用近红外光谱鉴别杨梅品种的研究

提出了一种用近红外光谱技术快速无损鉴别杨梅品种的新方法,首先用主成分分析法对典型的四个杨梅品种进行聚类分析,获取杨梅的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别.主成分分析表明,以主成分1和2对样本的得分值做出的得分图,对不同种类杨梅具有较好的聚类作用,可以定性分析杨梅种类.利用主成分分析可以把原始波长变量压缩成能代表原始变量的少数相互正交的主成分,用这些新变量作为神经网络的输入,建立3层BP人工神经网络模型.四个杨梅品种共100个样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到95%.说明综合主成分分析和人工神经网络的方法具有很好的分类和鉴别作用,为杨梅的品种鉴别提供了一种新方法.     

基于可见一近红外光谱技术的家蚕蚕种鉴别方法的研究

提出了一种结合主成分分析和人工神经网络技术的可见～红外光谱家蚕蚕种快速鉴别新方法．主成分分析法用于家蚕蚕种品种的聚类分析及主成分的提取．从主成分1和2对所有建模样本的得分图可以看出，主成分分析法对不同种类家蚕蚕种具有较好的聚类作用，可以定性分析家蚕蚕种品种．提取了6个能解释原始光谱的大部分信息的主成分，作为BP神经网络的输入，建立了三层BP人工神经网络模型．选取了4个典型的家蚕蚕种品种，共120个样本，其中随机选取了100样本用来建立神经网络品种鉴别模型，对未知的20个样本进行预测，结果表明，品种识别准确率达到100％．说明该方法具有很好的分类和鉴别作用，为家蚕蚕种的品种鉴别提供了一种新的途径．     

基于可见/近红外反射光谱的稻米品种与真伪鉴别

利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec3地物光谱仪采集了5种稻米的光谱数据,各获取35个样本,随机分成训练集(150份)和检验集(25份),并分别采取全波段与特征波段(400~500nm、910~1400nm与1940~2300nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,稻米品种作为输出变量,建立3层BP-ANN鉴别模型.利用25个未知样对模型进行检验,结果表明两类模型预测准确率均高达100%,其中特征波段模型比全波段模型具有更高的预测精度,说明利用可见/近红外技术结合PCA-BP神经网络分析法进行稻米品种与真伪的快速、无损鉴别是可行的,且提取特征波段是优化模型的有效方法之一.     

人工神经网络BP算法在近红外光谱分析中的应用

简要介绍了人工神经网络及其在近红外光谱分析中的应用。给出了三层BP网络的基本结构和对应的BP算法。通过测定润滑油的流动性、苯和甲苯的回收率及相对标准偏差的两个实例,分析了人工神经网络BP算法的明显优势。最后指出了存在的部分问题。     

基于可见-近红外光谱技术的家蚕蚕种鉴别方法的研究

提出了一种结合主成分分析和人工神经网络技术的可见-红外光谱家蚕蚕种快速鉴别新方法.主成分分析法用于家蚕蚕种品种的聚类分析及主成分的提取.从主成分1和2对所有建模样本的得分图可以看出,主成分分析法对不同种类家蚕蚕种具有较好的聚类作用,可以定性分析家蚕蚕种品种.提取了6个能解释原始光谱的大部分信息的主成分,作为BP神经网络的输入,建立了三层BP人工神经网络模型.选取了4个典型的家蚕蚕种品种,共120个样本,其中随机选取了100样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到100%.说明该方法具有很好的分类和鉴别作用,为家蚕蚕种的品种鉴别提供了一种新的途径.     

近红外光谱技术在快速鉴别南蛇藤品种中的应用

提出了一种利用近红外光谱技术对南蛇藤品种进行快速无损鉴别的方法。收集了6种南蛇藤样本,并用光谱仪获得了它们在12493～4000 cm^-1范围的光谱曲线。通过用主成分分析法对预处理后的光谱数据进行聚类分析,获得了10个主成分。再结合不同的化学计量分析方法建立了品种鉴别模型。由于主成分1和2上的得分分布对不同样本的聚类效果明显,可根据得分分布定性地区分南蛇藤品种。从220个样本中随机抽取165个样本作为建模集,并将其分别用于建立线性鉴别分析、人工神经网络和支持向量机模型。剩下的55个样本用于预测验证。经过主成分数的优化,鉴别精度均达到了100%。结果表明,本文提出的方法对南蛇藤的品种具有很好的分类和鉴别作用。     

基于独立组分分析和BP神经网络的可见/ 近红外光谱稻谷年份的鉴别

建立了一种基于独立组分分析的可见/近红外光谱反射技术快速鉴别稻谷年份的新方法.首先用独立组分分析方法获取不同年份稻谷的可见/近红外光谱载荷图,将载荷图中相关性最大的波段(特征波段)作为人工神经网络的输入建立稻谷年份的鉴别模型.每个年份40个样本,3个年份共120个样本用来建立BP神经网络模型,剩余的3个年份各20个样本用于预测.预测的结果表明,准确率达到100%.同时通过独立组分分析,得到了稻谷主要成分对应的敏感波段.说明本文提出的基于独立组分分析的方法具有很好的鉴别效果,为稻谷的年份鉴别提供了一种新方法.     

基于可见/近红外光谱技术的茄子叶片灰霉病早期检测研究

应用可见/近红外光谱技术对茄子叶片进行灰霉病害还未在叶片表面出现病症时的早期检测.采用化学计量学方法建立早期检测模型.主成分分析用于对光谱数据进行降维,得到若干个最重要的主成分.但直接从聚类图中无法进行是否染病的鉴别.因而将其作为变量输入BP神经网络,从而减少了计算量,提高了建模精度.检测结果显示,模型具有良好的检测效果,能够达到100%的识别率,正确率也能达到88%.说明运用可见/近红外光谱技术能够实现当病症还未在叶片表面出现时的快速准确的早期检测,为灰霉病早期检测提供了新的途径.     

基于BP神经网络的城市交通拥堵情况预测

本文首先根据交通系统分析,初步选取新人驾驶,路面施工,早晚高峰时刻等10个影响因子作为影响交通拥堵的因素。其次通过主成分分析法对影响因子进行筛选,采用BP神经网络,建立城市交通拥堵情况预测模型。经验证,模型准确性高,泛化能力强,具有一定应用价值。     

基于BP神经网络的城市交通拥堵情况预测

本文首先根据交通系统分析,初步选取新人驾驶,路面施工,早晚高峰时刻等10个影响因子作为影响交通拥堵的因素。其次通过主成分分析法对影响因子进行筛选,采用BP神经网络,建立城市交通拥堵情况预测模型。经验证,模型准确性高,泛化能力强,具有一定应用价值。     

波长优选BP神经网络用于近红外光谱分析

近红外光谱分析技术在物质成分分析中的得到广泛的应用,在自主研发的滤光片型近红外仪器中应用基于波长优选的BP神经网络模型的方法。该方法是采用多元线性回归算法获取最优波长,将最优波长作为BP神经网络模型的输入,所得模型的拟合残差为8.768991×10-6,建模样品集相关系数和检验样品集相关系数分别为0.994和0.996。试验结果表明,基于波长优选的BP神经网络模型方法能够更快获得最优解,减少建模所用变量,建立稳健的定量模型。     

基于BP神经网络的红外透过率计算

针对实时条件下中红外波段平均大气透过率的计 算,提出了一种基于贝叶斯正则化BP神经网络的方法。 利用BP神经网络良好的非线性拟合特点,建立大气参数与中红外平均透过率之间的关系 模型,从而可以准确迅速 地得到计算结果。此网络模型是以实测温度、压强、湿度和气溶胶的后向散射系数作为输入 向量,分别以水蒸气和CO₂吸收透过率、气溶胶散射透过率和大气透过率作为输出。仿 真结果表明:在相同的大气参数下,本方法的计算 结果与期望值之间的相对误差较小,且远小于经验公式法,验证了本方法的可行性与有效性 。因此,本方法对大气透过率的准确地快捷计算提供了有益的借鉴。     

基于改进BP网络的甲烷传感器温度影响试验研究

温漂会影响催化甲烷传感器检测精度,为减小这种影响,提高传感器检测精度,本文在不同温度环境下进行甲烷传感器环境影响实验,并利用一种基于主成分分析的BP神经网络温度补偿模型对实验数据进行处理,补偿温漂对检测精度的影响,结果表明:本文提出的模型能提高甲烷传感器的稳定性和准确性,减少温漂的影响.     

人工神经网络的BP算法及其应用

在一般人工神经网络的BP算法的基础上,研究了BP算法所遵循的数学基础,指出其存在的缺陷和不足,并给出改进方法。探讨了MATLAB环境下实现人工神经网络BP算法的编程方法及方法改进比较的例子,得到了良好的结果。     

（英）基于近红外的移动窗口BP神经网络实现山东绿茶产地溯源

将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.     

基于BP神经网络的食品价格的预测

针对目前食品价格上涨的问题,提出了一种基于神经网络的食品价格上涨的预测方法。借助于Matlab建立食品价格上涨数学模型。利用Matlab对各食品价格的数据进行分析,计算相应的食品价格,对结果进行对比。运用BP人工神经网络的多层神经网络对食品价格的实测值进行训练学习,建立模型。借助于此模型来对食品价格上涨进行预测和预报,以达到对食品价格预测预警的作用。应用实例表明：人工神经网络应用于食品价格的预测预警是比较理想的。     

二次回归分析人工神经网络

在线性回归分析人工神经网络的基础上提出二次回归分析人工神经网络,用于解决二值非线性分类问题。     

基于改进BP神经网络的ATM系统信息安全评估方法

根据ATM系统3层体系结构,针对ATM系统面临的信息安全问题,提出了应用人工神经网络(ANN)技术来评估ATM系统信息安全的思想;设计了基于改进的BPANN的ATM系统3层神经网络评估模型。根据建立的BP神经网络模型,以ATM信息系统主要信息安全指标作为训练样本,通过学习和训练找出输入与输出之间的内在联系,用训练好的BP网络对ATM信息系统进行评估,并将评估结果与传统的评估方法进行比较。实验结果表明,提出的评估模型具有很强的自适应性和容错能力,适用于复杂的ATM信息系统的安全性评估。实验数据与实际ATM信息系统的运行状态相吻合。     

基于BP神经网络的数字识别研究

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络的数字识别系统。利用MATLAB进行仿真实验,实验结果表明该系统能够实现对数字的有效识别。     

采用KPCA和BP神经网络的单目车载红外图像深度估计

提出一种基于监督学习得到深度估计模型的单目车载红外图像深度估计方法。首先用核主成分分析法（KPCA）筛选红外图像特征。将最初提取的红外图像特征用核函数非线性映射到一个线性可分的高维特征空间,再完成主成分分析（PCA）,得到降维后的红外图像特征。然后以BP神经网络为模型基础,对红外图像特征和深度值进行训练,训练后的深度估计模型可对单目车载红外图像的深度分布进行估计。实验结果证明,利用该模型估计的单目车载红外图像的深度信息与原红外图像的深度信息一致。