滿額折
光譜技術在農作物/農產品資訊無損檢測中的應用（簡體書）
相關商品
商品簡介
序
目次
書摘/試閱
商品簡介
本書系統地介紹了光譜技術及其預處理算法、特征選取方法，并在此基礎上，分析了國內外的最新研究進展，重點展示了光譜等技術在農業上的應用情況。本專*是多個國家自然科學基金項目、省自然科學基金項目、農業部重點實驗室開放課題研究成果的展現，實現了理論與應用的結合。本專*共包含14 章，其中第1章概述介紹了光譜技術在農作物／農產品信息檢測中應用的現狀；第2章至第5章介紹了光譜預處理算法、光譜特征選取方法及定性、定量分析方法；第6章至第14章分別介紹了光譜技術在水稻、生菜、桑葉、大米、雞蛋、紅豆、、玉米、油麥菜等農作物／農產品對象信息檢測中的應用實例。
序
??暫無內容
目次
??1 概述 1.1 農作物／農產品信息的光譜技術檢測 1.1.1 光譜技術在農作物檢測中的應用 1.1.2 光譜技術在農作物農藥殘留檢測中的應用 1.2 農作物／農產品信息的電特性技術檢測 1.2.1 介電特性技術在水果品質檢測中的應用 1.2.2 介電特性技術在糧食含水率檢測中的應用 1.2.3 介電特性在葉片含水率檢測中的應用 參考文獻2 光譜預處理算法 2.1 savitzky-Golay多項式平滑 2.2 移動平均平滑 2.3 多元散射校正算法 2.4 標準正態變量變換和去趨勢算法 2.5 導數變換算法 2.6 正交信號校正算法 2.7 小波閾值 2.8 小波分段 參考文獻3 光譜特征選取方法 3.1 逐步回歸分析 3.2 連續投影算法 3.3 權重回歸系數法 3.4 主成分分析 3.5 競爭性自適應加權算法 3.6 LDA算法 3.7 LPP算法 3.8 SLPP算法 3.9 離散小波變換 3.10 分段離散小波變換 參考文獻4 定性分析方法 4.1 支持向量機 4.2 K近鄰分類器 4.3 Adaboost-SVM及Adaboost-KNN 4.4 MSCPSO-SVM 4.5 限學習機 4.6 Fisher判別分析 4.7 馬氏距離判別分析 參考文獻5 定量分析方法 5.1 一元回歸算法 5.2 多元線性回歸 5.3 BP神經網絡及改進算法 5.3.1 BP神經網絡 5.3.2 基于貝葉斯算法的BP網絡 5.3.3 基于L-M算法的BP網絡 5.3.4 遺傳神經網絡 5.3.5 基于思維進化優化BP神經網絡 5.3.6 PNN神經網絡 5.3.7 GA—PNN神經網絡 5.4 支持向量機回歸算法及其改進 5.4.1 支持向量機回歸算法 5.4.2 GA-LS-SVM算法 5.5 ABC-SVR 參考文獻6 水稻信息檢測 6.1 樣本培育 6.1.1 栽培方法 6.1.2 水稻光譜數據測定 6.1.3 水稻葉片水分含量與氮素含量的測定……
書摘/試閱
??暫無內容
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。