别敲了!浙大博士 130 页论文,教你用AI挑西瓜

国内新闻 浏览(906)

AI人工智能研究2天前我想分享

paixin大数据显示,今年夏天是140年来最热的夏天。 “热”已经成为全球热门词汇,我们经历了最热的六月,刚刚送出最热的七月,正在进入最热的八月.面对炎热的夏季炎热,抱着一半冷西瓜,无疑是最好的夏季选择。蹲,吃,舀,吃,s ,吃,烤,怎么吃,好吃.

西瓜对中国人的意义在世界上,我担心没有比中国人更多的爱,更多的食物和更多的西瓜。自1000多年前南北朝西瓜引入中国以来,它逐渐开始占据夏季水果霸主的地位。一些历史学家已经证实,1000多年前在北京种植了西瓜,并且在内蒙古辽代墓葬的壁画中发现了古人最早的“吃西瓜”场景。墓葬建于公元1026年至1027年之间。当它第一次被引入中国时,西瓜也是贵族独有的。直到1143年,当南宋官员涌入全国时,他们还带回了金人种下的西瓜种子。从那时起,江南就有西瓜,人们可以吃西瓜。在洪伟写的《松漠纪闻》中,有西瓜的描述:“西瓜的形状像菖蒲,颜色极绿。老化时会变黄。它的甜瓜香甜脆,里面有果汁。特别是寒冷。在枷锁归来之后,家乡就有了所有的枷锁。“从那以后,南宋文人经常出现西瓜。 “西瓜无处不在”,“西瓜黄藤”,“醉西瓜”等词语表明西瓜已经越来越受欢迎。西瓜已成为中国文化的一部分。许多成语与西瓜有关:老王卖甜瓜,瓜成熟,瓜成熟,葡萄藤是甜瓜. 2004年,北京大兴区邦格庄镇的“中国西瓜博物馆”正式开业。它的主题是“飞西瓜”。 “这意味着中国西瓜飞出了这个国家。”这是中国第一家以“西瓜”为特色的博物馆。博物馆展示了西瓜,西瓜种植,西瓜文化和技术的历史。根据粮农组织粮农组织发布的数据,中国已成为世界上最大的西瓜生产国和消费国。 2018年,中国消化了7000多万吨西瓜,即人均100公斤。因此,在西瓜面前,我们都可以自豪地说:我终于实现了水果的自由!但是,吃甜瓜很容易挑选。如何在面对一堆类似的西瓜时选择最好最甜的甜瓜?全球方法是敲打它。西瓜西瓜告诉我你是否是最甜的瓜

然而,事实上,许多“吃甜瓜”最终被撞倒了,我听不到西瓜的答案。

因此,浙江大学的一位医生写了一篇130页的论文《西瓜成熟度和内部空心的声学检测技术及装置研究》(论文地址:),告诉我们如何利用人工智能技术从西瓜的声音来判断最甜的西瓜。

除了这位医生,还有很多医生在这方面做研究

当然,他这项研究的初衷是增加农民的收入,扩大西瓜的出口。顺便说一下,我们将从绝大多数的“吃甜瓜”中受益。

使用机器学习来判断,准确和有效

通过研究,作者发现西瓜成熟度的变化通常与内部成分(如含糖量)和结构(如体积质量,内部空洞)的变化密切相关,这些变化也会引起变化。声学特性。他认为,采用声学无损检测方法,通过不同的建模方法和技术,确定西瓜的成熟度更为合适。

而且,与激光,核磁共振等技术相比,声学特征检测与其他检测方法相比具有价格低,检测效率高,准确度高的优点。实验结束后,作者得出结论:LS-SVM方法在西瓜成熟度分类模型中表现最佳,预测准确率为73.6%。

声学检测装置物理图

在声学检测装置的结构和材料优化的基础上,在对攻丝信号进行去噪后,作者进行了两次试验,即成熟度分类试验和空心判定试验。

在实验中,选取麒麟西瓜作为样本,从杭州余杭区仓前镇巫山前村的五组瓜农中采摘,收获后立即移至实验室。

在成熟度分类实验中,选择147个非开口瓜,随机分为两组:75个模型组和72个预测组。

在空心测定试验中,选择190个样品(包括空心瓜)并随机分成两组,其中97个建模组和93个预测组。

建模集用于构建样本的分类或空心确定模型,预测集用于测试模型的性能。

该实验使用了四种常见的监督机器学习算法和模式识别算法,即线性判别分析(LDA),K最小最近邻(KNN),BP神经网络(ANN)和最小二乘支持向量机。该方法(LS-SVM)对具有声学特征的三种未成熟,成熟和过熟的西瓜进行分类,并且还鉴定出空心瓜。

空心瓜样品中,空心体积位置和形状不同

为了消除西瓜声谱中峰值分裂引起的不利影响,作者定义了第一个力矩指数MI1和第二个力矩指数MI2,因为在西瓜穿刺试验中(确定肉体的硬度),这两个参数用西瓜确定。成熟度高度相关,因此被用作西瓜成熟度分类的声学特征参数。

最适合区分甜瓜的算法:LS-SVM

实验结果表明,LS-SVM算法建模集和预测集的准确率分别为76%和73.6%,均高于其他三个分类器的分类结果。

三种不同成熟西瓜的LS-SVM分类结果

此外,神经网络建模集和预测集的准确率分别为73.3%和66.6%,仅次于LS-SVM。作者得出结论:LS-SVM使用线性方程来简化SVM的二次编程问题,分类效率大大提高,惩罚因子的引入使结构风险最小化。该方法更适用于小样本集不平衡样本集中不平衡西瓜样本集的分类处理;而LDA算法适用于线性分类问题;当KNN算法对不平衡样本集进行分类时,很容易使位置样本偏向大量样本类。结果,分类误差变大;神经网络分类器的缺点是过度拟合,容易陷入局部极值。此外,作者还采用了上述四种方法和能量比经验阈值法,以MI1,MI2和能量比Er作为特征参数,并对不平衡样本进行了空心样本的识别。作者使用Fβ分数作为分类器的评估指标。物理意义是通过准确率和召回率将两者组合成不同的权重,并综合判断分类器的准确性,对样本群体和某个样本进行分类。

Fβ的定义

在定义公式中,TP是正确分为空心瓜的样品数,TN是正确分为好瓜的样品数,P是空心瓜样品的实际数,N是实际的数量。好的甜瓜样品。在本文中,β=2。在这些判别方法中,LS-SVM分类仍然是最好的,建模集和预测集的Fβ分数分别为88.1%和74.7%。似乎Zheda博士帮助我们弄清楚如何挑选最甜的甜瓜。吃甜瓜,我们是几千年来最科学的积累,西瓜已成为越来越多人生活的一部分。所谓“夏天没有吃西瓜的人不足以谈论生活。”今天非常受欢迎的网上热门词“吃甜瓜”也充分显示了我们对西瓜的热爱。原来“吃甜瓜”中的“甜瓜”是指瓜子,但由于西瓜的深根,这种“甜瓜”逐渐演变成“西瓜”。

对于人工智能领域的学生来说,最熟悉的“瓜”必须是南大学周志华教授写的《机器学习》西瓜书。

这台机器学习入门书是开始采摘西瓜

西瓜随处可用来解释各种术语和问题

日本的Shibuya公司挑选西瓜设备,下次你可以带它去买瓜子

HyperAI Super Neuro授权(ID: HyperAI)

相关论文

点击的人点击收集报告投诉

paixin大数据显示,今年夏天是140年来最热的夏天。 “热”已经成为全球热门词汇,我们经历了最热的六月,刚刚送出最热的七月,正在进入最热的八月.面对炎热的夏季炎热,抱着一半冷西瓜,无疑是最好的夏季选择。蹲,吃,舀,吃,s ,吃,烤,怎么吃,好吃.

西瓜对世界华人的意义,恐怕没有比中国人更多的爱,更多的食物,更多的西瓜。自1000多年前南北朝西瓜传入中国以来,西瓜逐渐开始占据夏季水果霸主的地位。一些历史学家证实,一千多年前北京就种植了西瓜,内蒙古辽代墓葬壁画中发现了古代最早的“吃西瓜”场景。这些墓穴建于公元1026年至1027年之间,当它首次传入中国时,西瓜也是贵族的专属。直到1143年,南宋官员向全国大水漫灌时,才把金人种的西瓜籽带回来。从此以后,江南就有了西瓜,人们可以吃西瓜。洪伟在[0X9A8B]中对西瓜的描述是:“西瓜的形状像一个菖蒲,颜色非常绿。它变黄了。它的甜瓜又甜又脆,里面有果汁,特别冷。“铁链回归后,家乡的铁链就全在这里了。”从那时起,南宋文人就频频出现西瓜。“西瓜遍地”、“西瓜黄藤”、“醉酒西瓜”等词表明西瓜越来越流行。西瓜已经成为中国文化的一部分。许多成语与西瓜有关:老王卖瓜,瓜熟了,瓜熟了,葡萄藤是瓜…2004年,北京市大兴区邦戈庄镇“中国西瓜博物馆”正式对外开放。它的主题是“飞行西瓜”。这意味着中国西瓜飞出了中国。”这是中国第一个以“西瓜”为特色的博物馆。博物馆展示了西瓜的历史、西瓜种植、西瓜文化和技术。根据粮农组织发布的数据,中国已经成为世界上最大的西瓜生产国和消费国。2018年,中国共消化了7000多万吨西瓜,人均100公斤。所以,在西瓜面前,大家都可以自豪地说:我终于实现了水果自由!然而,吃甜瓜很容易采摘。面对一大堆相似的西瓜,我怎么能选择最好、最甜的西瓜呢?全球的方法是打破它。西瓜西瓜告诉我你是否是最甜的瓜

然而,事实上,许多“吃甜瓜”最终被撞倒了,我听不到西瓜的答案。

因此,浙江大学的一位医生写了一篇130页的论文《松漠纪闻》(论文地址:),告诉我们如何利用人工智能技术从西瓜的声音来判断最甜的西瓜。

除了这位医生,还有很多医生在这方面做研究

当然,他这项研究的初衷是增加农民的收入,扩大西瓜的出口。顺便说一下,我们将从绝大多数的“吃甜瓜”中受益。

使用机器学习来判断,准确和有效

通过研究,作者发现西瓜成熟度的变化通常与内部成分(如含糖量)和结构(如体积质量,内部空洞)的变化密切相关,这些变化也会引起变化。声学特性。他认为,采用声学无损检测方法,通过不同的建模方法和技术,确定西瓜的成熟度更为合适。

而且,与激光,核磁共振等技术相比,声学特征检测与其他检测方法相比具有价格低,检测效率高,准确度高的优点。实验结束后,作者得出结论:LS-SVM方法在西瓜成熟度分类模型中表现最佳,预测准确率为73.6%。

声学检测装置物理图

在声学检测装置的结构和材料优化的基础上,在对攻丝信号进行去噪后,作者进行了两次试验,即成熟度分类试验和空心判定试验。

在实验中,选取麒麟西瓜作为样本,从杭州余杭区仓前镇巫山前村的五组瓜农中采摘,收获后立即移至实验室。

在成熟度分类实验中,选择147个非开口瓜,随机分为两组:75个模型组和72个预测组。

在空心测定试验中,选择190个样品(包括空心瓜)并随机分成两组,其中97个建模组和93个预测组。

建模集用于构建样本的分类或空心确定模型,预测集用于测试模型的性能。

该实验使用了四种常见的监督机器学习算法和模式识别算法,即线性判别分析(LDA),K最小最近邻(KNN),BP神经网络(ANN)和最小二乘支持向量机。该方法(LS-SVM)对具有声学特征的三种未成熟,成熟和过熟的西瓜进行分类,并且还鉴定出空心瓜。

空心瓜样品中,空心体积位置和形状不同

为了消除西瓜声谱中峰值分裂引起的不利影响,作者定义了第一个力矩指数MI1和第二个力矩指数MI2,因为在西瓜穿刺试验中(确定肉体的硬度),这两个参数用西瓜确定。成熟度高度相关,因此被用作西瓜成熟度分类的声学特征参数。

最适合区分甜瓜的算法:LS-SVM

实验结果表明,LS-SVM算法建模集和预测集的准确率分别为76%和73.6%,均高于其他三个分类器的分类结果。

三种不同成熟西瓜的LS-SVM分类结果

此外,神经网络建模集和预测集的准确率分别为73.3%和66.6%,仅次于LS-SVM。作者得出结论:LS-SVM使用线性方程来简化SVM的二次编程问题,分类效率大大提高,惩罚因子的引入使结构风险最小化。该方法更适用于小样本集不平衡样本集中不平衡西瓜样本集的分类处理;而LDA算法适用于线性分类问题;当KNN算法对不平衡样本集进行分类时,很容易使位置样本偏向大量样本类。结果,分类误差变大;神经网络分类器的缺点是过度拟合,容易陷入局部极值。此外,作者还采用了上述四种方法和能量比经验阈值法,以MI1,MI2和能量比Er作为特征参数,并对不平衡样本进行了空心样本的识别。作者使用Fβ分数作为分类器的评估指标。物理意义是通过准确率和召回率将两者组合成不同的权重,并综合判断分类器的准确性,对样本群体和某个样本进行分类。

Fβ的定义

在定义公式中,TP是正确分为空心瓜的样品数,TN是正确分为好瓜的样品数,P是空心瓜样品的实际数,N是实际的数量。好的甜瓜样品。在本文中,β=2。在这些判别方法中,LS-SVM分类仍然是最好的,建模集和预测集的Fβ分数分别为88.1%和74.7%。似乎Zheda博士帮助我们弄清楚如何挑选最甜的甜瓜。吃甜瓜,我们是几千年来最科学的积累,西瓜已成为越来越多人生活的一部分。所谓“夏天没有吃西瓜的人不足以谈论生活。”今天非常受欢迎的网上热门词“吃甜瓜”也充分显示了我们对西瓜的热爱。原来“吃甜瓜”中的“甜瓜”是指瓜子,但由于西瓜的深根,这种“甜瓜”逐渐演变成“西瓜”。

对于人工智能领域的学生来说,最熟悉的“瓜”必须是南大学周志华教授写的《西瓜成熟度和内部空心的声学检测技术及装置研究》西瓜书。

这台机器学习入门书是开始采摘西瓜

西瓜随处可用来解释各种术语和问题

日本的Shibuya公司挑选西瓜设备,下次你可以带它去买瓜子

HyperAI Super Neuro授权(ID: HyperAI)

相关论文

点击的人点击

http://www.whgcjx.com/bdsr96O.html