共面互连线频变电阻电感的稳健知识神经网络模型

本文提出了一种共面互连线频变电阻电感的稳健的知识神经网络模型。该模型具有一个由主要元素项分析（PCA）得到的输入转换矩阵，具有PCA作为前处理器的神经网络，其训练过程变得高效而稳定，构建好的模型在推广性方面也更加稳健。     

基于ARM11的旅游车辆监控系统的设计

针对旅游车辆监控系统在旅客身份认证方面的不足,介绍了一种基于ARM11的旅游车辆监控系统的设计方案。在嵌入式Linux平台下实现旅客图像数据、旅客物品信息的采集、登记和关联以及对旅游车辆的定位和监控。通过USB摄像头实现视频图像数据的实时采集,利用GPS模块对旅游车辆进行定位,采用RFID技术完成旅客行李物品信息的采集,选择基于主成分分析(PCA)的人脸识别技术对旅客进行身份认证,通过GPRS网络把旅游车辆的状态信息传送到远程的车辆监控中心。测试表明,该系统性能稳定可靠。     

用统计分析方法探讨西部区县旅游业的发展

运用主成分分析方法,对影响西部区县旅游业发展的因素进行分析,探寻西部区县旅游业发展的规律,并建立旅游业收入的主成份回归模型。     

模糊模式识别在房地产预警信息系统中的应用

本文利用模糊模式识别和主成分分析等方法，进行房地产预警实证分析。以南京房地产市场为例说明。在面对若干繁冗驳杂的一系列指标时，如何进行指标归类，建立一套指标体系，以及如何分析这些指标反映的房地产市场所处的警情的层面。从而适时的得出一些分析结果，以供管理者做出及时的政策调整，避免房地产业危机的产生。     

单针打印机的设计

介绍了只有一根打印针的打印机。通过控制 400V～-400V,70kHz的交流电放电,烧蚀打印纸形成打印点,从而形成记录曲线和字符。     

氧化石墨烯改性活性炭纤维滤除卷烟主流烟气的释放物

研究了卷烟滤嘴中添加氧化石墨烯(GO)改性活性炭纤维(ACF)复合材料对卷烟主流烟气释放物的滤除作用。采用扫描电子显微镜(SEM)、X射线光电子能谱(XPS)和比表面积测定对材料进行分析,结果显示GO均匀地负载在ACF表面;与原ACF相比,GO-ACF材料的O1s峰向低结合能移动,峰形平滑,同时表面积和总孔容变大。添加GO-ACF至滤嘴的卷烟,其苯酚、氰化氢和醛酮类的释放量均比只添加ACF的卷烟释放量低,且除乙醛外均比原样降低10%以上,其中苯酚和巴豆醛的降幅达26.7%和33.1%。对烟气释放物的滤除机制研究表明,在ACF表面修饰上GO后,材料表面含有丰富的羟基、羧基、碳氧和共轭基团,活性位点增多,易与烟气中的共轭分子和极性分子发生作用。该方法量少高效,为GO二维纳米材料在卷烟领域的应用奠定了基础。     

基于贝叶斯优化的SVM玉米品种鉴别研究

为了快速检测玉米品种类型,基于支持向量机(SVM)和近红外光谱联合建立玉米品种的分类模型。以郑单958、先玉335、京科968、登海605和德美亚等五个品种共计293个样本为研究对象,对采集的近红外光谱进行标准正态变量变换(SNV)处理后使用主成分分析法(PCA)对光谱数据进行降维处理。按照6∶1比例,随机选取251个样本为训练集,42个样本作为测试集,探讨贝叶斯优化算法(BO)对SVM模型性能的影响。分别使用网格搜索(GS)、遗传算法(GA)和BO算法等三种方法对SVM模型的两个重要参数惩罚因子C和径向基核函数参数γ进行寻优。选择各模型十折交叉验证识别准确率最高时对应的惩罚因子和核参数作为建模参数,建立SVM分类模型。将使用BO算法建立的SVM分类模型与使用GS和GA进行参数寻优后建立的模型性能进行比对。实验发现,使用BO优化的SVM分类模型相比于其他两种优化算法得到的SVM模型性能具有显著优势,测试集的识别准确率可达到100%。说明使用BO算法寻优的SVM模型参数是全局最优参数,其他两种优化算法寻优的参数可能陷入了局部最优,从而导致模型性能表现不佳。在进行PCA降维前后的光谱数据上分别建立BO-SVM模型,结果表明,BO算法对于高维数据优化效果不佳,更适用于低维数据。对于不同样本类别间数量不均衡导致模型性能表现不佳的问题,通过剔除郑丹958和先玉335两类数量较少的样本,使用剩余三个类别,共计248个样本重新建立SVM模型,实验发现,剔除两类小样本之后,各个模型在测试集上的性能均有提升,说明对于类间样本数量不均衡问题,某类样本数量越多,对于模型参数的修正就越细腻,模型对该类的拟合效果就越好。研究结果可用于玉米品种的快速鉴别,也可为基于近红外光谱的其他农产品分类和产地鉴别提供参考。     

空中飞机目标噪声稳健分类方法

针对低信噪比条件下微多普勒调制易被噪声污染的问题,提出了一种基于复数域概率主成分分析(Complex Probabilistic Principal Component Analysis,CPPCA)模型的噪声稳健分类算法来实现低分辨雷达体制下三类飞机目标(喷气式飞机、螺旋桨飞机和直升机)的分类.算法依据三类飞机多普勒谱调制的差异,提出两维反映这种差异的微动特征.为了提高微动特征在低信噪比条件下的分类性能,利用CPPCA模型对雷达复回波信号建模并结合Akaike信息量准则(Akaike's Information Criterion,AIC)来自适应地确定回波中主成分的个数从而实现对数据的噪声抑制.基于实测数据的实验结果表明,该算法在较低信噪比条件下能够获得较好的噪声抑制和分类性能.     

应用可见/近红外光谱技术鉴别香菇品源的三维空间建模研究

应用可见/近红外吸收光谱技术对不同品源的香菇进行了无损鉴别研究。通过主成分分析法（PCA）将谱段为375～1 025 nm的光谱数据进行压缩和主成分提取,发现前3个主成分累计可信度可达94.37%,说明在三维空间建立样本 鉴别模型是可行的。提出了一种将PCA和三维空间聚类相结合的方法,应用遗传算法确定了样本空间分割平面。遗传算法以同源样本的分割平面方程符号反向次数最小作为适应度函数。还建立了将PCA和BP神经网络相结合的比较模型。选 取了195个样本,其中150个用于样本建模,其余45个用于检验模型预测能力。两个模型使用相同的建模集和预测集。结果表明,两个模型预测能力基本一样,准确率均高于91％。与BP神经网络相比,新方法更加直观简便,为仪器化鉴别 提供了新途径。     

主成分-人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出。主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短。用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％。