作者:程绍明,王俊,王永维,马杨珲 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2014年第01期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2014010010 DOC编号:DOCCGJS2014010019 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于电子鼻技术的番茄苗早疫病病害快速检测研究》PDF+DOC2013年第07期 程绍明,王俊,王永维,马杨珲 《基于电子鼻系统的番茄苗不同种类损伤的区分效果研究》PDF+DOC2012年第09期 程绍明,王俊,马杨珲,王永维 《神经网络方法用于分辨三种化学物质》PDF+DOC1996年第06期 冯伟,胡上序 《电子鼻技术在苹果质量评定中的应用》PDF+DOC2004年第03期 潘胤飞,赵杰文,邹小波,刘木华 《遗传算法在电子鼻中的应用研究》PDF+DOC2002年第01期 赵杰文,邹小波,潘胤飞 《电子鼻信号处理方法的研究进展》PDF+DOC2001年第01期 高旭昇,王平 《基于电子鼻信号判别番茄苗机械损伤程度》PDF+DOC2012年第15期 程绍明,王俊,王永维,韦真博 《基于电子鼻的番茄种子发芽率检测》PDF+DOC2011年第12期 程绍明,王俊,马杨珲,王永维,韦真博 《电子鼻技术在猪肉新鲜度识别中的应用》PDF+DOC2008年第02期 孙钟雷 《基于遗传优化神经网络的电子鼻对可乐的检测》PDF+DOC2007年第06期 鲁小利,王俊,海铮
  • 电子鼻检测的原始特征的数据量很大,一般在进行降低维数的处理前需要对原始特征进行合理的选择。选用最大值(Max)、全段数据平均值(Mean)、响应曲线最大曲率(kmax)、响应曲线的全段积分值(IV)作为4种不同特征参数对感染早疫病病害的番茄苗进行区分效果研究,结果表明在进行PCA和LDA区分时,利用全段数据平均值和响应曲线的全段积分值作为特征参数的效果较好,其次为最大值方法,最差的是响应曲线最大曲率方法;利用BP神经网络(BPNN)和遗传算法BP神经网络(GABPNN)两种识别模式进行预测时,利用全段数据平均值和响应曲线的全段积分值作为特征参数的训练集和预测集的正确率较好,其次为最大值方法,预测结果最差的是响应曲线最大曲率方法。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。