高等学校优秀青年教师教学科研奖励计划(02411)
- 作品数：52 被引量：1,147H指数：24
- 相关作者：何勇鲍一丹裘正军王莉李晓丽更多>>
- 相关机构：浙江大学浙江大学医学院附属邵逸夫医院金华职业技术学院更多>>
- 发文基金：高等学校优秀青年教师教学科研奖励计划国家自然科学基金浙江省自然科学基金更多>>
- 相关领域：农业科学机械工程理学轻工技术与工程更多>>
- 基于光谱技术的杨梅汁品种快速鉴别方法的研究被引量：13
- 2007年
- 为了实现杨梅汁品种的快速无损鉴别,提出了一种用可见和近红外光谱技术快速鉴别杨梅汁品种的新方法。首先采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为9。完成特征提取后,将这9个主成分作为神经网络的输入变量,建立了三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作。3个品种的杨梅汁样本数均为20,共计60个样本。在神经网络学习中,将其分成训练集样本51个和预测集样本9个。对9个未知样本进行预测,准确率为100%。说明本文提出的基于光谱技术和模式识别的方法具有很好的分类和鉴别能力。
- 岑海燕鲍一丹何勇
- 关键词：偏最小二乘法BP神经网络模式识别杨梅汁光谱技术
- 基于可见-近红外光谱的制动液品牌鉴别方法研究被引量：9
- 2008年
- 提出了一种基于可见-近红外光谱分析技术快速鉴别汽车制动液品牌的新方法。采用美国ASD公司的便携式光谱仪对五种不同品牌的制动液进行光谱分析,各获取60个样本数据。采用平均平滑法和标准归一化方法对样本数据进行预处理,再对光谱数据进行主成分分析,建立第一主成分和第二主成分的二维散点图,表明不同品牌制动液具有较好的聚类特性。将前6个主成分作为输入量,制动液品牌作为输出量,建立了基于逐步判别分析法的鉴别模型。随机抽取225个样本用于建模,余下的75个样本用于模型验证。试验结果表明验证准确率达到94.67%,说明所提出的方法具有很好的分类和鉴别作用,为制动液品牌的快速鉴别提供了一种新方法。
- 蒋璐璐谈黎虹裘正军陆江锋何勇
- 关键词：制动液光谱分析主成分分析
- 基于WebGIS的农机化信息管理系统设计与实现被引量：19
- 2005年
- 针对目前我国农机化信息管理工作中存在的一些亟待解决的问题,提出并建立了一个基于Web GIS的农机化信息管理系统。该系统利用JAVA技术将Web GIS与传统的农机化信息管理系统相结合,实现了基于互联网/局域网的农机化信息管理功能。系统充分利用Web GIS强大的图形处理能力,实现了农机化信息可视化管理和农机化发展水平区划分析功能,解决了农机化信息统计不直观及农机化发展水平区划分析中工作量大、效率低等问题,大大提高了农机区划工作的科学性、直观性和农机化信息管理的效率。
- 何勇余心杰
- 关键词：网络地理信息系统信息管理农业机械化
- 用近红外光谱鉴别杨梅品种的研究被引量：74
- 2006年
- 提出了一种用近红外光谱技术快速无损鉴别杨梅品种的新方法,首先用主成分分析法对典型的四个杨梅品种进行聚类分析,获取杨梅的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别.主成分分析表明,以主成分1和2对样本的得分值做出的得分图,对不同种类杨梅具有较好的聚类作用,可以定性分析杨梅种类.利用主成分分析可以把原始波长变量压缩成能代表原始变量的少数相互正交的主成分,用这些新变量作为神经网络的输入,建立3层BP人工神经网络模型.四个杨梅品种共100个样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到95%.说明综合主成分分析和人工神经网络的方法具有很好的分类和鉴别作用,为杨梅的品种鉴别提供了一种新方法.
- 何勇李晓丽
- 关键词：近红外光谱杨梅人工神经网络
- 基于模糊聚类的BP神经网络模型研究及应用被引量：41
- 2004年
- 在神经网络的应用过程中,经常遇到样本太多问题,采用模糊聚类分析,科学选取学习样本,使少量的学习样本本身包含全部样本的特性,很好地解决了由于样本多学习速度慢的问题,并提出了训练结果检验方法.此方法可以作为神经网络应用的一个拓展.
- 何勇项利国
- 关键词：BP神经网络聚类
- 应用红外光谱技术快速检测月桂酸单甘油酯的品质指标被引量：14
- 2008年
- 月桂酸单甘油酯是用途广泛的食品添加剂,在其制备过程中经分子蒸馏得到的制备品中会有月桂酸、甘油等杂质。用化学滴定或气相色谱等传统方法检测制备品中的月桂酸单甘油酯纯度及其杂质含量过程相当繁琐。为了对月桂酸单甘油酯制备品的品质进行快速定量,先利用气相色谱法确定不同工艺下的月桂酸单甘油酯产品中各成分的含量,再利用傅立叶红外光谱仪对月桂酸单甘油酯制备品进行分析,得到它们的光谱数据曲线,并结合主成分分析和反向传播神经网络建立回归模型。通过对实验结果的均方根误差预测值PRMSE以及相关系数r辨析,预测月桂酸单甘油酯含量的结果为PRMSE=3.6376,r=0.9950,预测甘油含量的结果为PRMSE=1.4764,r=0.9795,预测月桂酸含量的结果为PRMSE=1.2859,r=0.9247。结果表明,应用光谱分析方法能够较好检测月桂酸单甘油酯、月桂酸和甘油含量。
- 冯凤琴张辉王莉何勇
- 关键词：医用光学与生物技术傅里叶变换红外光谱主成分分析反向传播神经网络
- 基于独立主成分和BP神经网络的干红葡萄酒品种的鉴别被引量：25
- 2009年
- 为了实现葡萄酒品种的快速无损鉴别,选用五种干红葡萄酒,进行可见和近红外光谱实验,提出了一种用可见和近红外光谱技术快速鉴别葡萄酒品种的新方法。采用独立主成分分析进行模式特征分析,经过选用不同的独立主成分数进行建模和预测,确定最佳独立主成分数为20。将这20个主成分作为神经网络的输入变量,建立三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作。5个品种的葡萄酒样本数均为35,共计175个样本。在神经网络学习中,将其分成训练集样本150个和预测集样本25个。对25个未知样本进行预测,准确率为100%。该研究在独立主成分分析的基础之上,根据干红葡萄酒各独立主成分的混合矩阵向量载荷图,选取了两个波段(400～430nm与512～532nm)作为葡萄酒的独立主成分分析的特征波段。说明该文提出的基于光谱技术和模式识别的方法不仅对葡萄酒具有很好的分类和鉴别能力,并且可以提取出葡萄酒的指纹特征,可用于葡萄酒的检测与技术开发。
- 吴桂芳蒋益虹王艳艳何勇
- 关键词：葡萄酒BP神经网络
- 基于光谱技术的桔子汁品种鉴别方法的研究被引量：14
- 2007年
- 为了实现桔子汁不同品种的快速光谱鉴别,首先采用主成分分析法对光谱数据进行聚类分析,从定性分析的角度得到四种不同品种桔子汁的特征差异。同时将小波变换用于对大量光谱数据的压缩,并结合RBF神经网络建立桔子汁品种鉴别的定量分析模型。该模型将小波压缩后的数据作为神经网络的输入向量,建立径向基函数RBF神经网络。4个品种共240个样本用来建立RBF神经网络的训练模型,剩余的60个样本用于预测。预测结果表明,小波变换结合RBF神经网络的桔子汁品种鉴别的准确率达到100%。说明文章提出的基于光谱技术的鉴别方法具有很好的分类能力,它为桔子汁品种的快速鉴别提供了一种新方法。
- 邵咏妮何勇潘家志裘正军
- 关键词：近红外光谱桔子汁主成分分析小波变换RBF神经网络
- 可见光/近红外光谱技术快速测定橙汁柠檬酸含量被引量：12
- 2007年
- 为了快速无损测定橙汁的柠檬酸含量,提出了一种用可见光/近红外光谱技术进行检测的新方法。选用高效液相色谱法作为光谱柠檬酸测定的标定方法。采用平滑点数为5的移动平滑法对原始光谱进行预处理消除噪声。由于采集的光谱数据量非常大,为了减少建模时间,建模之前采用小波变换对经过预处理的大量光谱数据进行降维压缩,并在Matlab7.01中通过自编程序实现此变换。利用光谱专用分析软件Unscrambler 9.5,对压缩后的新变量进行分析,建立偏最小二乘(PLS)校正模型。考虑到不同小波基及分解尺度对数据压缩的影响,采用预测平方和PRESS值最小的评价标准,选择最佳的小波基Db4及分解尺度5。用于本实验的样本总数为40,其中30个样本进行建模,10个用于预测。用校正集相关系数(r)和标准偏差(SEC)作为校正模型的评价指标,预测结果采用预测相关系数(r)和预测标准偏差(SEP)来评定。文章将基于小波变换的PLS模型与直接建立的PLS模型进行了比较,偏最小二乘法结合小波变换的模型预测相关系数为r=0.901,预测标准偏差SEP=0.937;而由PLS建立的模型其预测相关系数r=0.849,预测标准偏差SEP=1.662。由此可见,由偏最小二乘法结合小波变换所得模型效果优于单独使用偏最小二乘法的结果。
- 岑海燕何勇张辉冯凤琴
- 关键词：偏最小二乘法小波变换橙汁柠檬酸
- 基于神经网络的作物营养诊断专家系统被引量：29
- 2005年
- 针对传统专家系统自学习能力差的缺点,设计了基于神经网络的作物营养诊断专家系统。收集了小麦缺素时的田间宏观表现、叶部、茎部、果实症状及引起缺素的原因,由专家进行诊断,将其在诊断过程中输入的可信度值和结论作为神经网络的输入神经元和输出神经元。在PC机上经过神经网络学习产生的学习结果存入永久性存储器中作为系统知识库的一部分,然后采用MCS-51C进行设计,在单片机上实现了整个系统的诊断功能。通过田间试验表明该系统充分模仿了专家现场诊断的功能,大大提高了诊断效率。
- 何勇宋海燕
- 关键词：专家系统神经网络小麦
