本文關(guān)鍵詞：廣義模糊K調(diào)和均值聚類的近紅外光譜生菜儲藏時間鑒別

  更多相關(guān)文章： 近紅外光譜 生菜 儲藏時間 線性判別分析 模糊K調(diào)和均值聚類

【摘要】：生菜的儲藏時間是影響生菜新鮮程度的重要因素。為了快速、無損和有效地鑒別生菜的儲藏時間,以歐式距離的p次方代替模糊K調(diào)和均值聚類(FKHM)中歐式距離的平方提出了一種廣義模糊K調(diào)和均值聚類(GFKHM)算法并將該算法應用于鑒別生菜的儲藏時間。以60個新鮮生菜樣本為研究對象,采用AntarisⅡ近紅外光譜分析儀每隔12h檢測生菜的近紅外漫反射光譜,共檢測三次,光譜掃描的波數(shù)范圍為10 000~4 000cm~(-1)。首先用主成分分析(PCA)對1 557維的生菜近紅外光譜進行降維處理以減少冗余信息,取前20個主成分,經(jīng)過PCA處理后得到20維的數(shù)據(jù)。然后用線性判別分析(LDA)提取光譜數(shù)據(jù)的鑒別信息以提高聚類的準確率,取鑒別向量數(shù)為2,則LDA將20維的數(shù)據(jù)轉(zhuǎn)換為2維數(shù)據(jù)。最后以模糊C-均值聚類(FCM)的類中心作為FKHM和GFKHM的初始聚類中心,分別運行FKHM和GFKHM計算模糊隸屬度以實現(xiàn)生菜儲藏時間的鑒別。結(jié)果表明,GFKHM的鑒別準確率能達到92.5%,FKHM的鑒別準確率為90.0%,GFKHM具有比FKHM更高的鑒別準確率。GFKHM的聚類中心比FKHM更逼近真實類中心。GFKHM的收斂速度明顯快于FKHM。采用近紅外光譜技術(shù)同時結(jié)合GFKHM,PCA和LDA為快速和無損地鑒別生菜儲藏時間提供了一種新的方法。
【作者單位】： 江蘇大學電氣信息工程學院;江蘇大學機械工業(yè)設施農(nóng)業(yè)測控技術(shù)與裝備重點實驗室;江蘇大學京江學院;滁州職業(yè)技術(shù)學院信息工程系;
【關(guān)鍵詞】： 近紅外光譜 生菜 儲藏時間 線性判別分析 模糊K調(diào)和均值聚類
【基金】：國家自然科學基金項目(31101082) 江蘇高校優(yōu)勢學科建設工程項目PAPD資助
【分類號】：TS255.3;O657.33
【正文快照】： 1.江蘇大學電氣信息工程學院,江蘇鎮(zhèn)江2120132.江蘇大學機械工業(yè)設施農(nóng)業(yè)測控技術(shù)與裝備重點實驗室,江蘇鎮(zhèn)江2120133.江蘇大學京江學院,江蘇鎮(zhèn)江2120134.滁州職業(yè)技術(shù)學院信息工程系,安徽滁州239000引言生菜中含有豐富的營養(yǎng)物質(zhì)[1],它是人們經(jīng)常食用的蔬菜之一。隨著人們生活

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 申明金;用模糊K均值聚類分析研究茶葉分類[J];廣西民族學院學報(自然科學版);2005年03期

2 楊志浩;劉基;;模糊C-均值聚類分析研究大亞灣水質(zhì)空間分布規(guī)律[J];科技廣場;2010年01期

3 楊曉波;基于模糊C均值聚類的織物平整度等級評定[J];蘇州大學學報(工科版);2005年03期

4 申明金;模糊K均值聚類分析在化合物酸堿性分類研究中的應用[J];淮北煤炭師范學院學報(自然科學版);2005年03期

5 王麗;李敬有;荊濤;;一種快速全局聚類算法應用于化工建模的數(shù)據(jù)提取[J];化工自動化及儀表;2009年06期

6 白瑞祥;李若巖;宋輝;;模糊C-均值聚類分析系統(tǒng)設計與實現(xiàn)[J];天津科技大學學報;2005年04期

7 李偉;付玉;蔣鵬;李英年;;基于K均值聚類的FRP復合材料容器損傷聲發(fā)射信號模式識別[J];壓力容器;2014年08期

8 任正云,李平,王占山,李奇安;模糊C均值聚類在萃取精餾塔軟測量中的應用[J];撫順石油學院學報;2001年01期

9 陳春升;;利用模糊C-均值聚類分析法實現(xiàn)織物組織結(jié)構(gòu)自動識別[J];毛紡科技;2006年04期

10 蔡美峰,王鵬,趙奎,張登科,;基于遺傳算法的巖體結(jié)構(gòu)面的模糊C均值聚類方法[J];巖石力學與工程學報;2005年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 繆曉雷;戴政國;陳建新;;基于模糊C均值聚類的冠狀動脈血管自動提取[A];中國電子學會第十六屆信息論學術(shù)年會論文集[C];2009年

2 張勇;吳文健;劉志明;;基于改進K均值聚類分析的迷彩偽裝涂料選取[A];中國化學會第26屆學術(shù)年會應用化學分會場論文集[C];2008年

3 劉元元;劉華平;高蒙;孫富春;孟麗霞;;GPU加速的在線K均值聚類粒子濾波跟蹤算法[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

4 陳彪;徐捷;;基于遺傳算子和粒子群混合的K均值聚類方法[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

5 趙雪紅;張來斌;樊建春;;基于模糊C-均值聚類分析的磨損狀態(tài)評判體系[A];第二屆全國工業(yè)摩擦學大會暨第七屆全國青年摩擦學學術(shù)會議會議論文集[C];2004年

6 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學習[A];2011'中國西部聲學學術(shù)交流會論文集[C];2011年

7 周霄鵬;齊瑞云;;一種基于改進型可能性C-均值聚類和故障向量的未知類型故障診斷方法[A];第24屆中國控制與決策會議論文集[C];2012年

8 楊春梅;萬柏坤;丁北生;;數(shù)據(jù)預處理和初始化方法對K-均值聚類的影響[A];中國儀器儀表學會第五屆青年學術(shù)會議論文集[C];2003年

9 王啟志;王曉霞;;基于模糊C均值聚類的故障診斷[A];2008中國儀器儀表與測控技術(shù)進展大會論文集（Ⅲ）[C];2008年

10 成曙;姚良;張振仁;;基于小波包分解和模糊C均值聚類的柴油機氣閥機構(gòu)故障診斷[A];設備監(jiān)測與診斷技術(shù)及其應用——第十二屆全國設備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 高芬芬;基于神經(jīng)網(wǎng)絡與模糊C均值聚類的鍋爐及其輔助系統(tǒng)能效診斷[D];華北電力大學;2015年

2 王軍婷;K均值聚類分割的多特征圖像檢索方法研究[D];南昌航空大學;2011年

3 于洋;模糊聚類分析中模糊c均值聚類計算方法研究[D];沈陽工業(yè)大學;2009年

4 宋清棟;模糊c均值聚類技術(shù)研究[D];廣西師范大學;2012年

5 趙偉剛;基于數(shù)據(jù)預處理和K-均值聚類的支持向量回歸預測模型[D];蘭州大學;2012年

6 劉偉;K調(diào)和均值聚類分析原理及應用[D];山西醫(yī)科大學;2014年

7 姜麗;模糊C均值聚類的理論與應用研究[D];浙江工商大學;2010年

8 陳麗萍;模糊C-均值聚類的研究[D];燕山大學;2009年

9 于璐婧;圖能量在腫瘤特征基因提取問題中的應用[D];山東大學;2014年

10 藺立娜;基于模糊C均值聚類與支持向量機的交通標志識別研究[D];燕山大學;2013年

，

本文編號：809927