正交试验设计中正交表的特点及正交的意义浅析

通过正交试验设计可以大大减少试验次数,得到不同因素水平的最优组合,从而确定合理的试验方案及工艺条件等,因此在科学研究中应用非常广泛。为了更深入地理解正交试验设计方法,以表和图的形式对正交试验设计的特点进行了详细分析;对正交性的意义、体现从向量信息不相关及向量内积计算的角度进行详细的分析及解释,以期为广大师生的学习及应用提供一定的帮助。     

工程教育专业认证背景下“食品工艺学”实验教学改革探讨

"食品工艺学"是食品科学与工程专业的核心课程,实验教学是其非常重要的教学环节。结合国际工程教育专业认证要求,本着提升学生工程技术能力的目的,对"食品工艺学"实验教学内容、教学方式及考核方式的改革进行了探讨。     

食品包装技术与设备教学方法探讨

食品包装技术与设备是一门广泛联系各学科、综合性强的专业必修课,针对食品包装技术与设备教学过程中出现的学生不重视、教学效果差的问题,提出着重从激发学生兴趣、重视本课程,消除学生畏难思想、增强学生学习信心,优化理论教学内容、整合知识结构,改革教学方法手段、培养学生解决实际问题的能力等方面人手,进行教学方法的初步改革与实践,取得较好的教学效果.     

食醋电子鼻检测中一种特征参量评价方法

电子鼻检测中常用的特征鉴别能力评价方法有2种,一是对判别结果的直观分析,二是对判别正确率的统计计算。但是,当判别正确率相同时,对于不同特征间鉴别能力的差异,2种方法都不能进行准确的定量评价。为实现特征鉴别能力的准确度量,以不同种类食醋为检测对象,对检测信号提取面积斜率比、方差、积分、平均微分值、相对稳态平均值、小波能量等6种特征参量,并将特征参量与类别间的相关系数作为特征鉴别能力的度量指标。计算结果可知:面积斜率比特征参量的相关系数绝对值最小,为0.1027,积分特征参量的相关系数绝对值最大,为0.6455。表明面积斜率比特征参量的鉴别能力最低,积分特征参量的鉴别能力最高。Fisher判别结果也证明了特征参量的鉴别能力越高,其分类效果越好。因此,用特征参量与类别间的相关系数作为特征鉴别能力的度量是合适的、也是有效的。     

国外蔬菜引种及其利用概况

世界发达国家十分重视国外引种。美国农业部成立了“种子和作物引种局”,集中管理引种工作。目前他们利用在世界各地建立的13个不同的国际农业研究中心专门收集种子,每年约收集1—3万份;苏联全苏作物栽培所常年派有考察队在国外从事考察收集工作;日本热带开发局派22个代表团到印尼、菲律宾、墨西哥、巴西等热带国家考察和收集作物资源;法国     

基于KECA+FDA的6种白酒电子鼻多特征鉴别方法

在引入基于核熵成分分析(KECA)的Fisher判别分析(FDA)方法的基础上,探究了用特征组合表征电子鼻信号时6种白酒的鉴别效果。首先,通过5种单一特征的FDA鉴别分析筛选出积分值(INV)、相对稳态平均值(AVRS)、小波能量值(WEV)3种较优特征,然后通过它们的不同组合鉴别6种白酒,鉴别结果表明多特征组合优于单特征,且三特征组合时的鉴别正确率最高。最后,在用INV、AVRS、WEV 3种特征值组合表征电子鼻信号的前提下,深入研究了KECA+FDA方法鉴别6种白酒的效果。当选取径向基函数(RBF)作为核函数后,采用基于矩阵最佳相似性的方法优化确定RBF核参数为16.8608时,三特征组合下测试集的鉴别正确率由FDA的79.92%提高到KECA+FDA的100%。同时,与BP神经网络和支持向量机的鉴别结果对比,KECA+FDA方法更具优势。这说明运用KECA+FDA方法可有效提高电子鼻对6种白酒的鉴别能力。     

基于多种变量分析方法鉴别食醋种类电子鼻信号特征筛选

为了提高6种食醋的电子鼻鉴别能力,该文提出了一种基于多变量分析的食醋电子鼻信号多特征表征策略。初选不同的特征表征电子鼻信号,构建电子鼻信号的初始特征矩阵。采取载荷分析进行电子鼻传感器阵列优化,优选了12个气敏传感器的响应数据进行后续分析。为消除各传感器响应信号之间的相关性,对优选阵列的特征矩阵进行主成分分析(principal component analysis,PCA),并利用WilksΛ统计量选择鉴别能力最优的主成分子阵。在选择最优主成分子阵的基础上,以生成主成分的每一个原始特征变量为对象,计算每一个原始特征变量在主成分子阵中的贡献系数绝对值之和,且根据系数绝对值之和从大到小排序;同时,根据不同和值的指定,形成了不同容量的原始特征变量集。最后,借助于Fisher判别分析(Fisher discriminant analysis,FDA)探索了不同容量原始特征变量集的鉴别结果,确定了最佳的原始特征变量集。结果表明,特征选择前后传感器信号的表征特征发生了明显变化,最终采用48个特征参量实现了对食醋电子鼻信号的有效表征。在48个特征参量表征条件下,同时运用FDA和BP神经网络(back propagation neural network,BPNN)对6种食醋进行了鉴别分析,训练集的鉴别正确率分别在93%和98%以上,测试集的鉴别正确率也分别达到了90%和93%以上。另外,利用巴氏距离进一步揭示了样品间的可分离程度及FDA与BPNN结果的可信性。研究结果可为电子鼻信号多特征表征提供了一种新思路。     

电子鼻鉴别白酒信号小波去漂移方法

为提高电子鼻长期鉴别的稳健性,提出了一种基于小波分析的电子鼻信号去漂移方法。对含漂移信号的电子鼻数据进行小波分解,获得分解系数;构造一种相对偏差阈值滤波函数对小波逼近系数进行阈值处理,获得修正的小波系数;运用小波逆变换对修正后的小波系数进行重构,得到去除漂移或少漂移的电子鼻信号。对6种白酒样本随机生成的5组样本训练集与对应的测试集进行去漂移处理与信号重构,提取去漂移处理前后的电子鼻信号积分值特征,并运用Fisher判别分析(FDA)和BP神经网络分别对5组数据集进行鉴别分析。FDA鉴别结果显示,无论是训练集还是测试集,5组样本的鉴别正确率由去漂移前的最高值45%提升至去漂移后的100%。BP神经网络鉴别结果显示,5组样本的鉴别正确率由去漂移前的最高值31.7%提升至去漂移后的98.3%。这说明所给出的去漂移方法在白酒电子鼻的鉴别中是稳健有效的。同时,也为电子鼻鉴别其他物品提供了一种可借鉴的去漂移方法。     

基于多特征融合的电子鼻鉴别玉米霉变程度

为了提高电子鼻检测玉米霉变程度的正确率,该文探究了电子鼻信号不同特征组合的表征对霉变玉米鉴别结果的影响。首先,运用电子鼻对霉变玉米的5组样本训练集与测试集进行测试,获得测试信号。其次,分别提取测试信号的积分值(integral value,INV)、平均微分值(average differential value,ADV)、相对稳态平均值(relative steady-state average value,RSAV)作为特征值,5组训练集与测试集均分别采用3种单一的特征值或其组合特征值来表征。然后,运用Fisher判别分析(fisher discriminant analysis,FDA)分别对5组训练集进行判别分析,并用对应的测试集进行检验。FDA分析结果指出,电子鼻测试信息分别在单一特征和2个特征组合表征下,不同霉变程度玉米是不能有效分开的,但在2个特征组合表征下的鉴别正确率比单一特征有所提高;当用3个特征组合来表征测试信息时,FDA鉴别能力得到提高,鉴别正确率在96%以上。另外,借助于WilksΛ统计量考察了电子鼻中每个传感器测试信号表征的差异性,对3个特征组合的表征情况进行了表征变量筛选。FDA分析结果显示,筛选前后的鉴别结果非常相近,最低鉴别正确率均在96%以上,这说明不同传感器需要不同的特征表征,以体现其差异性,由此也减少了计算的复杂性。研究结果表明,用多特征融合模式可更有效地表征电子鼻对霉变玉米的响应信息,有利于提高霉变玉米的鉴别正确率。同时,该研究成果也不失一般性,为电子鼻信号表征提供了一种新思路。     

基于WilksΛ准则的KFDA方法研究枸杞分级

为提高枸杞分级正确率,建立一种基于枸杞图像的分级模型,以3个产地共6个等级的枸杞为研究对象,在提取枸杞图像颜色和纹理特征参量的基础上,运用Fisher判别分析(FDA)和核Fisher判别分析(KFDA)方法对6个等级的枸杞进行鉴别分析。在KFDA分析过程中,选取径向基函数(RBF)为核函数,采用基于距离测度的矩阵相似性度量方法,优化确定了RBF核函数的最优参数值为13.2436;选用前150个主成分分析时,基于WilksΛ准则的枸杞分类及验证正确率分别为100.00%和87.80%,而基于传统主成分贡献率的枸杞分类及验证正确率分别100.00%和81.70%。结果表明,运用基于WilksΛ准则的KFDA方法,选用150个最有利于分类的主成分,鉴别结果由FDA的91.7%提高到KFDA的100%。该研究方法不仅有效提高了枸杞图像的鉴别正确率,而且为其他农产品图像分级提供了理论依据。