共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于t假设检验及SVM神经网络的卷烟真伪判定显示文摘为了提高物理指标鉴定卷烟真伪的可靠性,基于t假设检验和SVM神经网络,提出了一种利用卷烟物理指标鉴定卷烟真伪的模式识别模型。以卷烟库中随机选取的某品牌卷烟为例,采用该模型进行了卷烟真伪判定。判定结果显示:通过基于总通风率、滤嘴通风率及硬度3个物理指标的SVM神经网络分类预测模型,对示例卷烟的44个真假烟样本进行鉴别,正确率约为95%。说明基于t假设检验及SVM神经网络的模式分类方法可以进行卷烟真伪鉴别。 | 魏中华 | 2015 | 烟草科技2015，48，2： | 8 |
| 2 | 基于介电频谱的灵武长枣品质参数的预测模型显示文摘为寻找预测灵武长枣品质的最优模型,以长枣的介电损耗因子?'和介电常数?’频谱进行内部品质参数(可溶性固形物、可滴定酸含量和含水率)的建模研究。通过遗传算法(genetic algorithm,GA)和相关系数(correlation coefficients,CC)法提取了介电谱的有效信息;采用偏最小二乘(partial least squares,PLS)、主成分回归(principal components regression,PCR)和支持向量机(support vector machine,SVM)法建立了品质参数的预测模型;以决定系数(R^2)、校正标准偏差和预测标准偏差等模型评价方法确定了品质参数的最优预测模型。结果表明:基于介电损耗因子?'建立的可溶性固形物含量、可滴定酸含量和含水率的最佳预测模型分别为GA-PCR、GA-PLS和GA-PLS,且R^2均达到0.9以上;基于介电常数?’建立的可溶性固形物含量、可滴定酸含量和含水率的最佳预测模型分别为CC-PLS、GA-SVM和GA-PLS,R^2达到0.8以上,且验证效果较好。本研究为利用介电频谱快速预测长枣品质提供了可靠的方法。 | 沈静波 吴龙国 张海红 贺晓光 李子文 | 2017 | 食品科学2017，38，11： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员