排序方式: 共有39条查询结果,搜索用时 15 毫秒
11.
12.
脂肪作为牛奶中的重要营养成分,是评价牛奶质量的一项重要指标。高光谱图像技术能够提供几十到数千波长的数据,能够反映牛奶中不同组成成分细微的光谱差异;另一方面,相邻波段之间往往具有很强的相关性,不仅增加了计算量,而且容易造成维数灾难等问题,因此对高光谱数据进行波段选择非常重要。工作中提出了PLS-ACO特征波段选择方法,并与遗传算法结合,组合成了PLS-ACO-GA的特征波段选择新方法。提出的两种方法以蚁群算法为基础,PLS回归模型回归系数的绝对值作为评价波长重要性的主要依据,以此作为蚁群算法的启发式信息,利用蚁群算法进行智能搜索,结合遗传算法,产生更多优秀的特征波段组合,避免PLS-ACO算法得到的只是局部最优解,得到的最优波段组合能够更好的反映牛奶中脂肪成分的信息;通过计算波长贡献率,筛选出最优波段组合,并与遗传算法,CARS算法和基本蚁群算法光谱特征选择方法比较,最后比较不同特征选择方法下的PLS回归模型预测效果。PLS-ACO, PLS-ACO-GA, CARS, GA和ACO分别筛选了牛奶样品光谱中的18,16,40,43和42个特征波段。其中PLS-ACO-GA筛选波段后的PLS预测模型效果最好,预测集R2p和RMSEP分别为0.997 6和0.062 2,PLS-ACO次之,预测集R2p和RMSEP分别为0.997 0和0.077 8。PLS-ACO和PLS-ACO-GA不仅减少了特征波段数量,而且提高了模型的精度。对PLS-ACO-GA进行特征波段选择后的数据,建立MLR,RFR和PLS回归预测模型。MLR预测模型的R2p和RMSEP分别为0.997 6和0.062 3。RFR回归模型R2p和RMSEP分别为0.999 9和0.003 0,PLS回归模型的R2p和RMSEP分别为0.997 6和0.062 2。RFR模型在三种回归预测模型中表现最好。研究结果表明PLS-ACO和PLS-ACO-GA这两种方法可以实现光谱数据特征波段选择,高光谱技术可以实现牛奶中脂肪含量的检测,为牛奶脂肪含量检测提供了一种新的、快速无损的方法。 相似文献
13.
随着空中交通的信息传输与新应用拓展需求不断增加,1090ES信号容量有限问题日益显现,对1090ES信号进行容量扩充是一种有效解决途径。针对一种基于脉内调相的1090ES信号扩容技术,给出了叠加调制的信号模型,研究了1090ES信号的解调解码算法;在GNU Radio+USRP软件无线电平台上,实现了1090ES扩容信号的产生和接收处理,包括脉冲位置调制(Pulse Position Modulation,PPM)与8PSK叠加调制、低通滤波、报头检测、载波同步、PPM解码和相位解调等,并利用Matlab对实验的解码错误率和信号的频谱特性做了统计分析与仿真,结果表明了该扩容技术的可行性。 相似文献
14.
文章介绍了基于TETRA网络构建WAP业务的方法,并对开发过程中遇到的一些问题提出了解决方案。 相似文献
15.
16.
17.
对爆轰试验进行数值模拟,为得到较高分辨率的、能较精确描述物理过程的数值模拟结果,必须对网格进行细分,其计算量必将随网格数的增加而呈指数级的剧增。原来的串行程序因受单机性能的限制而不能做精密化的数值模拟。因此,研究爆轰试验数值模拟的并行计算,使之能够在多台高档微机组成的并行平台上有效运行,以适应大规模、高逼真的爆轰波传播数值模拟的需要。 相似文献
18.
19.
20.
相关域双谱时延估计方法 总被引:3,自引:0,他引:3
提出了基于接收信号互相关数据的双谱时延估计新方法,为无源跟踪系统提供了一种高精度时延估计方法。实航数据处理结果表明,该方法时延估计误差只有广义互相关法的1/6。 相似文献