文献

J-GLOBAL ID：201702268669619424   整理番号：17A0379514

近赤外分光法とサポートベクトルマシンによる異なる品質カテゴリーにおけるコムギ穀粒の分類【Powered by NICT】

Classification of wheat grains in different quality categories by near infrared spectroscopy and support vector machine

著者 (5件)： Wenyi Tan (Heilongjiang University, Harbin, China) ,  Laijun Sun (Heilongjiang University, Harbin, China) ,  Dan Zhang (Heilongjiang University, Harbin, China) ,  Dandan Ye (Heilongjiang University, Harbin, China) ,  Wenkai Che (Heilongjiang University, Harbin, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CCIOT  ページ： 124-128  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コムギ穀粒の品質の迅速,簡単かつ正確な同定の目的のために,本研究では,近赤外分光法とサポートベクトルマシン(SVM)を融合した認識法を提案した。コムギ試料のスペクトルデータは,異常なデータを除去するために分析し,マハラノビス距離法は異常な試料を同定した。異常試料を削除した後,主成分分析は近赤外技術によるコムギの分類の実現可能性を証明するために行った。残りの111コムギサンプルを,継手X-Y距離アルゴリズムに基づく試料集合分割により設定されたキャリブレーションセットと予測に分けた,一次導関数,第二導関数,標準正規変量(SNV)変換とそれらの組合せは,モデル化に最適な前処理法を得るためのスペクトルを前処理するために使用した。最後に,SVM(サポートベクトルマシン)と逆伝搬神経回路網分類モデルは二次微分に加えSNVと一次導関数+SNVによるスペクトル前処理されたデータを用いて確立した。SVMモデルの予測結果はいずれも100%を達成された強いグルテンコムギと弱いグルテンコムギの認識精度率と媒質グルテンコムギの認識正解率は81.82%,二次微分とSNVによるスペクトルデータ前処理を用いたSVM分類モデルが最良の結果を達成し,コムギ品質の迅速で正確な同定と分類を実現したことが分かったに達することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *サポートベクトルマシン ,  導関数 ,  神経回路網 ,  主成分分析 ,  モデリング ,  *コムギ ,  *近赤外線 ,  *近赤外分光分析 ,  前処理 ,  微分
準シソーラス用語： データ前処理 ,  認識精度 ,  分類モデル ,  Mahalanobis距離 ,  スペクトルデータ , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  分光分析  (CC03012W) ,  蛋白質・ペプチド一般  (EB03010N) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 近赤外分光法 ,  サポートベクトルマシン ,  カテゴリー ,  コムギ ,  穀粒 ,  分類