CN114779467A - 一种基于探测器特性的新型光谱仪膜系组合的选择方法 - Google Patents
一种基于探测器特性的新型光谱仪膜系组合的选择方法 Download PDFInfo
- Publication number
- CN114779467A CN114779467A CN202210453466.1A CN202210453466A CN114779467A CN 114779467 A CN114779467 A CN 114779467A CN 202210453466 A CN202210453466 A CN 202210453466A CN 114779467 A CN114779467 A CN 114779467A
- Authority
- CN
- China
- Prior art keywords
- selecting
- membrane system
- calculating
- detector characteristics
- system combination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000012528 membrane Substances 0.000 title claims abstract description 26
- 238000010187 selection method Methods 0.000 title abstract description 5
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 230000003287 optical effect Effects 0.000 claims abstract description 14
- 230000014509 gene expression Effects 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 16
- 230000003595 spectral effect Effects 0.000 description 4
- 238000002834 transmittance Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/0012—Optical design, e.g. procedures, algorithms, optimisation routines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于，包括以下步骤：步骤一、输入含有探测器特性的滤光片的表达式，并计算离散值；步骤二、确定所要聚类的簇数，根据地物光谱的特性，设置聚类数量；步骤三、计算评价函数，选择评价函数最小的一类；步骤四、计算新的簇类中心，比对最后一次聚类结果；步骤五、以条件数Cond(A)为目标函数进行优化，寻找最优条件数。本发明通过利用kmean‑粒子群算法对100条含有探测器特性的膜系进行选择，根据结果表明，当聚类数量为5和6时，可以优化出条件数较小的膜系组合。对求出的11个离散值在400‑900nm波长范围内进行插值拟合，平均误差百分比为0.06，光谱重构效果较好。
Description
技术领域
本发明涉及光谱仪膜系组合技术领域，特别涉及一种基于探测器特性的新型光谱仪膜系组合的选择方法。
背景技术
新世纪以来，高光谱技术成为了世界各国研究的热点，光谱仪作为获取光谱的重要仪器而被广泛关注。按照分光方式划分，传统的星载光谱仪的分光方式主要由干涉分光、光栅分光与棱镜分光。这些分光方式有着各自的缺点，干涉分光会造成能量的损失；棱镜分光对材料，入射角度都有着严格的要求；光栅分光有严重的级次重叠现象。并且这三种分光方式均造成光谱仪体积较大，容易受外部环境的影响。
近年来，轻小型光谱仪成为发展的新方向，目前轻小型光谱仪的原理为在探测器前端放置一片具有若干条膜系的滤光片，滤光片上的膜系对光的吸收能力不同。当目标光线进入光学系统后，经过滤光片上膜系的作用，在探测器上呈现不同的灰度值。通过灰度值与滤光片膜系透过率、探测器量子效率之间的关系，可以计算出目标光谱的光谱曲线。这种光谱仪受环境影响较小，有利于轻小型光谱仪的发展；
轻小型光谱仪的基本原理如下所示：
T(λ)代表滤光片上膜系的透过率函数，f(λ)代表探测器的量子效率关于波长的函数。
X(λ)代表地物目标关于波长的函数，B为灰度值。
为了便于计算，现将T(λ)f(λ)＝A(λ)
A(λ)为含有探测器特性的膜系透过率曲线。将式(1)离散化，可得离散方程组AX＝B.如图3所示。
如何解算AX＝B是光谱重构的关键，目前求解方程组的方法有正则化、字典学习等，这些方法都需要大量样本训练，而造成方程组解算不精确的主要原因是矩阵A的条件数很大，要想求解精确，必须降低矩阵A的条件数，这意味着必须选择合适的膜系组合才能计算出较好的结果。
为此，提出一种基于探测器特性的新型光谱仪膜系组合的选择方法。
发明内容
有鉴于此，本发明实施例希望提供一种基于探测器特性的新型光谱仪膜系组合的选择方法，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。
本发明实施例的技术方案是这样实现的：一种基于探测器特性的新型光谱仪膜系组合的选择方法，包括以下步骤：
步骤一、输入含有探测器特性的滤光片的表达式，并计算离散值；
步骤二、确定所要聚类的簇数，根据地物光谱的特性，设置聚类数量；
步骤三、计算评价函数，选择评价函数最小的一类；
步骤四、计算新的簇类中心，比对最后一次聚类结果；
步骤五、以条件数Cond(A)为目标函数进行优化，寻找最优条件数。
进一步优选的：所述含有探测器特性的滤光片的表达式数量为100条。
进一步优选的：所述滤光片的离散值计算时，在400-900nm波长范围内进行计算。
进一步优选的：所述确定所要聚类的簇数时，根据地物光谱的特性，聚类数量设置为56710153050。
进一步优选的：所述计算评价函数时，滤光片的相关性由下列公式表示：
矩阵条件数如以下公示所示：
其中σmax与σmin分别代表矩阵特征值的最大值与最小值。
进一步优选的：所述计算新的簇类中心，与最后一次聚类相比时，若聚类结果不改变，则输出结果。
进一步优选的：所述以条件数Cond(A)为目标函数进行优化时，优化算法为粒子群算法。
本发明实施例由于采用以上技术方案，其具有以下优点：
本发明通过利用kmean-粒子群算法对100条含有探测器特性的膜系进行选择，根据结果表明，当聚类数量为5和6时，可以优化出条件数较小的膜系组合。对求出的11个离散值在400-900nm波长范围内进行插值拟合，平均误差百分比为0.06，光谱重构效果较好。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法的A(λ)曲线图；
图2为本发明方法拟合结果示意图。
图3为现有技术中离散方程组示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
下面结合附图对本发明的实施例进行详细说明。
实施例一
如图1-2所示，本发明实施例提供了一种基于探测器特性的新型光谱仪膜系组合的选择方法，包括以下步骤：
步骤一、输入含有探测器特性的滤光片的表达式，并计算离散值；
步骤二、确定所要聚类的簇数，根据地物光谱的特性，设置聚类数量；
步骤三、计算评价函数，选择评价函数最小的一类；
步骤四、计算新的簇类中心，比对最后一次聚类结果；
步骤五、以条件数Cond(A)为目标函数进行优化，寻找最优条件数。
本实施例中，具体的：含有探测器特性的滤光片的表达式数量为100条。
本实施例中，具体的：滤光片的离散值计算时，在400-900nm波长范围内进行计算。
本实施例中，具体的：确定所要聚类的簇数时，根据地物光谱的特性，聚类数量设置为56710153050。
本实施例中，具体的：计算评价函数时，滤光片的相关性由下列公式表示：
矩阵条件数如以下公示所示：
其中σmax与σmin分别代表矩阵特征值的最大值与最小值。
本实施例中，具体的：计算新的簇类中心，与最后一次聚类相比时，若聚类结果不改变，则输出结果。
本实施例中，具体的：以条件数Cond(A)为目标函数进行优化时，优化算法为粒子群算法。
实施列二
本发明还提供了一种根据实施例一方法步骤的膜系组合选择标准，如下所示：
以100条膜系为例。含有探测器特性的膜系透过率曲线A(λ)在400-900nm 波长范围如图1所示：
关于A(λ)选择，现提出的两个约束条件，一是A(λ)之间的相关性尽可能小，二是矩阵A的条件数尽可能小。满足条件一是为了使矩阵A的满秩，确保解的唯一性。满足条件一是为了增强方程的抗噪性。
滤光片的相关性可以由式(3)表示,矩阵条件数如式(4)所示。其中σmax与σmin分别代表矩阵特征值的最大值与最小值。
现利用Kmeans算法与粒子群算法对100条滤光片进行选择，步骤如下。
1、输入100条含有探测器特性的滤光片的表达式，在400-900nm波长范围内进行计算，计算出100条滤光片的离散值。
2、确定所要聚类的簇数，根据地物光谱的特性，聚类数量设置为567101530 50。
3、计算评价函数，即公式(3)，选择评价函数最小的一类
4、计算新的簇类中心，与最后一次聚类相比，若聚类结果不改变，则输出结果。
5、以条件数Cond(A)为目标函数进行优化，寻找最优条件数。
膜系优化结果
| 聚类数量 | 最优膜系组合编号 | 条件数 |
| 5 | 9190228963 | 19.17 |
| 6 | 779125788295 | 33.01 |
| 7 | 952377911007519 | 46.33 |
| 10 | 86917677663407895 | 523.04 |
| 15 | 2907…866369 | 9002.78 |
| 30 | 993415…205166 | 4.43E+13 |
| 50 | 199311…255534 | 3.32E+17 |
由表可知，随着聚类数量的增加，矩阵A的条件数越来越大。方程(2)的病态程度也越来越高。现采取聚类数量为5和6中的滤光片进行光谱求解，对B施加随机正负2.5个灰度值的误差，求解方法用伪逆法。
利用聚类数量为5的膜系时，求解数据结果如表2所示，将求出离散值作为对应波长内中心波长的光强均值。
表2聚类为5时求解光谱离散值(光强)
利用聚类数量为6的膜系时，求解数据结果如表2所示。
表3聚类为6时求解光谱离散值(光强)
将这11个离散点利用插值法进行拟合，结果如图2所示：
光谱重建评价用误差百分比来表示，表达式如式(5)所示,501个离散点误差百分比的均值为0.06.
由上述分析可知，利用kmean-粒子群算法对100条含有探测器特性的膜系进行选择，根据结果表明，当聚类数量为5和6时，可以优化出条件数较小的膜系组合。对求出的11个离散值在400-900nm波长范围内进行插值拟合，平均误差百分比为0.06，光谱重构效果较好。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于，包括以下步骤：
步骤一、输入含有探测器特性的滤光片的表达式，并计算离散值；
步骤二、确定所要聚类的簇数，根据地物光谱的特性，设置聚类数量；
步骤三、计算评价函数，选择评价函数最小的一类；
步骤四、计算新的簇类中心，比对最后一次聚类结果；
步骤五、以条件数Cond(A)为目标函数进行优化，寻找最优条件数。
2.根据权利要求1所述的一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于：所述含有探测器特性的滤光片的表达式数量为100条。
3.根据权利要求1所述的一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于：所述滤光片的离散值计算时，在400-900nm波长范围内进行计算。
4.根据权利要求1所述的一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于：所述确定所要聚类的簇数时，根据地物光谱的特性，聚类数量设置为56710153050。
5.根据权利要求1所述的一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于：所述计算评价函数时，滤光片的相关性由下列公式表示：
矩阵条件数如以下公示所示：
其中σmax与σmin分别代表矩阵特征值的最大值与最小值。
6.根据权利要求1所述的一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于：所述计算新的簇类中心，与最后一次聚类相比时，若聚类结果不改变，则输出结果。
7.根据权利要求1所述的一种基于探测器特性的新型光谱仪膜系组合的选择方法，其特征在于：所述以条件数Cond(A)为目标函数进行优化时，优化算法为粒子群算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210453466.1A CN114779467A (zh) | 2022-04-27 | 2022-04-27 | 一种基于探测器特性的新型光谱仪膜系组合的选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210453466.1A CN114779467A (zh) | 2022-04-27 | 2022-04-27 | 一种基于探测器特性的新型光谱仪膜系组合的选择方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114779467A true CN114779467A (zh) | 2022-07-22 |
Family
ID=82433768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210453466.1A Pending CN114779467A (zh) | 2022-04-27 | 2022-04-27 | 一种基于探测器特性的新型光谱仪膜系组合的选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114779467A (zh) |
Citations (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006288413A (ja) * | 2005-04-05 | 2006-10-26 | Toyobo Co Ltd | 中空糸膜型血液浄化器 |
| CN1862297A (zh) * | 2006-06-08 | 2006-11-15 | 上海欧菲尔光电技术有限公司 | 光学滤光片薄膜厚度的监控方法 |
| CN101923712A (zh) * | 2010-08-03 | 2010-12-22 | 苏州大学 | 基于粒子群优化的K-means聚类算法的基因芯片图像分割法 |
| JP2013009962A (ja) * | 2012-07-30 | 2013-01-17 | Toyobo Co Ltd | 中空糸膜型血液浄化器 |
| CN103207015A (zh) * | 2013-04-16 | 2013-07-17 | 华东师范大学 | 一种光谱重构方法及其光谱仪装置 |
| CN104181625A (zh) * | 2014-08-15 | 2014-12-03 | 中国科学院上海技术物理研究所 | 一种双色滤光片及设计方法 |
| CN105049841A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学院合肥物质科学研究院 | 利用单通道预滤光片提高彩色相机显色能力的方法 |
| CN105132881A (zh) * | 2015-09-08 | 2015-12-09 | 中国科学院光电技术研究所 | 一种用于大口径曲率半径比透镜的光学薄膜膜系设计方法 |
| CN106250933A (zh) * | 2016-08-12 | 2016-12-21 | 西华大学 | 基于fpga的数据聚类的方法、系统及fpga处理器 |
| CN107256291A (zh) * | 2017-05-19 | 2017-10-17 | 中国科学院长春光学精密机械与物理研究所 | 基于改进型量子进化算法的宽光谱极紫外多层膜设计方法 |
| CN107578059A (zh) * | 2017-08-02 | 2018-01-12 | 西华大学 | 基于膜计算框架的谱聚类算法 |
| CN107590436A (zh) * | 2017-08-10 | 2018-01-16 | 云南财经大学 | 基于膜粒子群多目标算法的雷达辐射源信号特征选择方法 |
| CN109034968A (zh) * | 2018-07-18 | 2018-12-18 | 江苏中润普达信息技术有限公司 | 一种基于粒子群算法的艺术品推荐方法 |
| CN109871412A (zh) * | 2018-12-26 | 2019-06-11 | 航天科工广信智能技术有限公司 | 基于K-Means聚类的车道流量分析方法 |
| US20190377306A1 (en) * | 2018-06-12 | 2019-12-12 | PassiveLogic, Inc. | Predictive control loops using time-based simulation and building-automation systems thereof |
| CN110598804A (zh) * | 2019-10-14 | 2019-12-20 | 安徽理工大学 | 一种基于聚类和膜计算的改进FastSLAM算法 |
| CN110687681A (zh) * | 2019-09-10 | 2020-01-14 | 华中科技大学 | 一种光学膜系优化设计方法及产品 |
| US20200081245A1 (en) * | 2018-09-07 | 2020-03-12 | Amit Deliwala | System and method for characterizing multi-layered film stacks |
| CN111723528A (zh) * | 2020-07-23 | 2020-09-29 | 长春理工大学 | 光学薄膜高维多目标优化设计方法 |
| CN111912799A (zh) * | 2020-07-17 | 2020-11-10 | 中国科学院西安光学精密机械研究所 | 一种基于高光谱水体库的自适应波段选择方法 |
| CN112226729A (zh) * | 2020-09-29 | 2021-01-15 | 苏州众为光电有限公司 | 一种带通滤光片的制备方法 |
| CN113146410A (zh) * | 2021-02-19 | 2021-07-23 | 中国科学院国家天文台南京天文光学技术研究所 | 一种大口径非球面镜的加工方法 |
| CN113188658A (zh) * | 2021-05-18 | 2021-07-30 | 吉林大学 | 基于可调谐的光谱重构方法 |
| CN113282756A (zh) * | 2021-06-29 | 2021-08-20 | 华南农业大学 | 一种基于混合聚类的文本聚类智能评估方法 |
| CN113360245A (zh) * | 2021-05-20 | 2021-09-07 | 太原师范学院 | 基于移动云计算深度强化学习的物联网设备任务下载方法 |
| WO2022007376A1 (zh) * | 2020-07-08 | 2022-01-13 | 北京航空航天大学 | 基于贝叶斯自适应共振的多目标多模态粒子群优化方法 |
| CN114355493A (zh) * | 2022-01-14 | 2022-04-15 | 西北工业大学 | 一种基于蚁群算法的亚波长光栅设计方法 |
| CN114399674A (zh) * | 2022-01-21 | 2022-04-26 | 岭南师范学院 | 一种基于高光谱图像技术的贝类毒素无损快速检测方法及系统 |
-
2022
- 2022-04-27 CN CN202210453466.1A patent/CN114779467A/zh active Pending
Patent Citations (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006288413A (ja) * | 2005-04-05 | 2006-10-26 | Toyobo Co Ltd | 中空糸膜型血液浄化器 |
| CN1862297A (zh) * | 2006-06-08 | 2006-11-15 | 上海欧菲尔光电技术有限公司 | 光学滤光片薄膜厚度的监控方法 |
| CN101923712A (zh) * | 2010-08-03 | 2010-12-22 | 苏州大学 | 基于粒子群优化的K-means聚类算法的基因芯片图像分割法 |
| JP2013009962A (ja) * | 2012-07-30 | 2013-01-17 | Toyobo Co Ltd | 中空糸膜型血液浄化器 |
| CN103207015A (zh) * | 2013-04-16 | 2013-07-17 | 华东师范大学 | 一种光谱重构方法及其光谱仪装置 |
| CN104181625A (zh) * | 2014-08-15 | 2014-12-03 | 中国科学院上海技术物理研究所 | 一种双色滤光片及设计方法 |
| CN105049841A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学院合肥物质科学研究院 | 利用单通道预滤光片提高彩色相机显色能力的方法 |
| CN105132881A (zh) * | 2015-09-08 | 2015-12-09 | 中国科学院光电技术研究所 | 一种用于大口径曲率半径比透镜的光学薄膜膜系设计方法 |
| CN106250933A (zh) * | 2016-08-12 | 2016-12-21 | 西华大学 | 基于fpga的数据聚类的方法、系统及fpga处理器 |
| CN107256291A (zh) * | 2017-05-19 | 2017-10-17 | 中国科学院长春光学精密机械与物理研究所 | 基于改进型量子进化算法的宽光谱极紫外多层膜设计方法 |
| CN107578059A (zh) * | 2017-08-02 | 2018-01-12 | 西华大学 | 基于膜计算框架的谱聚类算法 |
| CN107590436A (zh) * | 2017-08-10 | 2018-01-16 | 云南财经大学 | 基于膜粒子群多目标算法的雷达辐射源信号特征选择方法 |
| US20190377306A1 (en) * | 2018-06-12 | 2019-12-12 | PassiveLogic, Inc. | Predictive control loops using time-based simulation and building-automation systems thereof |
| CN109034968A (zh) * | 2018-07-18 | 2018-12-18 | 江苏中润普达信息技术有限公司 | 一种基于粒子群算法的艺术品推荐方法 |
| US20200081245A1 (en) * | 2018-09-07 | 2020-03-12 | Amit Deliwala | System and method for characterizing multi-layered film stacks |
| CN109871412A (zh) * | 2018-12-26 | 2019-06-11 | 航天科工广信智能技术有限公司 | 基于K-Means聚类的车道流量分析方法 |
| CN110687681A (zh) * | 2019-09-10 | 2020-01-14 | 华中科技大学 | 一种光学膜系优化设计方法及产品 |
| CN110598804A (zh) * | 2019-10-14 | 2019-12-20 | 安徽理工大学 | 一种基于聚类和膜计算的改进FastSLAM算法 |
| WO2022007376A1 (zh) * | 2020-07-08 | 2022-01-13 | 北京航空航天大学 | 基于贝叶斯自适应共振的多目标多模态粒子群优化方法 |
| CN111912799A (zh) * | 2020-07-17 | 2020-11-10 | 中国科学院西安光学精密机械研究所 | 一种基于高光谱水体库的自适应波段选择方法 |
| CN111723528A (zh) * | 2020-07-23 | 2020-09-29 | 长春理工大学 | 光学薄膜高维多目标优化设计方法 |
| CN112226729A (zh) * | 2020-09-29 | 2021-01-15 | 苏州众为光电有限公司 | 一种带通滤光片的制备方法 |
| CN113146410A (zh) * | 2021-02-19 | 2021-07-23 | 中国科学院国家天文台南京天文光学技术研究所 | 一种大口径非球面镜的加工方法 |
| CN113188658A (zh) * | 2021-05-18 | 2021-07-30 | 吉林大学 | 基于可调谐的光谱重构方法 |
| CN113360245A (zh) * | 2021-05-20 | 2021-09-07 | 太原师范学院 | 基于移动云计算深度强化学习的物联网设备任务下载方法 |
| CN113282756A (zh) * | 2021-06-29 | 2021-08-20 | 华南农业大学 | 一种基于混合聚类的文本聚类智能评估方法 |
| CN114355493A (zh) * | 2022-01-14 | 2022-04-15 | 西北工业大学 | 一种基于蚁群算法的亚波长光栅设计方法 |
| CN114399674A (zh) * | 2022-01-21 | 2022-04-26 | 岭南师范学院 | 一种基于高光谱图像技术的贝类毒素无损快速检测方法及系统 |
Non-Patent Citations (6)
| Title |
|---|
| XUEYING LV等: "Improved Particle Swarm Optimization Algorithm Based on Last-Eliminated Principle and Enhanced Information Sharing", 《COMPUTATIONAL INTELLIGENCE AND NEUROSCIENCE》, pages 108 - 111 * |
| 刘宇熙: "《Python机器学习案例教程原书第2版》", 31 March 2021, 机械工业出版社, pages: 55 - 57 * |
| 刘继锋: "基于K-means聚类的高光谱图像压缩感知重建方法研究", 《信息科技辑》, 31 December 2019 (2019-12-31), pages 6 - 30 * |
| 孙志忠: "《数值分析》第2版", 31 January 2002, 东南大学出版社, pages: 85 - 87 * |
| 张刘等: "改进粒子群优化算法的高光谱波段选择", 《光谱学与光谱分析》, vol. 41, no. 10, pages 3194 - 3199 * |
| 强金龙等: "《电力系统经济调度》", 31 December 1993, 哈尔滨工业大学出版社, pages: 9 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109886464B (zh) | 基于优化奇异值分解生成特征集的低信息损失短期风速预测方法 | |
| CN109657891B (zh) | 一种基于自适应k-means++算法的负荷特性分析方法 | |
| CN105069234B (zh) | 一种基于视觉感知特征的光谱降维方法及系统 | |
| CN111738477B (zh) | 基于深层特征组合的电网新能源消纳能力预测方法 | |
| CN116526450A (zh) | 计及误差补偿的两阶段短期电力负荷组合预测方法 | |
| CN111523587B (zh) | 一种基于机器学习的木本植物物种光谱识别方法 | |
| CN113868960B (zh) | 一种基于典型相关森林的土壤重金属特征选取方法及系统 | |
| CN114898217A (zh) | 基于神经网络架构搜索的高光谱分类方法 | |
| CN114779467A (zh) | 一种基于探测器特性的新型光谱仪膜系组合的选择方法 | |
| Wei et al. | Kmeans-CM algorithm with spectral angle mapper for hyperspectral image classification | |
| Larkoski | QCD analysis of the scale-invariance of jets | |
| CN114510971B (zh) | 基于关联离群知识的类星体光谱并行化交叉证认方法 | |
| CN113188658B (zh) | 基于可调谐的光谱重构方法 | |
| CN111144308A (zh) | 一种高岭土矿物信息提取模型及其建立方法和应用 | |
| CN114062306B (zh) | 一种近红外光谱数据分段预处理方法 | |
| Zhang et al. | Research on the spectral reconstruction of a low-dimensional filter array micro-spectrometer based on a truncated singular value decomposition-convex optimization algorithm | |
| CN113361610B (zh) | 葡萄酒产地智能识别方法及系统 | |
| Tan et al. | A robust hot subdwarfs identification method based on deep learning | |
| CN117556245B (zh) | 一种四甲基氢氧化铵生产过滤杂质检测方法 | |
| CN115828136A (zh) | 一种融合多维度分布特征的分类超平面恒星光谱分类方法 | |
| CN115952402B (zh) | 基于二进制蜻蜓算法的近红外模型传递标样集挑选方法 | |
| Ma et al. | LIBS Spectrum Baseline Correction Method based on Non-Parametric Prior Penalized Least Squares Algorithm | |
| Nus et al. | Estimation of the regularization parameter of an on-line NMF with minimum volume constraint | |
| CN112381137A (zh) | 新能源电力系统可靠性评估方法、装置、设备及存储介质 | |
| He et al. | Iterative Least Squares Algorithm for Large-dimensional Matrix Factor Model by Random Projection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |