文献检索-宁波市创意产业特色资源库

限定检索结果

基于PCA+KNN和kernal-PCA+KNN算法的废旧纺织物鉴别: 收藏
分享
引用; 《分析测试学报》2024年第7期43卷 1039-1045页; 作者：李宁宁刘正东王海滨韩熹李文霞北京服装学院材料设计与工程学院北京100029 北京服装学院服装艺术与工程学院北京100029 即发集团染整厂山东青岛266200 北京伟创英图科技有限公司北京100070; 该研究采集了15类废旧纺织物的4 998张近红外谱图,以7∶3的比例分为训练集和验证集,并分别采用主成分分析(PCA)与核主成分分析(kernal-PCA)两种不同降维方法对数据进行降维,并选用余弦相似度(cosine)核作为kernal-PCA的最佳核函数,最后...; 该研究采集了15类废旧纺织物的4 998张近红外谱图,以7∶3的比例分为训练集和验证集,并分别采用主成分分析(PCA)与核主成分分析(kernal-PCA)两种不同降维方法对数据进行降维,并选用余弦相似度(cosine)核作为kernal-PCA的最佳核函数,最后分别将PCA和kernal-PCA降维处理后的数据进行k-近邻算法(KNN)训练。结果表明,kernal-PCA+KNN的模型准确率(95.17%)优于PCA+KNN模型的准确率(92.34%)。研究表明,kernal-PCA+KNN算法可以实现15类废旧纺织物识别准确率的提升,为废旧纺织物在线近红外自动分拣提供有力的技术支撑。; 来源：详细信息评论

限定检索结果