定义了人群类型有相关的特征属性,构成了以腹部总阻抗Zt、腹部皮下阻抗Zs、腰围值w、腹部宽度a、腹部厚度b,体质指数B、体脂肪率T、腰臀比Y八种特征的人体腹内脂肪面积预测模型的输入量特征。
  2、构建了一种人体腹内脂肪面积的ABC-SVR预测模型。通过改进的人工蜂群算法对人体腹内脂肪面积特征属性进行全局寻优训练,找出最优特征向量的解。对最优特征向量进行支持向量回归机拟合,获得人体腹内脂肪面积的ABC-SVR预测模型。
  3、给出了一种人体腹内脂肪面积预测模型的半监督学习算法。通过对新采集的未标记样本进行优化标记,通过半监督学习算法对添加的新标记样本原有的标记样本对ABC-SVR预测模型进行重复训练,并通过已建立的预测模型进行赤池信息量准则性能比较,获取新的最优预测模型,解决训练样本可不断增加和模型可重复训练的问题。
  4、选用经典的最小二乘回归模型和ABC-SVR模型作为本文的半监督学习ABC-SVR模型的对比模型,并通过测试样本集的预测比较分析,本文方法是可行有效性的。
  本文运用Matlab对基于半监督学习的人体腹内脂肪面积预测模型以及测试样本进行仿真实验,通过相关性和标准差的分析结果表明,本方法的改进效果明显。
[硕士论文] 司加胜
模式识别智能系统 合肥工业大学 2018(学位年度)
摘要:滚动轴承是机械设备中的核心精密部件,在设备运转过程中起承接负载、传递载荷的作用,被广泛应用于冶金、化工、航天等重要领域。滚动轴承一旦发生故障没有及时排查,轻则导致生产停滞,重则造成人员伤亡。研究表明滚动轴承发生故障时,轴承振动信号表现出明显的非线性、非平稳特性。如果能够在线对滚动轴承运行状态进行有效监测,对获取的有效信息进行合理判断,及早发现故障并进行维修,对保证系统稳定、平稳运行,预防安全事故的发生具有重要意义。
  论文以滚动轴承为研究对象,主要研究了基于振动信号的轴承故障特征提取及诊断方法,论文主要研究内容如下:
  ①针对滚动轴承故障信号特征信息容易被噪声淹没的问题,提出自适应最大相关峭度反卷积方法实现滚动轴承故障信号降噪。充分考虑最大相关峭度反卷积能够增强含噪信号中的周期冲击信号的优势,将相关峭度设为评价标准,设定经最大相关峭度反卷积后的信号包络谱熵作为适应度函数,采用增强领导型粒子群算法对最大相关峭度反卷积的参数进行寻优,实现自适应最大相关峭度反卷积方法对滚动轴承故障振动信号的增强;
  ②针对滚动轴承故障特征提取困难的问题,提出融合自适应变分模态分解和奇异值分解的故障特征提取方法。以任意模态之间的相关系数为指标,确定变分模态分解中的合理模态个数,实现对轴承振动信号的自适应变分模态分解。将模态矩阵进行奇异值分解计算得到奇异值向量,表征滚动轴承的故障特征向量,用以提高对其的辨识度;
  ③针对滚动轴承故障识别的问题,采用遗传算法优化支持向量机实现小样本条件下滚动轴承的故障诊断和模式识别。采用高斯函数作为核函数,将低维输入空间中的样本映射到高维特征空间,利用遗传算法对支持向量机惩罚系数和高斯核函数参数进行最优参数确定,实现支持向量机在滚动轴承故障诊断方面的自适应性。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部