专利汇可以提供一种基于改进DBN的近红外光谱分析纺织品棉含量的方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于改进DBN的 近红外 光谱 分析纺织品 棉 含量的方法,包括以下步骤:(1)收集样品,采集样品的 近红外光谱 以及样品的理化数据;(2)对获取的光谱数据进行预处理,得到预处理后的数据;(3)使用改进的 深度信念网络 (DBN)方法,建立定量分析模型,通过全局学习 算法 对网络进行调整,从而获得最优纺织品棉含量定量分析模型;(4)将预测数据导入所述最优纺织品棉含量定量分析模型进行纺织品棉含量的 预测分析 。本发明能够快速、无损的测定样品的棉含量,将深层神经网络应用于近红外光谱纺织品棉含量检测领域,且提高了检测的准确度和可靠性。,下面是一种基于改进DBN的近红外光谱分析纺织品棉含量的方法专利的具体信息内容。
1.一种基于改进DBN的近红外光谱分析纺织品棉含量的方法,其特征在于,具体包括以下步骤:
(1)收集样品,采集样品的近红外光谱以及样品的理化数据;
(2)对获取的光谱数据进行预处理,得到预处理后的数据;
(3)使用改进的深度信念网络方法,建立定量分析模型,通过全局学习算法对模型进行调整,从而获得最优纺织品棉含量定量分析模型;
所述步骤(3)具体实现如下:将预处理后的近红外光谱数据以及其对应的理化分析数据作为改进DBN定量分析模型的输入,建立定量分析模型,改进DBN由多层稀疏高斯受限玻尔兹曼机(spare-GRBM)的堆叠和BP神经网络构成,建立定量分析模型的过程如下:
(3.1)将处理后的近红外光谱数据矩阵作为网络的输入;
(3.2)从上而下,采用对比散度算法训练得到高斯受限玻尔兹曼机参数,继续向上逐层对高斯受限玻尔兹曼机进行训练,并结合随机隐匿算法来隐藏部分隐含层节点数,对网络模型进行稀疏化处理,直到最顶层结束,得到稀疏后的DBN模型;该模型对应的能量函数为:
其中,E(v,h)为能量模型函数,v为可见层,h为隐含层,vi为输入层第i个节点的值,ci为输入层第i个节点的偏置,σi为第i维输入的标准差,Wi,j为第i个输入层节点与第j个隐含层节点的连接权重,hj为隐含层的第j个节点的值,bj为隐含层第j个节点的偏置;
相对应的条件概率分布为:
其中,sigmoid=1/(1+e-x),N代表高斯分布;
(3.3)以步骤(3.2)得到的参数{ci,bj,Wi,j}作为初始值,使用BP算法对整个网络进行全局训练,得到最终的网络参数,从而获得最优的棉涤纺织品棉含量定量分析模型;
(4)将预测数据导入所述最优纺织品棉含量定量分析模型进行纺织品棉含量的预测分析。
2.根据权利要求1所述的基于改进DBN的近红外光谱分析纺织品棉含量的方法,其特征在于,所述步骤(1)具体实现如下:使用近红外光谱仪以及相关漫反射部件对纺织品布料进行正反两面采集光谱数据,得到正反两面的平均样品光谱,并且按定量化学分析方法——硫酸溶解法对纺织品中棉含量进行测定,得到样品棉含量的理化分析值。
3.根据权利要求1所述的基于改进DBN的近红外光谱分析纺织品棉含量的方法,其特征在于,所述步骤(2)具体实现如下:
(2.1)对步骤(1)获得的光谱数据进行SG平滑处理;
(2.2)对步骤(2.1)SG平滑处理后的光谱数据进行小波变换方法对光谱数据进行压缩,得到压缩后的近红外光谱数据矩阵;
(2.3)对步骤(2.2)经小波变换处理后的数据进行高斯分布处理,得到规范化后的数据;
(2.4)使用SPXY样品集划分方法将步骤(2.3)处理后的样品数据划分训练集及预测集。
4.根据权利要求3所述的基于改进DBN的近红外光谱分析纺织品棉含量的方法,其特征在于,所述步骤(2.1)中的SG平滑处理具体如下:
(2.1.1)利用最小二乘拟合系数建立数字滤波函数,对移动窗口内的波长点数据进行多项式最小二乘拟合,其表达式如下:
式中,M是多项式的次数;q是平滑窗口点数的中心点;p为平滑窗口点数; 为Savitzky-Golay卷积平滑算法建立二次拟合曲线后中心点q得到的拟合值,ak是二项方程式系数;λq是中心点q对应的波长点数据;
(2.1.2)采用最小二乘法求解待定二项方程式系数,最小二乘拟合的残差ε如下所示:
令 并联立求解方程组可得到二项式系数;其中,m是需要拟合的单边点数;Xp是原始光谱数据。
5.根据权利要求3所述的基于改进DBN的近红外光谱分析纺织品棉含量的方法,其特征在于,所述步骤(2.2)具体实现如下:将SG平滑处理后的光谱数据进行小波变换处理,小波变换选择小波母函数为dbn,n为消失矩,得到压缩后的近红外光谱数据矩阵。
6.根据权利要求3所述的基于改进DBN的近红外光谱分析纺织品棉含量的方法,其特征在于,所述步骤(2.3)具体实现如下:将小波变换处理后的光谱进行高斯分布处理;其公式为: 其中,X为规范化后的光谱数据矩阵,Xi为第i维输入光谱数据, 为第i维输入的均值,σi为第i维输入的标准差。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
多变量时间序列深度信念网络的低压铸造模温预测方法 | 2020-05-12 | 381 |
描述驱油剂在多孔介质中变形运移的力学模拟方法 | 2020-05-12 | 339 |
一种基于低场磁共振T2弛豫的磁纳米粒子温度计算方法 | 2020-05-12 | 626 |
基于改进的层次分析法评价生猪养殖工艺的方法 | 2020-05-13 | 292 |
一种链路预测模型的建立及链路预测方法 | 2020-05-14 | 466 |
一种复合材料薄膜三维多相同步生长的模拟方法及系统 | 2020-05-16 | 211 |
多源无标签数据学习建模的传动系统性能退化评估方法 | 2020-05-08 | 487 |
基于差分温度补偿的分布式光纤拉曼双端温度解调方法 | 2020-05-11 | 407 |
小数据库条件下正常语音流中耳语音的识别方法 | 2020-05-16 | 691 |
基于径向基函数神经网络的气体标志物检测方法及应用 | 2020-05-16 | 744 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。