【摘 要】
:
以酪氨酸和左旋多巴混合溶液中左旋多巴的紫外光谱数据为研究对象,首先用Kennard-Stone算法对样品集进行分割;然后使用ν-SVR和ε-SVR算法对核进行建模,以建立不同的核.紫外光谱定量分析模型中左旋多巴含量的功能;最后,采用粒子群算法对参数进行了优化,并与传统的PLS算法进行了比较.实验结果表明,由ν-SVR,ε-SVR和PLS建立的左旋多巴含量校正模型具有较高的准确性,预测性能略有不同.在预测集实验中,PLS,ν-SVR(RBF)和ε-SVR(RBF)算法的预测均方根误差分别为1.755、0.8
【机 构】
:
江南大学物联网工程学院 无锡 214000
论文部分内容阅读
以酪氨酸和左旋多巴混合溶液中左旋多巴的紫外光谱数据为研究对象,首先用Kennard-Stone算法对样品集进行分割;然后使用ν-SVR和ε-SVR算法对核进行建模,以建立不同的核.紫外光谱定量分析模型中左旋多巴含量的功能;最后,采用粒子群算法对参数进行了优化,并与传统的PLS算法进行了比较.实验结果表明,由ν-SVR,ε-SVR和PLS建立的左旋多巴含量校正模型具有较高的准确性,预测性能略有不同.在预测集实验中,PLS,ν-SVR(RBF)和ε-SVR(RBF)算法的预测均方根误差分别为1.755、0.826和0.68.实验已经证明了使用紫外光谱法快速测定左旋多巴含量的有效性以及基于径向基函数的ε-SVR的建模优势.
其他文献
论文对近似二阶EKF(ASEKF)进行了理论分析,了解其滤波原理和特点,并以空中抛射物为滤波仿真研究对象,建立抛射物的运动跟踪系统的离散化状态方程,利用ASEKF估计系统状态量,再由状态量计算系统输出量.仿真结果表明,ASEKF滤波法具有较高的估计精度和收敛性,而且效率较高,抛射物的运动跟踪误差基本在2%以内,远小于构造的观测量误差.
针对红外与可见光图像融合时出现的细节模糊、对比度降低等问题,论文提出了一种基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)和卷积稀疏表示(Convolutional Sparse Representation,CSR)的图像融合方法.首先,分别对红外图像和可见光图像进行NSCT分解,获取其高频子带和低频子带.然后,通过导向滤波增强高频子带,并将增强后的高频子带系数通过选择最大值策略进行融合;同时,利用CSR模型和选择最大值策略得到低频子带的融合稀疏系
针对近似空间笛卡尔积粗糙集模型及其可分解性问题,采用直觉模糊三角模算子构成新的直觉模糊积近似空间,研究了基于直觉模糊知识粒下积粗糙集模型的分解及合成问题.首先,运用直觉模糊三角模运算构造出新的直觉模糊关系,验证了其符合等价关系的条件,并给出新的等价关系的算法原理;其次,构建了直觉模糊积粗糙集模型,对其模型结构及数学特性进行了研究,并给出了积粗糙集的生成算法原理;最后,逆向研究直觉模糊知识粒的分解问题,证明了针对模糊知识粒度分解而提出的猜想.文章旨在对直觉模糊积粗糙集模型的分解与合成机制进行理论探索,为粗糙
针对现有目标检测模型难以应用在复杂火灾场景的问题,论文提出了基于注意力机制改进的YOLOX火灾场景检测模型,实现对火焰、烟雾以及受灾人员的检测.首先,在CSPLayer层上添加轻量级注意力模块,提升模型整体的检测性能;其次,引入通道混合技术,提高各通道间的交流能力;最后,将主干网络最后一层换为轻量级Transformer模块,强化主干网络对全局信息的抓取能力.通过在自制火灾数据集上的实验表明,T-YOLOX的mAP比基准模型(YOLOX)提高了2.24%,与CenterNet、YOLOv3相比检测精度有较
Kubernetes是目前主流的容器云编排和管理系统,其内置的伸缩策略是通过监测衡量指标并与阈值比较计算,从而实现伸缩的功能.该策略主要存在单一衡量指标和响应延迟问题:单一指标在衡量多种资源消耗的复杂应用时存在明显缺陷;响应延迟问题会造成应用在一段时间内的服务质量无法得到保障.针对上述问题,提出了一种改进的Kuber?netes弹性伸缩策略,该策略对应用涉及的多种资源进行计算,得出综合负载率作为衡量应用伸缩的指标;使用ARIMA-Kal?man预测模型对综合负载进行预测,从而实现预测式伸缩,提高了应用在面
针对无人机室内地面目标跟踪问题,论文提出了一种基于超宽带室内定位技术的跟踪方法.首先建立了四旋翼和地面机动目标的动力学模型.然后,通过超宽带定位技术得到目标的量测信息.其次,利用扩展卡尔曼滤波估计目标的状态信息达到减少跟踪误差的目的,并且基于解算的信息提出了人工势场法作为四旋翼的路径规划算法.最后利用反步法控制策略解决了四旋翼飞行器精确轨迹跟踪的问题.仿真试验结果证明了该算法的可行性和有效性.
在如智慧医疗等众多ZigBee无线传感器网络应用中,网络节点的移动常常不可避免,为保证移动节点在网络中的泛在通讯能力,研究节点移动引起的网络性能变化十分重要.论文首先对OPNET仿真开发平台的网络层进程域模型进行改进,利用状态转移过程模拟节点移动进程特性,优化节点路由协议,改善基于OPNET的ZigBee无线传感器网络模型组网能力及网络阻塞状况.其次,仿真研究移动节点数量、移动节点速度对三种拓扑结构ZigBee网络的MAC负载、MAC延迟、端到端延迟性能的影响.仿真结果表明,随着移动节点数量以及速度的增加
动态环境下,动作执行的不确定性会因外部因素存在变动,因此将导致不确定系统中的状态可达关系可能发生改变.为解答这一问题,论文对信息传递法中状态之间可达关系的更新方式进行改进,提出一种新的状态可达关系的维护算法.该算法将变更的状态之间可达关系与原可达矩阵对比,利用邻接矩阵中对应可达信息对变更后状态的可达信息进行修改,然后通过状态之间信息传递,求解不确定系统中局部状态可达关系,从而避免了更新过程中的重复计算.实验结果表明,该方法在运算时间上要优于重新利用信息传递法来维护系统的状态可达关系.
随着人工智能技术的不断创新发展,语音识别技术一直在迭代升级,而语音去噪是语音识别领域中关键研究点之一.由于这些外界干扰声的存在,就使得原本的语音信号变得不再纯净,或多或少会对所需传输的语音信号有所影响.传统的信号分析以傅立叶变换为基础,但傅立叶分析属于全局变换,变换只能全部在时域变换或在频域变换.因此,傅里叶变换不能获取语音信号的时频局部性质,该变换不利于分析非平稳信号.为了更好地分析语音信号,该实验通过卷积神经网络对语音信号进行去噪处理,将处理完的信号逆向使用短时傅里叶变换,并分析结果.
针对互信息配准方法耗时较长、容易陷入极值的缺陷,提出采用ReNet的方法提取图像边缘,构建边缘特征点互信息能量函数,通过改进Powell算法对配准进行优化.通过实验,基于特征点互信息的医学图像配准方法与结构互信息相比,在配准准确率大致相同的情况下,配准所需时间大幅降低.