软件工程师
軟件工程師
연건공정사
SOFTWARE ENGINEER
2010年
5期
53-55
,共3页
周子立%张怡芳%何勇%吴迪
週子立%張怡芳%何勇%吳迪
주자립%장이방%하용%오적
可见-近红外光谱%信息处理%机油%主成分分析%小波变换%人工神经网络
可見-近紅外光譜%信息處理%機油%主成分分析%小波變換%人工神經網絡
가견-근홍외광보%신식처리%궤유%주성분분석%소파변환%인공신경망락
利用光谱仪测得三种品牌共150个机油样本的光谱数据,再借助数据处理软件对原始光谱数据进行处理,处理后的数据先采用主成分分析法对机油品种进行定性分类,然后利用小波变换技术提取光谱特征信息,把光谱特征信息作为人工神经网络的输入建立机油品种识别模型,对机油品种进行定量鉴别.从每种机油50个样本共计150个样本中随机抽取120个样本(每种40个样本)用来建立神经网络模型,剩下的30个机油样本用于预测.品种识别准确率达到100%.说明本文提出的方法具有很好的分类和鉴别作用,为机油的品种鉴别提供了一种新方法.
利用光譜儀測得三種品牌共150箇機油樣本的光譜數據,再藉助數據處理軟件對原始光譜數據進行處理,處理後的數據先採用主成分分析法對機油品種進行定性分類,然後利用小波變換技術提取光譜特徵信息,把光譜特徵信息作為人工神經網絡的輸入建立機油品種識彆模型,對機油品種進行定量鑒彆.從每種機油50箇樣本共計150箇樣本中隨機抽取120箇樣本(每種40箇樣本)用來建立神經網絡模型,剩下的30箇機油樣本用于預測.品種識彆準確率達到100%.說明本文提齣的方法具有很好的分類和鑒彆作用,為機油的品種鑒彆提供瞭一種新方法.
이용광보의측득삼충품패공150개궤유양본적광보수거,재차조수거처리연건대원시광보수거진행처리,처리후적수거선채용주성분분석법대궤유품충진행정성분류,연후이용소파변환기술제취광보특정신식,파광보특정신식작위인공신경망락적수입건립궤유품충식별모형,대궤유품충진행정량감별.종매충궤유50개양본공계150개양본중수궤추취120개양본(매충40개양본)용래건립신경망락모형,잉하적30개궤유양본용우예측.품충식별준학솔체도100%.설명본문제출적방법구유흔호적분류화감별작용,위궤유적품충감별제공료일충신방법.
