非線性流行降維與近紅外光譜分析技術(shù)的大米貯藏期快速判別
[Abstract]:A new method based on popular dimensionality reduction near infrared spectroscopy (NIR) was proposed to quickly identify the storage period of rice. The characteristic curves of reflectance spectra of aged and new meters were obtained by using near infrared spectrometer. The original spectrum was pretreated by direct orthogonal signal correction method (direct orthogonal signal correction,DOSC), and the signals independent of dependent variable Y matrix were filtered out in the spectral data. In order to eliminate the influence of independent information on the modeling accuracy of subsequent feature variables. The nonlinearity of spectral data structure was qualitatively analyzed by Durbin-Watson and Run, and the degree of nonlinearity of rice spectral curve was quantitatively analyzed by enhanced partial residuals (augmented partial residual plot). Linear epidemic dimensionality reduction method including principal component analysis (PCA) and multidimensional scale analysis (MDS) and nonlinear epidemic dimensionality reduction method (ISOMAP),) including isometric mapping (ISOMAP),) are used respectively. The local linear embedding method (LLE) and Laplace feature mapping (LE) are used to extract the intrinsic variables of the pre-processed spectral data, and the coupling model between the intrinsic variables and the storage time attributes is established with the kernel partial least squares method (KPLS). There are 200 samples of aged and new rice in the experiment. The training set and test set are randomly divided into 300 and 100 samples. By comparing the prediction results of each model, it is concluded that the regression model based on 40 intrinsic variables extracted by ISOMAP nonlinear dimensionality reduction method has the best prediction effect, and the prediction correlation coefficient (R2P) is the best. The root mean square error (RMSEP) and the predicted relative analysis error (RPD) were 0.917 ~ 0.187 and 2.698, respectively. The experimental results show that the proposed method has a good ability to identify rice storage period, and this study provides a scientific means for rapid nondestructive testing of rice storage period in the future.
【作者單位】: 鹽城工學(xué)院電氣工程學(xué)院;四川農(nóng)業(yè)大學(xué)機(jī)電學(xué)院;
【基金】:國(guó)家自然科學(xué)基金項(xiàng)目(31501221,31601227) 江蘇省自然科學(xué)基金項(xiàng)目(BK20140467,BK20161310) 江蘇省高校自然科學(xué)研究面上項(xiàng)目(13KJB210006) 鹽城市農(nóng)業(yè)科技指導(dǎo)性計(jì)劃項(xiàng)目(YKN2014009,YKN2014010)資助
【分類號(hào)】:O657.33;TS210.7
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 丁華;王婧;嚴(yán)偉;趙明明;周有祥;袁英;羅學(xué)義;楊潔;;儲(chǔ)藏溫度對(duì)真空包裝石碾米陳化指標(biāo)的影響[J];湖北農(nóng)業(yè)科學(xué);2014年24期
2 袁德強(qiáng);趙榮珍;;基于LLTSA的轉(zhuǎn)子故障數(shù)據(jù)集降維方法[J];噪聲與振動(dòng)控制;2014年05期
3 叢偉;景博;于宏坤;;基于KPLS特征提取的WNN模擬電路軟故障診斷[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期
4 張鵬;王丹;李江闊;魯曉翔;陳紹慧;;基于近紅外漫反射光譜技術(shù)判別柿子品種和貯藏期的研究[J];食品安全質(zhì)量檢測(cè)學(xué)報(bào);2014年04期
5 唐曉燕;高昆;倪國(guó)強(qiáng);;基于非線性降維的高光譜混合像元分解算法[J];計(jì)算機(jī)仿真;2014年04期
6 邵超;萬(wàn)春紅;;基于等距映射的監(jiān)督多流形學(xué)習(xí)算法[J];模式識(shí)別與人工智能;2014年02期
7 陸克盛;汪靈枝;;基于核偏最小二乘回歸神經(jīng)網(wǎng)絡(luò)集成降水預(yù)測(cè)模型[J];沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào);2013年03期
8 李月嬌;劉秉瀚;;基于自適應(yīng)鄰域參數(shù)的拉普拉斯特征映射[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期
9 白俊卿;閆桂榮;王成;;利用局部線性嵌入的模態(tài)識(shí)別[J];西安交通大學(xué)學(xué)報(bào);2013年01期
10 肖昕,謝新華,毛興學(xué),羅文永,陳建偉,劉彥卓,李曉方;用近紅外透射光譜技術(shù)測(cè)定精米蛋白質(zhì)含量研究[J];分析測(cè)試學(xué)報(bào);2004年04期
【共引文獻(xiàn)】
相關(guān)期刊論文 前10條
1 林萍;陳永明;鄒志勇;;非線性流行降維與近紅外光譜分析技術(shù)的大米貯藏期快速判別[J];光譜學(xué)與光譜分析;2016年10期
2 于卓熙;溫馨;張桓森;;基于LLE與CFSFDP算法的企業(yè)電子商務(wù)網(wǎng)站分類評(píng)價(jià)[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年03期
3 劉曉華;劉艷芬;;多光束干涉下的LED光譜像差校正技術(shù)[J];計(jì)算機(jī)仿真;2016年07期
4 梁金平;董唯光;毛向德;;變流器故障特征提取與維數(shù)約簡(jiǎn)方法研究[J];計(jì)算機(jī)工程;2015年12期
5 李小昱;庫(kù)靜;顏伊蕓;徐夢(mèng)玲;徐森淼;金瑞;;基于高光譜成像的綠皮馬鈴薯檢測(cè)方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2016年03期
6 邵超;張嘯劍;;基于通勤時(shí)間距離的流形聚類與可視化[J];計(jì)算機(jī)研究與發(fā)展;2015年08期
7 唐圣學(xué);蔡紅軍;李志剛;;基于小波與神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷融合方法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期
8 黃穎;金龍;黃小燕;史旭明;金健;;基于局部線性嵌入的人工智能臺(tái)風(fēng)強(qiáng)度集合預(yù)報(bào)模型[J];氣象;2014年07期
9 徐一茹;劉翠玲;孫曉榮;吳勝男;董秀麗;;基于近紅外和中紅外光譜技術(shù)的小麥粉品質(zhì)檢測(cè)及摻雜鑒別方法[J];食品科學(xué);2014年12期
10 趙小強(qiáng);周金虎;;一種基于擴(kuò)散映射的化工過程IWO-FCM數(shù)據(jù)挖掘算法[J];蘭州理工大學(xué)學(xué)報(bào);2014年03期
【二級(jí)參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 張玉榮;馬記紅;倫利芳;褚洪強(qiáng);付玲;;真空包裝解封后大米儲(chǔ)藏品質(zhì)變化研究[J];糧油食品科技;2013年06期
2 夏均忠;蘇濤;馬宗坡;冷永剛;白云川;;基于EMD的滾動(dòng)軸承故障特征提取方法[J];噪聲與振動(dòng)控制;2013年02期
3 陳法法;湯寶平;蘇祖強(qiáng);;基于局部切空間排列與MSVM的齒輪箱故障診斷[J];振動(dòng)與沖擊;2013年05期
4 萬(wàn)鵬;王紅軍;徐小力;;局部切空間排列和支持向量機(jī)的故障診斷模型[J];儀器儀表學(xué)報(bào);2012年12期
5 王瀛;郭雷;梁楠;;基于線性變換的高光譜圖像端元提取算法[J];計(jì)算機(jī)仿真;2012年12期
6 張鵬;李江闊;陳紹慧;馮曉元;王寶剛;周志江;;磨盤柿褐變指標(biāo)的可見/近紅外漫反射無損預(yù)測(cè)研究[J];食品與生物技術(shù)學(xué)報(bào);2012年11期
7 楊慶;陳桂明;何慶飛;劉鯖潔;;局部切空間排列算法用于軸承早期故障診斷[J];振動(dòng).測(cè)試與診斷;2012年05期
8 顧艷春;;一種改進(jìn)的局部切空間排列算法[J];計(jì)算機(jī)應(yīng)用研究;2013年03期
9 劉雪梅;章海亮;;基于DPLS和LS-SVM的梨品種近紅外光譜識(shí)別[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2012年09期
10 牛曉穎;邵利敏;趙志磊;張曉瑜;;基于BP-ANN的草莓品種近紅外光譜無損鑒別方法研究[J];光譜學(xué)與光譜分析;2012年08期
【相似文獻(xiàn)】
相關(guān)期刊論文 前1條
1 韓之農(nóng);;X~2距離系數(shù)在高維樣品點(diǎn)的極點(diǎn)降維法中的運(yùn)用[J];吉林化工學(xué)院學(xué)報(bào);1984年04期
相關(guān)會(huì)議論文 前1條
1 張凱;李剛;;基于改進(jìn)降維法的可靠度分析[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年
相關(guān)碩士學(xué)位論文 前1條
1 俞紅;軸對(duì)稱體內(nèi)壁腐蝕反演的攝動(dòng)降維法[D];復(fù)旦大學(xué);2009年
,本文編號(hào):2409529
本文鏈接:http://sikaile.net/kejilunwen/huaxue/2409529.html