公开(公告)号：CN110378374B

公开(公告)日：2024-03-15

申请号：CN201910505666.5

申请日：2019-06-12

申请人： 江苏大学

发明人： 武小红 ,  王大智 ,  武斌 ,  孙俊 ,  傅海军 ,  陈勇

IPC分类号： G06F18/10 ,  G06F18/2135 ,  G06F18/2337 ,  G06F18/214 ,  G06F18/243

摘要： 本发明公开了一种模糊鉴别信息提取的茶叶近红外光谱分类方法，包括步骤：(1)茶叶近红外光谱采集；(2)用多元散射校正进行茶叶近红外光谱的预处理；(3)用主成分分析实现茶叶近红外光谱降维处理；(4)采用一种模糊线性鉴别信息提取方法实现近红外光谱数据的鉴别信息提取；(5)采用一种模糊簇间分离聚类方法进行茶叶近红外光谱数据分类。本发明解决了用传统模糊线性判别分析处理复杂数据结构时分类效果不理想的问题，进一步减少鉴别信息之间的相关性。本发明具有检测速快，能有效提取近红外光谱数据的模糊鉴别信息，茶叶品种分类准确率高等优点。

公开(公告)号：CN110378374A

公开(公告)日：2019-10-25

申请号：CN201910505666.5

申请日：2019-06-12

申请人： 江苏大学

发明人： 武小红 ,  王大智 ,  武斌 ,  孙俊 ,  傅海军 ,  陈勇

IPC分类号： G06K9/62

摘要： 本发明公开了一种模糊鉴别信息提取的茶叶近红外光谱分类方法，包括步骤：(1)茶叶近红外光谱采集；(2)用多元散射校正进行茶叶近红外光谱的预处理；(3)用主成分分析实现茶叶近红外光谱降维处理；(4)采用一种模糊线性鉴别信息提取方法实现近红外光谱数据的鉴别信息提取；(5)采用一种模糊簇间分离聚类方法进行茶叶近红外光谱数据分类。本发明解决了用传统模糊线性判别分析处理复杂数据结构时分类效果不理想的问题，进一步减少鉴别信息之间的相关性。本发明具有检测速快，能有效提取近红外光谱数据的模糊鉴别信息，茶叶品种分类准确率高等优点。

公开(公告)号：CN107860739A

公开(公告)日：2018-03-30

申请号：CN201711205752.1

申请日：2017-11-27

申请人： 江苏大学

发明人： 武小红 ,  王大智 ,  陈勇 ,  戴春霞 ,  傅海军 ,  孙俊 ,  武斌

IPC分类号： G01N21/3563

CPC分类号： G01N21/3563

摘要： 本发明公开了一种模糊K调和网络聚类的茶叶中红外光谱分类方法，首先采集不同品种茶叶的中红外光谱；其次，采用多元散射校正、主成分分析及线性判别分析对茶叶样本的中红外光谱进行预处理；最后对包含鉴别信息的测试样本，使用一种模糊K调和网络聚类方法鉴别测试样本中的茶叶品种。本发明将模糊K调和网络聚类引入到Kohonen聚类网络的学习速率和更新策略中，解决了用模糊Kohonen聚类网络方法对初始类中心敏感而导致聚类结果不稳定的问题。本发明具有检测速度快，检测准确率高，绿色无污染，检测结果稳定等优点。

公开(公告)号：CN108764288A

公开(公告)日：2018-11-06

申请号：CN201810376203.9

申请日：2018-04-25

申请人： 江苏大学

发明人： 武小红 ,  王大智 ,  傅海军 ,  孙俊 ,  陈勇 ,  武斌 ,  戴春霞

IPC分类号： G06K9/62

CPC分类号： G06K9/6269 ,  G06K9/6221

摘要： 本发明公开了一种GK鉴别聚类的茶叶品种分类方法，首先采集茶叶样本近红外光谱，对茶叶样本红外光谱预处理以及降维处理，然后提取茶叶训练样本近红外光谱的鉴别信息，对测试样本进行模糊C均值聚类，最后利用GK鉴别聚类进行茶叶品种的分类。本发明具有检测速度快、分类准确率高，绿色环保等优点。可实现茶叶品种的无损，快速准确分类。

公开(公告)号：CN107194311B

公开(公告)日：2020-06-26

申请号：CN201710229094.3

申请日：2017-04-10

申请人： 江苏大学

发明人： 武小红 ,  王大智 ,  傅海军 ,  贾红雯 ,  武斌

IPC分类号： G06K9/00

摘要： 本发明公开了一种融合矩阵和向量特征提取的Foley‑Sammon人脸识别方法。首先，计算人脸图像矩阵水平方向上的两维Foley‑Sammon鉴别向量矩阵，再计算人脸图像矩阵垂直方向上的两维线性鉴别向量矩阵，然后利用两个鉴别向量矩阵实现人脸图像的双向压缩。将压缩后的每个人脸图像分别按行和列拉成向量后融合成一个向量数据。提取融合后向量数据的鉴别信息。最后用最近邻分器对结果进行分类处理，实现人脸图像的准确识别。本发明在水平方向上采用Foley‑Sammon的方法和垂直方向采用两维线性鉴别方法提取鉴别信息，可以得到人脸图像互补的鉴别特征信息，尽可能得保留人脸图像的主要特征信息，使人脸图像的鉴别信息提取更加充分，从而提高人脸图像的识别率。

公开(公告)号：CN107194311A

公开(公告)日：2017-09-22

申请号：CN201710229094.3

申请日：2017-04-10

申请人： 江苏大学

发明人： 武小红 ,  王大智 ,  傅海军 ,  贾红雯 ,  武斌

IPC分类号： G06K9/00

CPC分类号： G06K9/00268 ,  G06K9/00288

摘要： 本发明公开了一种融合矩阵和向量特征提取的Foley‑Sammon人脸识别方法。首先，计算人脸图像矩阵水平方向上的两维Foley‑Sammon鉴别向量矩阵，再计算人脸图像矩阵垂直方向上的两维线性鉴别向量矩阵，然后利用两个鉴别向量矩阵实现人脸图像的双向压缩。将压缩后的每个人脸图像分别按行和列拉成向量后融合成一个向量数据。提取融合后向量数据的鉴别信息。最后用最近邻分器对结果进行分类处理，实现人脸图像的准确识别。本发明在水平方向上采用Foley‑Sammon的方法和垂直方向采用两维线性鉴别方法提取鉴别信息，可以得到人脸图像互补的鉴别特征信息，尽可能得保留人脸图像的主要特征信息，使人脸图像的鉴别信息提取更加充分，从而提高人脸图像的识别率。