收藏本站
《光谱学与光谱分析》 2016年03期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于无监督可能模糊学习矢量量化的近红外光谱生菜品种鉴别研究

武小红  蔡培强  武斌  孙俊  嵇港  
【摘要】:为解决模糊学习矢量量化(FLVQ)对噪声数据敏感问题,在无监督可能模糊聚类(UPFC)基础上提出一种无监督可能模糊学习矢量量化(UPFLVQ)算法。UPFLVQ用UPFC的隶属度和典型值来更新学习矢量量化网络的学习速率,计算类中心矢量。UPFLVQ属于无监督机器学习算法,适用于无学习样本情况下的样本分类。研究了UPFLVQ用于近红外光谱生菜品种鉴别的可行性。采用FieldSpec@3型便携式光谱分析仪获取波长范围为350~2 500nm的三种生菜样本的短波近红外光谱和长波近红外光谱,然后采用主成分分析(PCA)进行近红外光谱的维数压缩,取前三个主成分,累计可信度达97.50%,将2151维的近红外光谱压缩为三维数据。再运行模糊C-均值聚类(FCM)至迭代终止,并以FCM的类中心作为UPFLVQ的初始聚类中心,最后运行UPFLVQ得到隶属度和典型值以实现近红外光谱的生菜品种鉴别。同时,运行UPFC进行近红外光谱的生菜品种鉴别。实验结果表明:UPFLVQ和近红外光谱技术相结合的模型具有检测速度快,鉴别准确率高,对生菜不造成损坏等优点,可实现不同品种生菜的鉴别。UPFLVQ是将UPFC和FLVQ相结合的聚类算法,利用UPFLVQ建立近红外光谱的生菜品种鉴别模型时无需学习样本,适用于线性可分的数据聚类,为快速和无损地鉴别生菜品种提供了一种新的方法。

手机知网App
【相似文献】
中国期刊全文数据库 前5条
1 陈兰珍;叶志华;赵静;;蜂蜜品种鉴别技术研究进展[J];食品科学;2008年03期
2 周莹;徐惠荣;应义斌;;近红外技术在自然纺织纤维品种鉴别及成分预测上的应用[J];光谱学与光谱分析;2008年12期
3 李尚禹;陈阳;王春艳;于红;王艳萍;李校堃;;RAPD技术在东北地区玉米品种鉴别上的应用[J];分子科学学报;2007年03期
4 朱之光,李建平;植物油品种鉴别方法的研究─—分光光度法[J];食品工业科技;1995年02期
5 ;[J];;年期
中国重要会议论文全文数据库 前3条
1 周博;王俊;;基于电子鼻的小麦品种鉴别研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 李明;;玫瑰花聚丙烯酰胺凝胶电泳鉴别研究[A];2009年中国药学大会暨第九届中国药师周论文集[C];2009年
3 李明;;玫瑰花聚丙烯酰胺凝胶电泳鉴别研究[A];2010年中国药学大会暨第十届中国药师周论文集[C];2010年
中国重要报纸全文数据库 前4条
1 孙圣;羚羊角品种鉴别[N];农村医药报(汉);2006年
2 谭玉琳;水稻品种鉴别方法[N];农民日报;2005年
3 文华;中药混乱品种鉴别需构建研究与生药技术平台[N];中国中医药报;2004年
4 记者 谢开飞 通讯员 陈志群 李斯;我菌种DNA指纹研究国际领先[N];科技日报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026