大米产地的模式识别研究

发布时间：2017-09-14 18:25

  本文关键词：大米产地的模式识别研究

  更多相关文章： 大米产地 近红外光谱 模糊C-均值聚类 逐步判别 模糊模式识别

【摘要】：在大米的生产和贸易中,迫切需要一种快速、准确、无损的识别大米产地的方法。目前较先进的识别方法是利用近红外光谱技术提取大米的组成和结构信息,再利用多元统计方法分析这些信息来确定大米的产地。由于大米的近红外光谱特征多达8000多个,且当采集的样本产地相邻、品种相同或相近时,类与类交错重叠,信息特征十分接近,识别难度很大。本文以哈尔滨市东南部相邻四个产地采集的大米的近红外光谱数据作为样本信息,对两组待识别大米分别采用Fisher判别分析法、逐步判别分析中wilks'lambda法、未解释方差法、Mahalanobis距离法、最小F值法、Rao's V法进行了识别。实验结果表明逐步判别分析中的未解释方差法较好,识别正确率相对较高,接近80%,其余识别率很低,说明使用单一的统计识别方法识别效果不够理想。为此本文采用统计模式识别与模糊模式识别相结合的思想,给出了两种集成的模式识别算法:第一种方法是逐步归类法。该法先采用模糊C-均值聚类算法将全部大米样本进行分类,建立各类大米的样本库,然后以贴近度最大和近红外光谱图像相似度最高两个指标确定待识别样品的大类,再用具有拒绝决策的K-近邻算法对照子类样本库逐步归类,以确定大米的产地和种类。此法识别正确率为98%,识别效果十分理想。第二种方法是采用模式识别与假设检验相结合的识别方法。该法以贴近度最高和差异率最低两个标准作为产地判别条件,从外部表征到内部组织结构全面细致地分辨样本,取得了理想的判别效果,该法适用于识别群体。综上,使用单一的统计方法识别产地相邻、品种相同或相近的大米效果不够理想,在实际使用时需慎用;而逐步归类法、模式识别与假设检验相结合的识别方法是集成算法,识别效果理想,可以在实践中推广应用。
【关键词】：大米产地 近红外光谱 模糊C-均值聚类 逐步判别 模糊模式识别
【学位授予单位】：黑龙江科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O657.33;TS210.7
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1 绪论10-15
• 1.1 研究意义10
• 1.2 国内外研究现状10-13
• 1.2.1 模式识别的国内外的研究现状10-12
• 1.2.2 大米产地的模式识别在国内外的研究概况12-13
• 1.3 存在的问题13
• 1.4 研究内容13-14
• 1.5 技术路线14
• 1.6 本章小结14-15
• 2 预备知识15-30
• 2.1 判别分析15-24
• 2.1.1 逐步判别分析15-20
• 2.1.2 Fisher判别20-24
• 2.2 聚类分析24-25
• 2.2.1 K-均值聚类法24-25
• 2.2.2 模糊C-均值聚类25
• 2.3 K-近邻分类法25-27
• 2.4 模糊模式识别27-29
• 2.4.1 F集的贴近度27-28
• 2.4.2 模糊模式识别原则28-29
• 2.5 本章小结29-30
• 3 大米产地的统计模式识别30-41
• 3.1 样本来源及数据预处理30-31
• 3.1.1 样本来源30
• 3.1.2 数据标准化30
• 3.1.3 降维30-31
• 3.2 判别分析31-39
• 3.2.1 待识别1号组大米的判别31-36
• 3.2.2 待识别2号组大米的判别36-39
• 3.3 本章小结39-41
• 4 大米产地的集成算法识别41-49
• 4.1 基于逐步归类法的大米产地识别41-45
• 4.1.1 对样本的贴近度分析41-42
• 4.1.2 对样本的聚类分析42-45
• 4.1.3 基于逐步归类法的大米产地鉴别45
• 4.2 基于模式识别与假设检验的大米产地分析45-48
• 4.2.1 对样本方差的检验与分析45-46
• 4.2.2 对W米与F米的模糊C-均值聚类46
• 4.2.3 对分类后的样本均值进行检验与分析46-47
• 4.2.4 识别大米产地的流程47-48
• 4.3 本章小结48-49
• 5 结论与展望49-51
• 5.1 论文的主要结论49-50
• 5.2 论文的主要创新点50
• 5.3 研究展望50-51
• 参考文献51-54
• 作者简历54-56
• 学位论文数据集56

【相似文献】

中国期刊全文数据库 前10条

1 曹希寿;;化学中模式识别的基本原理介绍[J];化学通报;1985年12期

2 聂淑仪,江乃雄;模式识别与新材料探索[J];硅酸盐学报;1987年03期

3 谢刚;陈念贻;;模式识别在冶金、化工生产优化中的应用[J];云南冶金;1992年04期

4 熊亚芳;模式识别工业调优及其应用[J];武钢技术;1994年07期

5 郭家林，，张义成，钟定忠，彭涛;模式识别在钢铁工业生产中的应用[J];武汉钢铁学院学报;1995年01期

6 丁道远;车迅;宋果男;;模式识别在气相红外光谱解析中的应用[J];科技通报;1989年02期

7 苏薇薇;;模式识别及其在药物分析领域的应用[J];广东医药学院学报;1989年02期

8 吕宜男;我国首创模式识别调优技术获巨大效益[J];化工进展;1990年05期

9 许禄;李国权;高洪琢;王淑云;;模式识别在有机化合物碳—13核磁共振波谱中的应用[J];计算机与应用化学;1990年03期

10 沈开惠;;模式识别教学法[J];大学化学;1991年04期

中国重要会议论文全文数据库 前10条

1 张如浩;赵巍;齐永和;;人类形象思维模式识别与机器模式识别之探讨[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

2 李瑞宏;李薄山;肖薇;;模式识别与病毒对抗[A];第十一届全国计算机安全技术交流会论文集[C];1996年

3 王筝;杨德超;高军涛;许翱翔;欧阳楷;;兔嗅觉神经的动力学研究——模式识别的稳健性[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年

4 吴晓明;盛元生;王克明;沙云东;李宴喜;;航空结构声疲劳应力的仿真与模式识别[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 张开银;;模式识别中的信息融合方法——二次决策[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 赵健;俞卞章;;小波与神经网络在模式识别中应用的研究[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

7 崔建国;王旭;张大千;王少曼;张威;;基于磁场刺激与神经网络肌电信号的模式识别[A];第三届全国信息获取与处理学术会议论文集[C];2005年

8 ;红外偏振图像的模式识别[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 李永杰;李凌;廖小丽;陈华富;尧德中;;在生物医学工程专业本科生中开设《模式识别》课程的实践与构想[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

10 尹春玲;胡乐乾;蔡玉乐;张海艳;;红外光谱法对茶叶种类的模式识别[A];中国化学会第十二届全国应用化学年会论文集[C];2011年

中国重要报纸全文数据库 前7条

1 陈瑜邋唐婷;让计算机会看、会听、会说、会思考[N];科技日报;2007年

2 范兴川 郑华坤;计算机形象思维创新之路[N];科技日报;2004年

3 记者 吴苡婷;心愿：让高科技走出“象牙塔”[N];上海科技报;2006年

4 本报记者 佘惠敏;模式识别，行走在电脑与人脑之间[N];经济日报;2014年

5 张琪;当机器抢了你的工作[N];经济观察报;2012年

6 记者 邵斌;汉语走上国际口语自动翻译平台[N];大众科技报;2000年

7 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年

中国博士学位论文全文数据库 前10条

1 罗颂荣;基于变量预测模型模式识别的旋转机械故障诊断研究[D];湖南大学;2015年

2 厉小润;模式识别的核方法研究[D];浙江大学;2007年

3 赵海峰;基于图的模式识别及其在计算机视觉中的应用[D];南京理工大学;2011年

4 肖潇;高维仿生信息几何学研究及其在模式识别中的应用[D];浙江工业大学;2012年

5 颜学峰;高维复杂模式识别的新方法[D];浙江大学;2002年

6 丁世飞;基于信息理论的数字模式识别及应用研究[D];山东科技大学;2004年

7 万海平;模式识别中核方法若干问题研究[D];北京邮电大学;2006年

8 陈文涛;烟草异物在线高速模式识别与剔除技术研究[D];重庆大学;2003年

9 蒋强荣;图核及其在模式识别中应用的研究[D];北京工业大学;2012年

10 胡文军;关于模式识别中大样本分类技术的几个关键问题研究[D];江南大学;2012年

中国硕士学位论文全文数据库 前10条

1 代慧梅;基于模式识别的科学数据标记方法研究[D];昆明理工大学;2016年

2 郭玉;基于仿生模式识别的机械故障诊断方法研究[D];西安工业大学;2016年

3 忽正熙;基于模式识别与机器视觉工件的识别及分拣[D];昆明理工大学;2016年

4 李潇亚;改进的GABC-SVM及其在MOOC学习模式识别中的应用[D];华南理工大学;2016年

5 梁富鑫;基于表面肌电信号的人手动作模式识别和抓取力预测技术研究[D];上海师范大学;2016年

6 朱思宇;大米产地的模式识别研究[D];黑龙江科技大学;2016年

7 孙广福;基于Landsat/OLI-TIRS数据的盐碱地模式识别[D];内蒙古师范大学;2016年

8 徐蕾;仿生模式识别应用研究[D];中国海洋大学;2008年

9 贾士力;模式识别在生物信息学中的应用[D];河北科技大学;2015年

10 王宪保;基于仿生模式识别的人脸身份确认研究[D];浙江工业大学;2003年

本文编号：851599