紅木木材的優(yōu)勢逐漸在木材市場中凸顯,紅木木材質(zhì)量也越來越成為備受關(guān)注的問題。本文在M市質(zhì)量技術(shù)單位“基于數(shù)字化表征的紅木家具質(zhì)量標(biāo)準(zhǔn)體系的構(gòu)建”等項目的基礎(chǔ)上,以紅木木材質(zhì)量為研究對象,應(yīng)用紅木木材的物理特性、化學(xué)特性以及表征特性的檢測方法對各項指標(biāo)進(jìn)行檢測,之后基于因子定權(quán)法量化紅木木材質(zhì)量,然后基于集成學(xué)習(xí)方法構(gòu)建紅木木材質(zhì)量綜合評價模型。研究內(nèi)容主要可分三部分:一是紅木木材質(zhì)量相關(guān)指標(biāo)的檢測以及樣本數(shù)據(jù)的采集,二是指標(biāo)的確定以及綜合評價指標(biāo)的構(gòu)建,三是紅木木材質(zhì)量指標(biāo)評價模型的構(gòu)建。（1）紅木木材相關(guān)指標(biāo)檢測。首先,對紅木木材的物理特性、化學(xué)特性、表征特性指標(biāo)進(jìn)行分析,并通過CT掃描技術(shù)對紅木木材氣干密度和含水率進(jìn)行了檢測,其次還通過研究設(shè)計整車木材直徑測量技術(shù)方案,實現(xiàn)對木材直徑進(jìn)行快速測量,從而實現(xiàn)指標(biāo)數(shù)據(jù)采集。（2）評價指標(biāo)的確定。首先應(yīng)用于因子定權(quán)方法對紅木木材的27項指標(biāo)進(jìn)行了因子分析,其次通過提出的主要因子計算紅木質(zhì)量評價指標(biāo)得分,從而對紅木木材質(zhì)量進(jìn)行了量化。（3）紅木木材質(zhì)量評價模型的構(gòu)建。首先基于MATLAB軟件實現(xiàn)了單個神經(jīng)網(wǎng)絡(luò)的構(gòu)建,其次通過遺傳算法對生成的... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：105 頁

【學(xué)位級別】：碩士

【部分圖文】：

ISO木制品標(biāo)準(zhǔn)按照標(biāo)準(zhǔn)化對象屬性統(tǒng)計

如圖 2.5 所示，其研究內(nèi)容主要包括：模擬大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型；模擬大腦神經(jīng)網(wǎng)絡(luò)的記憶機(jī)制，發(fā)展學(xué)習(xí)算法。圖2.3 神經(jīng)網(wǎng)絡(luò)研究框架Fig.2.3 Framework of neural networks research神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元組成[31]，含有約 1011 個神經(jīng)元，每個神經(jīng)元約有 104個連接。大腦的神經(jīng)網(wǎng)絡(luò)主要在大腦皮層，可劃分為若干區(qū)域，是由一系列神經(jīng)皮質(zhì)柱組成，每一個神經(jīng)元的神經(jīng)功能，是一個層次結(jié)構(gòu)。如圖 2.6 所示，對大腦神經(jīng)元、神經(jīng)柱、皮層區(qū)域以及大腦神經(jīng)元和皮層區(qū)域的連接機(jī)制建模，將構(gòu)成基本的神經(jīng)網(wǎng)絡(luò)模型。目前，神經(jīng)網(wǎng)絡(luò)是由神經(jīng)網(wǎng)絡(luò)的時間序列神經(jīng)網(wǎng)絡(luò)，層次記憶神經(jīng)網(wǎng)絡(luò)以及前饋神經(jīng)網(wǎng)絡(luò)組成。這三種神經(jīng)網(wǎng)絡(luò)模擬大腦神經(jīng)網(wǎng)絡(luò)的不同特點

圖 2.4 神經(jīng)元、神經(jīng)柱、區(qū)域連接結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)模型Fig.2.4 Models of neurons,cortical columns,cortical areas,and neural networks前饋神經(jīng)網(wǎng)絡(luò)(feedforward neural networks，F(xiàn)NN) 是對大腦神經(jīng)網(wǎng)絡(luò)的試，也是最簡單的神經(jīng)網(wǎng)絡(luò)類型。該神經(jīng)網(wǎng)絡(luò)是由多個層次組成，每一神經(jīng)元，如圖 2.7 所示。不同級別之間的連接神經(jīng)元只接受一層的輸出。因此，在神經(jīng)網(wǎng)絡(luò)中，信息沿著一個單一的方向流動，即從輸入層，過多個隱含層，最后到達(dá)輸出層。文獻(xiàn)[32]指出，只要有足夠的和適當(dāng)?shù)纳窠?jīng)元激活函數(shù)，前饋神經(jīng)網(wǎng)絡(luò)可度逼近任意的非線性映射。因此，前饋神經(jīng)網(wǎng)絡(luò)可以得到空間數(shù)據(jù)結(jié)構(gòu)具有不同的結(jié)構(gòu)，如傳感器，深度自動編碼等神經(jīng)網(wǎng)絡(luò)。這種神經(jīng)網(wǎng)絡(luò)果已經(jīng)得到大家一致認(rèn)可。在 2012 年大規(guī)模神經(jīng)網(wǎng)絡(luò)在圖像識別領(lǐng)域進(jìn)競爭。從那一刻起，卷積神經(jīng)網(wǎng)絡(luò)一舉成名，并在整個計算機(jī)視覺領(lǐng)域[33]。

【參考文獻(xiàn)】：
期刊論文
[1]基于自動化技術(shù)的整車木材直徑尺寸快速測量系統(tǒng)研究[J]. 宋揚揚,羅璟,袁銳波,劉貝貝.  林業(yè)機(jī)械與木工設(shè)備. 2017(12)
[2]基于集成學(xué)習(xí)的交互式圖像分割[J]. 劉金平,陳青,張進(jìn),唐朝暉.  電子學(xué)報. 2016(07)
[3]基于集成學(xué)習(xí)的標(biāo)題分類算法研究[J]. 高元,劉柏嵩.  計算機(jī)應(yīng)用研究. 2017(04)
[4]復(fù)雜產(chǎn)品系統(tǒng)模塊化分解模型及應(yīng)用研究[J]. 閆華鋒,仲偉俊.  北京航空航天大學(xué)學(xué)報. 2017(04)
[5]20種紅木類木材顏色和光澤度研究[J]. 何拓,羅建舉.  林業(yè)工程學(xué)報. 2016(02)
[6]高靈敏度CCD和圖像特征在車牌識別中的應(yīng)用[J]. 陳聰,姚大志.  計算機(jī)仿真. 2015(11)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法設(shè)計與實現(xiàn)[J]. 王振,高茂庭.  現(xiàn)代計算機(jī)(專業(yè)版). 2015(20)
[8]大數(shù)據(jù)時代下檔案信息采集新思路[J]. 王坤,郭起云,郭光.  數(shù)字與縮微影像. 2014(02)
[9]FPGA的模塊化設(shè)計方法[J]. 張松,李筠.  電子測量與儀器學(xué)報. 2014(05)
[10]基于紅外光譜的5種紅木樹種識別探討[J]. 張蓉,徐魁梧,張麗沙,陳輝.  林業(yè)科技開發(fā). 2014(02)

碩士論文
[1]過程方法在工程項目質(zhì)量管理中的應(yīng)用研究[D]. 李勝利.山東大學(xué) 2015
[2]拉丁美洲紅木類木材識別特征量化的研究[D]. 張杰.南京林業(yè)大學(xué) 2013
[3]基于云計算的大規(guī)模圖像檢索后臺處理系統(tǒng)實現(xiàn)[D]. 陳洪.西南交通大學(xué) 2013
[4]基于BP神經(jīng)網(wǎng)絡(luò)遙感圖像特征分類方法的研究[D]. 陳芳杰.安徽理工大學(xué) 2012
[5]汽車牌照自動識別系統(tǒng)的研究[D]. 潘天工.哈爾濱理工大學(xué) 2006



本文編號：3329521