-
公开(公告)号：CN110954666B
公开(公告)日：2022-01-11
申请号：CN201911111535.5
申请日：2019-11-14
申请人： 温州大学
IPC分类号： G01N33/14
摘要： 本发明公开了一种基于偏最小二乘判别分析模型的茶叶等级判别方法，该方法直接构建茶叶样本的响应信号向量与茶叶样本的设定标签之间潜在变量从1到20的20个PLS‑DA模型，采用得到的20个PLS‑DA模型分别对每个茶叶样本进行预测并使用预测结果构建茶叶样本的排序差异总和矩阵，然后基于茶叶样本的排序差异总和矩阵构建得到每个茶叶样本的排序差异总和标准参考序列向量以及构建包含20行1列索引值的第一索引值矩阵后，调整排序差异总和矩阵中各行数据的行数构建得到第二索引值矩阵，最后通过计算绝对差值之和确定茶叶样本等级；优点是判别过程简单，且判别精度较高。
-
公开(公告)号：CN111125629A
公开(公告)日：2020-05-08
申请号：CN201911353268.2
申请日：2019-12-25
申请人： 温州大学
IPC分类号： G06F17/16 , G01N21/359
摘要： 本发明公开了一种域自适应的PLS回归模型建模方法，采用从原始域获取的近红外光谱数据构建原始域光谱中心化矩阵，采用从目标域获取的近红外光谱数据构建目标域光谱中心化矩阵，消除原始域和目标域光谱的均值差异，基于原始域光谱中心化矩阵和目标域光谱中心化矩阵，采用转移矩阵映射到核矩阵空间的方式，从中找到最优的投影方向，确定最优投影矩阵，基于最优投影矩阵构建得到最终的PLS回归模型，削弱不同域之间的投影得分和域标签的非独立性；优点是采用域自适应算法来消除不同域下所采集近光谱数据的差异，不需要采集目标域样本的浓度信息，从而简化了建模过程，使得构建的PLS回归模型的对目标域近红外光谱数据具有良好的预测精度。
-
公开(公告)号：CN110954666A
公开(公告)日：2020-04-03
申请号：CN201911111535.5
申请日：2019-11-14
申请人： 温州大学
IPC分类号： G01N33/14
摘要： 本发明公开了一种基于偏最小二乘判别分析模型的茶叶等级判别方法，该方法直接构建茶叶样本的响应信号向量与茶叶样本的设定标签之间潜在变量从1到20的20个PLS-DA模型，采用得到的20个PLS-DA模型分别对每个茶叶样本进行预测并使用预测结果构建茶叶样本的排序差异总和矩阵，然后基于茶叶样本的排序差异总和矩阵构建得到每个茶叶样本的排序差异总和标准参考序列向量以及构建包含20行1列索引值的第一索引值矩阵后，调整排序差异总和矩阵中各行数据的行数构建得到第二索引值矩阵，最后通过计算绝对差值之和确定茶叶样本等级；优点是判别过程简单，且判别精度较高。
-
公开(公告)号：CN109992861B
公开(公告)日：2022-12-27
申请号：CN201910219745.X
申请日：2019-03-21
申请人： 温州大学
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G01N21/359 , G01N21/3577
摘要： 本发明公开了一种近红外光谱建模方法，通过创建若干相同的一维卷积神经网络作为负相关学习中的子网络，在每个子网络的误差函数后加上一个负相关性惩罚项，使用该复合误差函数反向传播这些子网络以进行每个子网络的参数迭代优化调整，通过对每个子网络的参数迭代优化调整实现每个子网络的收敛，最终优化收敛后的子网络即为构建得到的近红外光谱；优点是使用一维卷积神经网络作为基础模型，将一维卷积神经网络与负相关学习方法相结合，采用负相关学习方法对模型进行训练收敛，使模型具有较高的精度，且训练收敛更快，所需的建模时间和计算机资源少。
-
公开(公告)号：CN112016385A
公开(公告)日：2020-12-01
申请号：CN202010630973.9
申请日：2020-07-03
申请人： 温州大学
摘要： 本发明公开了一种基于空间分解的近红外光谱数据单分类特征抽取方法，采用空间分解的方法将主成分特征提取方法引申到单分类的特征抽取当中，通过主成分分析方法抽取目标类在主空间的特征信息，通过一阶范数抽取异常类在补空间的特征信息，在对全局空间的特征信息进行高效压缩的同时，保留了主空间和补空间的主要信息；优点是可以有效地平衡单分类特征压缩与检测敏感性降低的问题，普适性较高。
-
公开(公告)号：CN104462751B
公开(公告)日：2017-05-03
申请号：CN201410591604.8
申请日：2014-10-29
申请人： 温州大学
IPC分类号： G06F17/50
摘要： 本发明涉及一种基于多元高斯拟合的近红外光谱建模方法。本方法的建模步骤为：1.为每个光谱样本构造一个以该样本作为中心的高斯核函数；2.设置高斯核函数的宽度值的范围；3.根据已有的近红外光谱训练集数据，通过s重交叉验证求得最优的高斯核函数的宽度值和幅度值；4.将这些优化的高斯核函数叠加在一起，作为最终的模型。通过这个模型可以对新的样本的属性值进行预测。经过真实的近红外光谱数据的验证，结果显示本发明的预测效果比近红外光谱中常用的偏最小二乘法更好。因此本发明可以作为一种新的，能在实际中应用的近红外光谱建模方法。
-
公开(公告)号：CN103472013A
公开(公告)日：2013-12-25
申请号：CN201310232419.5
申请日：2013-06-09
申请人： 温州大学
IPC分类号： G01N21/31
摘要： 本发明涉及可见-近红外光谱分析技术领域，具体是一种结合Adaboost算法的可见-近红外光谱PLS-DA建模方法，特征是通过自适应增强算法(Adaboost)集成多个PLS-DA模型得到一个强的分类器。PLS-DA是红外光谱技术中一种常用的识别模型。但是PLS-DA模型不能有效的反映可见-近红外光谱与分析样本类别之间的非线性关系，因此对非线性较强的数据，PLS-DA模型的准确性会下降。Adaboost算法提供的是框架，可以使用各种方法构建子分类器。本发明使用PLS-DA作为子分类器，结合Adaboost算法得到了一个对非线性较强的数据也能准确分类的强分类器，从而可以将PLS-DA模型推广到非线性较强的数据的识别应用中。
-
公开(公告)号：CN103411913A
公开(公告)日：2013-11-27
申请号：CN201310194197.2
申请日：2013-05-22
申请人： 温州大学
IPC分类号： G01N21/35
摘要： 本发明涉及红外光谱分析技术领域，具体是一种能提高PLS建模效果的数据处理方法，解决了红外光谱分段PLS建模过程中难以选择合适分段点的问题。本方法利用遗传算法自适应得到样本的分段组合，具体步骤为：（1）根据遗传算法，对采集到的红外光谱样本进行合适的编码；（2）设置目标函数函数；（3）根据遗传算法，得到优化的样本组合；（4）根据最终的样本组合，进行分段PLS建模。现本发明提供了一种不需要数据分布的先验知识，通过遗传算法自适应的找到合适的分段点的方法，操作简单，速度快。
-
公开(公告)号：CN117851944A
公开(公告)日：2024-04-09
申请号：CN202311647938.8
申请日：2023-12-05
申请人： 温州大学
IPC分类号： G06F18/2433 , G06F18/2415 , G06N3/0455 , G06N3/094
摘要： 本发明公开了一种基于深度对抗自编码器的近红外光谱单类识别方法，通过采用自编码器和判别器构建深度对抗自编码模型，自编码器的编码器和解码器均采用深度神经网络结构，使其能够更加有效地提取目标类近红外光谱数据的潜在特征表征信息，增强自编码器对目标类的识别灵敏性，另外，在对深度对抗自编码模型进行训练时，通过判别器与自编码器的对抗训练，使得潜在特征的分布符合设置的先验分布，后续在对未知样本进行识别时，将未知样本的潜在特征映射成所设置的先验分布，通过计算相应的概率密度对未知样本在潜在特征空间内的相似度进行评价，以此弥补传统自编码器依靠单一重构误差评价指标的不足；优点是具有较高的识别准确度。
-
公开(公告)号：CN116570241A
公开(公告)日：2023-08-11
申请号：CN202310438561.9
申请日：2023-04-20
申请人： 温州大学
IPC分类号： A61B5/00
摘要： 本发明公开了一种用于AMI诊断的成像装置，通过在成像部分中设置第一偏振片，在光源部分设置第二偏振片，第一偏振片与第二偏振片均为线性偏振片，第一偏振片和第二偏振片的线性偏振方向相互垂直，在成像过程中，近红外光源所射出的近红外光束在经由第二偏振片的过程中被第二偏振片调制为某一个角度的线偏振光后照射在被测者身上，随后由于被测者的镜面反射效应反射的光线在经过第一偏振片时形成了交叉偏振，与第一偏振片偏振角度垂直的线偏振光被拦截，即反射光被拦截，由此滤除了由于被测者本身性质所产生的眩光斑，得到精度较高的图像；优点是结构比较简，成本较低，成像成本较低，从而能够降低患者诊断成本。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.02 秒)
