基于集成学习的红木木材质量评价指标的研究
发布时间：2021-08-08 07:35
红木木材的优势逐渐在木材市场中凸显,红木木材质量也越来越成为备受关注的问题。本文在M市质量技术单位“基于数字化表征的红木家具质量标准体系的构建”等项目的基础上,以红木木材质量为研究对象,应用红木木材的物理特性、化学特性以及表征特性的检测方法对各项指标进行检测,之后基于因子定权法量化红木木材质量,然后基于集成学习方法构建红木木材质量综合评价模型。研究内容主要可分三部分:一是红木木材质量相关指标的检测以及样本数据的采集,二是指标的确定以及综合评价指标的构建,三是红木木材质量指标评价模型的构建。（1）红木木材相关指标检测。首先,对红木木材的物理特性、化学特性、表征特性指标进行分析,并通过CT扫描技术对红木木材气干密度和含水率进行了检测,其次还通过研究设计整车木材直径测量技术方案,实现对木材直径进行快速测量,从而实现指标数据采集。（2）评价指标的确定。首先应用于因子定权方法对红木木材的27项指标进行了因子分析,其次通过提出的主要因子计算红木质量评价指标得分,从而对红木木材质量进行了量化。（3）红木木材质量评价模型的构建。首先基于MATLAB软件实现了单个神经网络的构建,其次通过遗传算法对生成的...
【文章来源】：昆明理工大学云南省
【文章页数】：105 页
【学位级别】：硕士
【部分图文】：
ISO木制品标准按照标准化对象属性统计
如图 2.5 所示，其研究内容主要包括：模拟大脑神经网络结构，构建神经网络结构模型；模拟大脑神经网络的记忆机制，发展学习算法。图2.3 神经网络研究框架Fig.2.3 Framework of neural networks research神经网络是由神经元组成[31]，含有约 1011 个神经元，每个神经元约有 104个连接。大脑的神经网络主要在大脑皮层，可划分为若干区域，是由一系列神经皮质柱组成，每一个神经元的神经功能，是一个层次结构。如图 2.6 所示，对大脑神经元、神经柱、皮层区域以及大脑神经元和皮层区域的连接机制建模，将构成基本的神经网络模型。目前，神经网络是由神经网络的时间序列神经网络，层次记忆神经网络以及前馈神经网络组成。这三种神经网络模拟大脑神经网络的不同特点
图 2.4 神经元、神经柱、区域连接结构、神经网络模型Fig.2.4 Models of neurons,cortical columns,cortical areas,and neural networks前馈神经网络(feedforward neural networks，FNN) 是对大脑神经网络的试，也是最简单的神经网络类型。该神经网络是由多个层次组成，每一神经元，如图 2.7 所示。不同级别之间的连接神经元只接受一层的输出。因此，在神经网络中，信息沿着一个单一的方向流动，即从输入层，过多个隐含层，最后到达输出层。文献[32]指出，只要有足够的和适当的神经元激活函数，前馈神经网络可度逼近任意的非线性映射。因此，前馈神经网络可以得到空间数据结构具有不同的结构，如传感器，深度自动编码等神经网络。这种神经网络果已经得到大家一致认可。在 2012 年大规模神经网络在图像识别领域进竞争。从那一刻起，卷积神经网络一举成名，并在整个计算机视觉领域[33]。
【参考文献】：
期刊论文
[1]基于自动化技术的整车木材直径尺寸快速测量系统研究[J]. 宋扬扬,罗璟,袁锐波,刘贝贝. 林业机械与木工设备. 2017(12)
[2]基于集成学习的交互式图像分割[J]. 刘金平,陈青,张进,唐朝晖. 电子学报. 2016(07)
[3]基于集成学习的标题分类算法研究[J]. 高元,刘柏嵩. 计算机应用研究. 2017(04)
[4]复杂产品系统模块化分解模型及应用研究[J]. 闫华锋,仲伟俊. 北京航空航天大学学报. 2017(04)
[5]20种红木类木材颜色和光泽度研究[J]. 何拓,罗建举. 林业工程学报. 2016(02)
[6]高灵敏度CCD和图像特征在车牌识别中的应用[J]. 陈聪,姚大志. 计算机仿真. 2015(11)
[7]基于卷积神经网络的图像识别算法设计与实现[J]. 王振,高茂庭. 现代计算机(专业版). 2015(20)
[8]大数据时代下档案信息采集新思路[J]. 王坤,郭起云,郭光. 数字与缩微影像. 2014(02)
[9]FPGA的模块化设计方法[J]. 张松,李筠. 电子测量与仪器学报. 2014(05)
[10]基于红外光谱的5种红木树种识别探讨[J]. 张蓉,徐魁梧,张丽沙,陈辉. 林业科技开发. 2014(02)
硕士论文
[1]过程方法在工程项目质量管理中的应用研究[D]. 李胜利.山东大学 2015
[2]拉丁美洲红木类木材识别特征量化的研究[D]. 张杰.南京林业大学 2013
[3]基于云计算的大规模图像检索后台处理系统实现[D]. 陈洪.西南交通大学 2013
[4]基于BP神经网络遥感图像特征分类方法的研究[D]. 陈芳杰.安徽理工大学 2012
[5]汽车牌照自动识别系统的研究[D]. 潘天工.哈尔滨理工大学 2006
本文编号：3329521
【文章来源】：昆明理工大学云南省
【文章页数】：105 页
【学位级别】：硕士
【部分图文】：
ISO木制品标准按照标准化对象属性统计
如图 2.5 所示，其研究内容主要包括：模拟大脑神经网络结构，构建神经网络结构模型；模拟大脑神经网络的记忆机制，发展学习算法。图2.3 神经网络研究框架Fig.2.3 Framework of neural networks research神经网络是由神经元组成[31]，含有约 1011 个神经元，每个神经元约有 104个连接。大脑的神经网络主要在大脑皮层，可划分为若干区域，是由一系列神经皮质柱组成，每一个神经元的神经功能，是一个层次结构。如图 2.6 所示，对大脑神经元、神经柱、皮层区域以及大脑神经元和皮层区域的连接机制建模，将构成基本的神经网络模型。目前，神经网络是由神经网络的时间序列神经网络，层次记忆神经网络以及前馈神经网络组成。这三种神经网络模拟大脑神经网络的不同特点
图 2.4 神经元、神经柱、区域连接结构、神经网络模型Fig.2.4 Models of neurons,cortical columns,cortical areas,and neural networks前馈神经网络(feedforward neural networks，FNN) 是对大脑神经网络的试，也是最简单的神经网络类型。该神经网络是由多个层次组成，每一神经元，如图 2.7 所示。不同级别之间的连接神经元只接受一层的输出。因此，在神经网络中，信息沿着一个单一的方向流动，即从输入层，过多个隐含层，最后到达输出层。文献[32]指出，只要有足够的和适当的神经元激活函数，前馈神经网络可度逼近任意的非线性映射。因此，前馈神经网络可以得到空间数据结构具有不同的结构，如传感器，深度自动编码等神经网络。这种神经网络果已经得到大家一致认可。在 2012 年大规模神经网络在图像识别领域进竞争。从那一刻起，卷积神经网络一举成名，并在整个计算机视觉领域[33]。
【参考文献】：
期刊论文
[1]基于自动化技术的整车木材直径尺寸快速测量系统研究[J]. 宋扬扬,罗璟,袁锐波,刘贝贝. 林业机械与木工设备. 2017(12)
[2]基于集成学习的交互式图像分割[J]. 刘金平,陈青,张进,唐朝晖. 电子学报. 2016(07)
[3]基于集成学习的标题分类算法研究[J]. 高元,刘柏嵩. 计算机应用研究. 2017(04)
[4]复杂产品系统模块化分解模型及应用研究[J]. 闫华锋,仲伟俊. 北京航空航天大学学报. 2017(04)
[5]20种红木类木材颜色和光泽度研究[J]. 何拓,罗建举. 林业工程学报. 2016(02)
[6]高灵敏度CCD和图像特征在车牌识别中的应用[J]. 陈聪,姚大志. 计算机仿真. 2015(11)
[7]基于卷积神经网络的图像识别算法设计与实现[J]. 王振,高茂庭. 现代计算机(专业版). 2015(20)
[8]大数据时代下档案信息采集新思路[J]. 王坤,郭起云,郭光. 数字与缩微影像. 2014(02)
[9]FPGA的模块化设计方法[J]. 张松,李筠. 电子测量与仪器学报. 2014(05)
[10]基于红外光谱的5种红木树种识别探讨[J]. 张蓉,徐魁梧,张丽沙,陈辉. 林业科技开发. 2014(02)
硕士论文
[1]过程方法在工程项目质量管理中的应用研究[D]. 李胜利.山东大学 2015
[2]拉丁美洲红木类木材识别特征量化的研究[D]. 张杰.南京林业大学 2013
[3]基于云计算的大规模图像检索后台处理系统实现[D]. 陈洪.西南交通大学 2013
[4]基于BP神经网络遥感图像特征分类方法的研究[D]. 陈芳杰.安徽理工大学 2012
[5]汽车牌照自动识别系统的研究[D]. 潘天工.哈尔滨理工大学 2006
本文编号：3329521
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3329521.html
