基于太赫兹光谱和APSO-SVM的转基因棉籽识别方法

被引:3
|
作者
潘学文 [1 ]
尹向东 [1 ]
赵永红 [2 ,3 ]
机构
[1] 湖南科技学院电子与信息工程学院
[2] 西安电子科技大学机电工程学院
[3] 桂林电子科技大学广西自动检测技术与仪器重点实验室
关键词
太赫兹; 支持向量机; 转基因棉种子; 分类辨别; 自适应粒子群;
D O I
10.13382/j.jemi.2017.03.007
中图分类号
S562 [棉]; TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对目前转基因产品检测是基于可见光/近红外光谱,在支持向量机建模中参数难以确定及光谱数据计算量过大的问题,提出了一种基于太赫兹光谱和自适应动态粒子群优化的支持向量机算法,以实现对转基因棉种子的分类判别。为实现转基因棉种子的分类识别,在波长150μm3 mm采集3种最新转基因棉种子165个样本的太赫兹光谱,并用基于自适应动态粒子群优化的支持向量机对165个转基因棉种子进行识别。实验结果表明,综合识别率达到97.3%,太赫兹光谱结合自适应动态粒子群支持向量机可为转基因棉种子类型辨别提供一种快速、精确、简便、无损的检测方法。
引用
收藏
页码:377 / 382
页数:6
相关论文
共 14 条
  • [1] 基于混合粒子群算法的在线检测路径规划
    梁旭
    刘才慧
    [J]. 国外电子测量技术, 2015, 34 (12) : 30 - 34
  • [2] 整体改进的基于支持向量机的故障诊断方法
    焦卫东
    林树森
    [J]. 仪器仪表学报, 2015, 36 (08) : 1861 - 1870
  • [3] 基于粒子群算法的决策树SVM多分类方法研究
    王道明
    鲁昌华
    蒋薇薇
    肖明霞
    李必然
    [J]. 电子测量与仪器学报, 2015, 29 (04) : 611 - 615
  • [4] 新的混沌粒子群优化算法
    胥小波
    郑康锋
    李丹
    武斌
    杨义先
    [J]. 通信学报 , 2012, (01) : 24 - 30+37
  • [5] 基于混合核函数的支持向量机
    邬啸
    魏延
    吴瑕
    [J]. 重庆理工大学学报(自然科学), 2011, 25 (10) : 66 - 70
  • [6] 支持向量机算法的研究及其实现
    范玉妹
    郭春静
    [J]. 河北工程大学学报(自然科学版), 2010, 27 (04) : 106 - 112
  • [7] 应用光谱技术和支持向量机分析方法快速检测啤酒糖度和pH值
    王莉
    何勇
    刘飞
    应霞芳
    [J]. 红外与毫米波学报, 2008, (01) : 51 - 55
  • [8] Chemometric discrimination of genetically modified Coffea arabica cultivars using spectroscopic and chromatographic fingerprints[J] . Ivanira Moreira,Ieda Spacino Scarminio.Talanta . 2013
  • [9] An evolutionary framework using particle swarm optimization for classification method PROAFTN
    Al-Obeidat, Feras
    Belacel, Nabil
    Carretero, Juan A.
    Mahanti, Prabhat
    [J]. APPLIED SOFT COMPUTING, 2011, 11 (08) : 4971 - 4980
  • [10] Quantitative prediction of MHC-II binding affinity using particle swarm optimization
    Zhang, Wen
    Liu, Juan
    Niu, Yanqing
    [J]. ARTIFICIAL INTELLIGENCE IN MEDICINE, 2010, 50 (02) : 127 - 132