基于主成分分析和改进支持向量机的猪肉品质识别

目的:剔除近红外光谱存在大量冗余信息以及提高猪肉品质识别的精度,建立猪肉品质快速识别方法。方法:运用主成分分析对猪肉光谱数据进行降维处理,筛选出猪肉光谱特征波长;运用樽海鞘群算法进行支持向量机(SVM)模型的参数优化,提出一种基于樽海鞘算法改进支持向量机的猪肉品质识别模型。结果:与灰狼算法(GWO)优化SVM(GWO-SVM)、网格搜索算法改进SVM(Grid-SVM)、粒子群算法改进SVM(PSO-SVM)和SVM相比,基于SSA-SVM的猪肉品质识别模型的精度最高。结论:融合主成分分析和樽海鞘算法优化SVM模型的猪肉品质识别模型可以有效提高SVM模型的猪肉品质识别精度。     

近红外光谱技术结合支持向量机对食用醋品牌溯源的研究

研究近红外光谱技术对食用醋品牌进行快速无损溯源。收集市场上保宁、东湖、恒顺、镇江4个品种共152份具有代表性的食用醋样品,采集它们的近红外光谱数据,对原始光谱数据进行多元散射校正(multip,licative scatter corrertion,MSC)预处理,对预处理后的光谱数据利用主成分分析法(principal component analysis,PCA)进行聚类分析,根据主成分的累计贡献率选取主成分数,然后用支持向量机(support vector machine,SVM)建立预测模型,选取合适的SVM核函数,并利用粒子群优化算法(particle swarm optimization,PSO)优化模型参数。结果表明,近红外光谱技术结合支持向量机对食用醋品牌分类正确率可达100%。     

基于多数据融合技术的腊肉品质分级方法

针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、 实用的检测技术。首先利用自组织特征映射网,对生化实验测得的酸价、过氧化值以及微生物菌落总数数据,在相 关国家标准的基础上将样品腊肉的品质等级划分为4 级：放心食用、可食用、不推荐食用和不可食用。在此基础上 采用近红外光谱技术对腊肉的酸价与过氧化值进行检测,用遗传算法优选后的波长建模所得预测均方根误差分别是 用优选前建模的41%、57%,所用波长数约为整个波段波长数的1/3。采用显微图像技术获得腊肉的菌斑信息,极大 的改善了传统细菌总数检验方法操作复杂、主观性强、耗时长等问题。最后采用支持向量机对近红外光谱数据和显 微图像数据进行多数据融合,建立腊肉可食用等级快速判别模型。     

改进的支持向量机算法在人脸识别上的应用

支持向量机算法作为一种新的机器学习方法,在处理小样本分类问题上具有明显优势,但核函数和参数的选取直接影响支持向量机算法的性能.针对该问题,文中通过组合全局核函数和局部核函数的混合核函数方法,建立了基于粒子群算法的混合核支持向量机算法,并将其用于ORL人脸数据库的人脸识别测试.结果表明,该改进算法较标准的支持向量机算法具有更高的识别率.     

基于粒子群算法的番茄酱成分检测及品质分析

以番茄酱成分检测过程为研究对象,采用多光谱成像技术采集番茄酱光谱图像,并提取出有效光谱信息,分别利用偏最小二乘法、偏最小二乘法支持向量机算法和粒子群算法建立番茄酱成分校正模型和番茄酱品质预测模型.采用3种模型进行预测试验对比,偏最小二乘法支持向量机算法和偏最小二乘法两种模型对可溶性固形物和番茄红素含量的预测性能均低于粒...     

基于IDE算法优化支持向量机的变压器故障诊断

提出了一种IDE(改进微分进化)与支持向量机模型相结合的变压器故障诊断新方法。该方法通过支持向量机模型搭建变压器故障诊断的综合判定系统,使决策树的每一个分支都对应一种具体的故障类型,然后应用IDE对支持向量机的分类结果进行优化。经过实例分析,验证了该方法的可行性和有效性。     

基于离散粒子群算法的织物疵点特征选择

为提高识别织物疵点的准确率,提出基于离散粒子群算法(Bpso)进行织物疵点特征选择的方法.首先收集织物疵点图像并进行预处理,提取常用的纹理特征构成候选特征.然后采用BPSO对这些候选特征进行选择,得到优选特征和冗余特征.最后分别在这3类特征下训练支持向量机并进行织物疵点识别测试.结果表明,优选特征的疵点识别准确率大大高...     

基于Krawtchouk矩和小波支持向量机的纸张缺陷识别方案设计

为实现对于纸张缺陷的高精度识别,提高纸张成品的生产质量,通过Krawtchouk矩不变量来提取纸张缺陷图像的特征向量。在此基础上,运用所获取的特征向量对小波支持向量机进行训练,并通过粒子群优化算法来获取惩罚因子与核函数参数,使小波支持向量机的分类性能达到最优。最后对提出的纸张缺陷识别算法的识别率进行试验,经统计分析发现,访算法的识别总精度高达98.33%。     

基于支持向量机的高光谱遥感影像分类

高光谱遥感是将成像技术和光谱技术相结合的多维信息获取技术。自发展以来,已在各个方面都显示出了巨大的研究潜力,成为遥感应用最广泛的领域之一。然而,如何充分利用高光谱遥感数据提供的丰富的地表信息,以及如何在如此大量的信息中提取有用信息,是摆在研究者面前的一项重要课题。高光谱遥感影像处理的一项重要内容就是地物目标的分类。文章基于支持向量机算法原理,提出了一种应用于高光谱影像的分类机制,并在印度松树(Indian Pines)和帕维亚大学(Pavia University)数据集上进行了验证实验,取得了较高的分类精度。     

萤火虫优化支持向量机参数的近红外光谱技术鉴别卷烟牌号

目的：准确快速鉴别卷烟牌号。方法：采集不同牌号卷烟的近红外光谱,通过光谱预处理方法降低干扰因素后,利用萤火虫算法(FA)优化支持向量机(SVM)参数,考察光谱预处理方法、萤火虫算法的种群数目和迭代次数对卷烟分类正确率的影响。结果：采用标准正态变量变换(SNV)结合一阶导数(1D)方法进行近红外光谱预处理,当萤火虫种群数目为20,迭代次数为20时,优化支持向量参数可达到较好的识别效果,训练集的分类正确率为100%,测试集的分类正确率为96.67%~100.00%。结论：利用近红外光谱技术结合FA算法优化SVM可实现对卷烟牌号的准确鉴别     

PSO-LSSVM用于近红外光谱预测混合制浆材Klason木质素含量

为优化混合制浆材中Klason木质素含量的近红外分析模型,收集了5种常见制浆材的82个原木样品,将样品粉碎预处理后在便捷式近红外光谱仪上采集其近红外光谱信号,对原始光谱数据进行多元散射校正(MSC)预处理,利用粒子群寻优(PSO)算法对最小二乘支持向量机(LSSVM)算法中的参数进行优化,然后利用最优参数建立混合制浆材Klason木质素的LSSVM定量分析模型。将结果与偏最小二乘(PLS)和主成分降维后的BP神经网络(PCA-BPNN)算法进行比较。结果表明,PCA-BPNN和PSO-LSSVM模型均优于PLS模型,且PSO-LSSVM模型预测结果最优,预测结果的相关系数(Rv)最大为0. 9857;预测标准差(RMSEP)为0. 7498%,比PLS模型和PCA-BPNN模型分别降低了0. 2767%和0. 1455%;相对标准偏差(RPD)最大为5. 6174,比PLS模型和PCA-BPNN模型分别提高了1. 5144和0. 9138;真实值与预测值间的绝对偏差(AD)范围最小,为0. 0065%～1. 8449%。     

基于粒子群算法和神经网络的大豆识别研究

在分析大豆表面颜色特征的基础上,提出了利用神经网络和大豆表面颜色特征对大豆进行分级的方法。选取了大豆图像的6种颜色特征值作为神经网络的训练样本,并尝试利用粒子群优化算法与BP结合算法训练网络。仿真结果表明,提出的方法取得很好的效果。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题(TSP)的混合粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

基于机器视觉与支持向量机的核桃外部缺陷判别分析方法

使用3CCD高精度面阵相机采集新疆多个品种核桃RGB图像,设计一种自适应双阈值的Otsu法,快速、准确地分割出缺陷区域;基于分割区域的几何、纹理等20 个初始特征,转换为新的9 维特征向量集;以该特征集为输入,建立基于贝叶斯、BP神经网络与支持向量机的15 个识别模型,对比评价其适应性,以及裂缝、碎壳、黑斑3 类核桃外部缺陷的识别性能与时间。结果表明,基于径向基的支持向量机识别模型效果最好,对3 类缺陷的验证集平均识别率分别为93.06%、88.31%、89.27%,对缺陷的总识别率为90.21%,平均识别时间为10－4 s级。研究成果能够用于今后核桃缺陷的在线检测与分级,同时也为坚果等其他作物品质的在线检测识别提供一定参考。     

改进粒子群算法在机械优化设计中的应用

针对机械优化设计中广泛存在的多变量、非线性约束优化问题,提出一种改进的粒子群算法。通过在基本粒子群算法的惯性权重部分加入收缩因子,以解决传统的优化方法容易陷入局部最优的缺陷,改善算法的收敛性。实例表明,该方法在机械优化设计中具有一定的实用价值。     

基于模糊自整定粒子群算法的多圆盘过滤机槽体液位控制系统

槽体液位是多圆盘过滤机白水回收效率的重要影响参数,但多圆盘过滤机槽体液位控制存在非线性、时滞等问题,同时由于过滤圆盘旋转使液位产生波动,从而液位检测值存在波动,应用常规PID控制难以达到理想控制精度。本课题在分析粒子群优化(Particle Swarm Optimization,PSO)算法的基础上,提出了一种基于模糊逻辑的参数自整定粒子群算法,用于液位控制PID控制器的参数优化,实现对槽体液位的精准控制。MATLAB/Simulink仿真实验表明,与常规PID控制、基于标准PSO算法的PID控制相比,本控制方法具有响应速度快、超调量小、鲁棒性强的优点,能够起到良好的控制效果。本控制方法已经应用于工程实际,控制效果良好,提高了液位控制精度,能够实现液位的精准控制。     

最小二乘支持向量机优化芹菜总黄酮提取工艺

为获得芹菜总黄酮的最佳提取工艺参数,在其单因素和正交试验的基础上,利用混合蛙跳算法(SFLA)优化参数的最小二乘支持向量机(LSSVM)建立预测模型,通过该模型对芹菜总黄酮正交试验数据进行仿真,优化提取工艺条件。结果表明,最小二乘支持向量机预测模型优化后的芹菜总黄酮提取工艺条件为:料液比1∶36 g/m L,乙醇浓度82%,超声波提取时间40 min,在该条件得到芹菜总黄酮提取含量为8.32 mg/g,高于正交试验工艺条件下所提取的总黄酮含量。     

基于支持向量机算法的造纸过程磨后纤维形态软测量模型

本研究提出了一种基于支持向量机(SVM)算法的造纸过程磨后浆料纤维形态软测量模型,该模型利用原始浆板纤维形态参数和磨浆参数作为输入,用于在线软测量生产过程中的磨后浆料纤维形态。结果表明,采用SVM算法进行建模时,7种磨后浆料纤维形态软测量模型的平均相对误差在2. 87%～5. 61%之间,均优于采用偏最小二乘回归(PLS)算法的建模效果(平均相对误差3. 09%～6. 60%),模型精度良好,满足生产中纤维形态实时检测对误差的要求。     

基于支持向量机的甜柿表面病害识别

研究以次郎甜柿为研究对象,应用快速独立分量方法对病害图像进行处理,去除病害图像中的随机噪声.提取病害甜柿表面图像的纹理特征参数和颜色特征参数后采用支持向量机(SVM)识别甜柿表面病害.研究表明快速独立分量方(FASTICA)法可以很好的扩展病害区域边缘.采用图像纹理特征参数和颜色特征参数结合构建支持向量时,识别准确率和...     

基于支持向量机-遗传算法灰树花发酵模型的建立及优化

对食用药用真菌灰树花发酵进行建模,获得使目标发酵产物达到最大产量的培养条件。运用支持向量机（support vector machine,SVM）方法进行非线性拟合,并采用遗传算法预测优化培养基成分,结果表明其能够较好预测灰树花发酵过程。运用此方法可在灰树花发酵生产过程中根据所需产物控制发酵条件与时间,具有较高指导意义。