CAJ | 학술논문

采用电子鼻对三种不同年份的番茄种子进行分析.结果表明:利用电子鼻可以很好的区分不同年份的番茄种子；利用主成分分析方法(PCA)基本上可以辨别出不同掺杂比例的种子,但是当掺杂比例为37.5%和50%时,较难利用电子鼻进行辨别区分；利用线性判别分析方法(LDA)可以很好的辨别出不同掺杂比例的番茄种子,并且每个混合种类的区域集中性都很好,所以相对于PCA方法,利用LDA方法得到的数据区域集中性要明显优于PCA方法得到的结果.在主成分分析和线性分析的基础上,利用BP神经网络和支持向量机两种模式对相互掺杂的种子进行分类识别,结果表明:相对于支持向量机模式识别,BP神经网络预测系统的误差较小,具有很好的预测性能.
채용전자비대삼충불동년빈적번가충자진행분석.결과표명:이용전자비가이흔호적구분불동년빈적번가충자；이용주성분분석방법(PCA)기본상가이변별출불동참잡비례적충자,단시당참잡비례위37.5%화50%시,교난이용전자비진행변별구분；이용선성판별분석방법(LDA)가이흔호적변별출불동참잡비례적번가충자,병차매개혼합충류적구역집중성도흔호,소이상대우PCA방법,이용LDA방법득도적수거구역집중성요명현우우PCA방법득도적결과.재주성분분석화선성분석적기출상,이용BP신경망락화지지향량궤량충모식대상호참잡적충자진행분류식별,결과표명:상대우지지향량궤모식식별,BP신경망락예측계통적오차교소,구유흔호적예측성능.