由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 光谱技术在农作物/农产品信息无损检测中的应用 孙俊著 东南
¥ ×1
1 概述
1.1 农作物/农产品信息的光谱技术检测
1.1.1 光谱技术在农作物检测中的应用
1.1.2 光谱技术在农作物农药残留检测中的应用
1.2 农作物/农产品信息的电特性技术检测
1.2.1 介电特性技术在水果品质检测中的应用
1.2.2 介电特性技术在粮食含水率检测中的应用
1.2.3 介电特性在叶片含水率检测中的应用
参考文献
2 光谱预处理算法
2.1 savitzky-Golay多项式平滑
2.2 移动平均平滑
2.3 多元散射校正算法
2.4 标准正态变量变换和去趋势算法
2.5 导数变换算法
2.6 正交信号校正算法
2.7 小波阈值
2.8 小波分段
参考文献
3 光谱特征选取方法
3.1 逐步回归分析
3.2 连续投影算法
3.3 权重回归系数法
3.4 主成分分析
3.5 竞争性自适应加权算法
3.6 LDA算法
3.7 LPP算法
3.8 SLPP算法
3.9 离散小波变换
3.10 分段离散小波变换
参考文献
4 定性分析方法
4.1 支持向量机
4.2 K分类器
4.3 Adaboost-SVM及Adaboost-KNN
4.4 MSCPSO-SVM
4.5 极限学习机
4.6 Fisher判别分析
4.7 马氏距离判别分析
参考文献
5 定量分析方法
5.1 一元回归算法
5.2 多元线性回归
5.3 BP神经网络及改进算法
5.3.1 BP神经网络
5.3.2 基于贝叶斯算法的BP网络
5.3.3 基于L-M算法的BP网络
5.3.4 遗传神经网络
5.3.5 基于思维进化优化BP神经网络
5.3.6 PNN神经网络
5.3.7 GA—PNN神经网络
5.4 支持向量机回归算法及其改进
5.4.1 支持向量机回归算法
5.4.2 GA-LS-SVM算法
5.5 ABC-SVR
参考文献
6 水稻信息检测
6.1 样本培育
6.1.1 栽培方法
6.1.2 水稻光谱数据测定
6.1.3 水稻叶片水分含量与氮素含量的测定
……
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格