基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为实现烟叶nic-ts-rs-k-cl含量分布的白组织分类,用SOM神经网络技术,以山东中烟公司提供的129种烟叶为学习和测试样本,训练和检测神经网络对烟叶nic-ts-rs-k-el含量分布的自组织分类.实验显示:经过1000步的训练.SOM神经网络矩阵映射重复操作归类相同率,在剔除特异结果后达到80%以上.这一结果证实,利用SOM神经网络技术,可以对烟叶参数组合取值分布进行客观分类,为烟叶质量评级、属性预测、缺陷诊断、状态预测和种类识别提供依据.
推荐文章
基于RBF神经网络的图形分类方法
图形分类
傅立叶变换
RBF神经网络
基于小波神经网络方法的心电图分类研究
小波神经网络
分类
心电图
基于卷积神经网络的植物图像分类方法研究
卷积神经网络
图像特征
图像分类
全卷积网络
植物图像
数据集
土地类型分类的人工神经网络方法
人工神经网络
影像
平均值
标准差
傅利叶频谱
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 烟叶分类的神经网络方法
来源期刊 数字技术与应用 学科 工学
关键词 烟叶 自组织分类 SOM神经网络 nic-ts-rs-k-el含量分布
年,卷(期) 2010,(11) 所属期刊栏目
研究方向 页码范围 95-95
页数 分类号 TS411.1
字数 856字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (56)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
烟叶
自组织分类
SOM神经网络
nic-ts-rs-k-el含量分布
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导