快速准确无损测定牧草种子活力是当前种子生理研究中的一项重要内容，试验以甜燕麦种子为材料，采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了3种不同活力的燕麦种子，研究结果表明，在4000—6900cm^-1波数范围内的光谱，通过SN...快速准确无损测定牧草种子活力是当前种子生理研究中的一项重要内容，试验以甜燕麦种子为材料，采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了3种不同活力的燕麦种子，研究结果表明，在4000—6900cm^-1波数范围内的光谱，通过SNV（Standard Normal Variate）预处理方法，用4个主成分建立的模型效果最佳，模型对校正集样本和预测集样本的鉴别率都分别达到100％，该研究利用近红外光谱技术为快速准确无损测定种子活力提供了一条新途径。展开更多
对于一个特定的模式识别问题,表达和识别模式的特征具有不同的形式,它们在物理意义上是完全不同的,而且在数量级具有很大差别。该文提出了一种基于马氏距离的线性判别分析分类算法,选取判别函数为马氏距离,可以适用于具有不同类型特征...对于一个特定的模式识别问题,表达和识别模式的特征具有不同的形式,它们在物理意义上是完全不同的,而且在数量级具有很大差别。该文提出了一种基于马氏距离的线性判别分析分类算法,选取判别函数为马氏距离,可以适用于具有不同类型特征值的分类问题。将该算法应用于UC I中C red it-A、C red it-G、Iris和Veh ic le四个数据库的分类,并采用K次交叉验证方法进行实验。从实验结果中可知,与ENTROPY算法和C4.5(8)算法分类效果相比较,该文所提出的线性判别分析算法计算简单,识别率较高,是一种实际可行的分类算法。展开更多
文摘快速准确无损测定牧草种子活力是当前种子生理研究中的一项重要内容，试验以甜燕麦种子为材料，采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了3种不同活力的燕麦种子，研究结果表明，在4000—6900cm^-1波数范围内的光谱，通过SNV（Standard Normal Variate）预处理方法，用4个主成分建立的模型效果最佳，模型对校正集样本和预测集样本的鉴别率都分别达到100％，该研究利用近红外光谱技术为快速准确无损测定种子活力提供了一条新途径。
文摘对于一个特定的模式识别问题,表达和识别模式的特征具有不同的形式,它们在物理意义上是完全不同的,而且在数量级具有很大差别。该文提出了一种基于马氏距离的线性判别分析分类算法,选取判别函数为马氏距离,可以适用于具有不同类型特征值的分类问题。将该算法应用于UC I中C red it-A、C red it-G、Iris和Veh ic le四个数据库的分类,并采用K次交叉验证方法进行实验。从实验结果中可知,与ENTROPY算法和C4.5(8)算法分类效果相比较,该文所提出的线性判别分析算法计算简单,识别率较高,是一种实际可行的分类算法。
