期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
电子舌对不同品种醋的辨别研究 被引量:22
1
作者 张浩玉 张柯 黄星奕 《中国调味品》 CAS 北大核心 2011年第5期1-4,共4页
电子舌技术是一种分析、识别液体味道的新型检测手段,在食品工业中的应用正逐步扩展。研究利用AstreeII电子舌对不同类型和产地的9个品种的醋在5种不同的稀释浓度下进行检测和分析,建立了Fisher多级判别模型,实验结果表明在醋样稀释倍数... 电子舌技术是一种分析、识别液体味道的新型检测手段,在食品工业中的应用正逐步扩展。研究利用AstreeII电子舌对不同类型和产地的9个品种的醋在5种不同的稀释浓度下进行检测和分析,建立了Fisher多级判别模型,实验结果表明在醋样稀释倍数为12.5×10倍时,模型的正确识别率达到97.53%,同时在该稀释倍数下,运用聚类分析方法定量计算9种醋的差异程度,并绘出它们的聚类关系图,直观地反映了9种醋之间的关联性,得到良好的辨别效果。实验结果对醋真假的鉴别有一定的借鉴意义。 展开更多
关键词 电子舌技术 fisher多级判别模型 聚类分析 食醋
下载PDF
基于判别分析法的岩爆烈度预测研究 被引量:8
2
作者 景杨凡 陈玉明 +2 位作者 李岳峰 张海涛 杨荣森 《有色金属(矿山部分)》 2022年第1期97-102,共6页
岩爆是岩土工程中棘手的地质灾害,工程中以预防为主。现有岩爆分级预测模型大多存在选取样本较少和准确率较低的问题。综合岩爆的参考指标,现选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc(应力系数)、岩石单轴抗压强度与单轴抗拉... 岩爆是岩土工程中棘手的地质灾害,工程中以预防为主。现有岩爆分级预测模型大多存在选取样本较少和准确率较低的问题。综合岩爆的参考指标,现选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc(应力系数)、岩石单轴抗压强度与单轴抗拉强度比σc/σt(脆性系数)和弹性能量指数W_(et)作为分级评判指标,广泛收集不同工程的104组岩爆实例,选取其中84组作为样本集进行训练,20组作为测试集进行检验,应用SPSS的判别分析中的Bayes判别和Fisher判别训练及测试,输出结果中,选取了训练效果较好的Bayes判别模型。对95.23%的样本集进行了正确分类,验证集检验准确率为85%,将该模型应用于工程实例中,预测结果与实际结果相符,预测结果表明该模型有较好的应用前景。 展开更多
关键词 岩爆 判别分析模型 分级预测 SPSS Bayes判别模型 fisher判别训练 分级评判指标
下载PDF
回采巷道锚杆支护效果分类预测的Fisher判别分析模型及应用 被引量:1
3
作者 刘唐圣 王成帅 王飞 《煤矿安全》 CAS 北大核心 2013年第10期205-208,共4页
应用统计学理论并结合工程实际,建立回采巷道锚杆支护效果分类的Fisher判别分析模型,选取围岩强度、巷道断面、采动影响系数、巷道埋深、围岩完整度、护巷煤柱宽度和支护强度等7个因素作为回采巷道锚杆支护效果分类判别因素。利用平顶... 应用统计学理论并结合工程实际,建立回采巷道锚杆支护效果分类的Fisher判别分析模型,选取围岩强度、巷道断面、采动影响系数、巷道埋深、围岩完整度、护巷煤柱宽度和支护强度等7个因素作为回采巷道锚杆支护效果分类判别因素。利用平顶山矿区18条深井动压回采巷道的相关数据作为学习样本进行学习,建立回采巷道锚杆支护效果的Fisher判别分析模型,求的相应线性判别函数。运用建立的模型对平顶山矿区的4条回采巷道锚杆支护效果进行分类预测,预测结果与实际情况吻合良好。 展开更多
关键词 回采巷道 锚杆支护 fisher判别分析模型 回代估计法
原文传递
基于3种细胞因子的尘肺病筛查支持向量机模型的建立 被引量:1
4
作者 常伟 丁明翠 +2 位作者 焦洁 王威 姚武 《郑州大学学报(医学版)》 CAS 北大核心 2019年第6期811-814,共4页
目的:建立基于转化生长因子β1(TGF-β1.、血小板源性生长因子(PDGF)、结缔组织生长因子(CTGF)的支持向量机模型(SVM)用于尘肺病的筛查。方法:选择70例男性尘肺病患者(尘肺病组),77例体检健康的男性(对照组),分别采集外周血并分离血清... 目的:建立基于转化生长因子β1(TGF-β1.、血小板源性生长因子(PDGF)、结缔组织生长因子(CTGF)的支持向量机模型(SVM)用于尘肺病的筛查。方法:选择70例男性尘肺病患者(尘肺病组),77例体检健康的男性(对照组),分别采集外周血并分离血清。采用ELISA法检测血清中TGF-β1、CTGF、PDGF的含量。采用SPSS Clementine软件分别构建Fisher判别分析模型和SVM模型,比较2种模型诊断尘肺病的效能。结果:基于血清TGF-β1、PDGF、CTGF含量建立的Fisher判别分析模型诊断尘肺病的准确度、灵敏度、特异度分别为78.1%、95.0%、61.9%,而SVM模型的准确度、灵敏度、特异度分别为87.8%、95.0%、81.0%;SVM模型的AUC为0.908,优于Fisher判别分析模型(0.830)(Z=3.181,P=0.002.。结论:建立了基于人血清TGF-β1、PDGF、CTGF含量、可用于尘肺病筛查的SVM模型,且筛查效果较好。 展开更多
关键词 尘肺病 支持向量机模型 fisher判别分析模型 转化生长因子Β1 血小板源性生长因子 结缔组织生长因子 筛查
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部