matlab代做FPGA代做烟草检测.docx

《matlab代做FPGA代做烟草检测.docx》由会员分享，可在线阅读，更多相关《matlab代做FPGA代做烟草检测.docx（7页珍藏版）》请在第一文库网上搜索。

1、程序设计流程小波能量系数提取的方法进行降维小波降维处理，将高维的数据转换为低维的数据。这个部分参考你提供的论文进行。%对数据进行小波变换C,1=WaVedeC(data,p,db3);ca8=appcoef(C,1,db3,8);cd8=detcoef(C,1,8);cd7=detcoef(C,1,7);cd6=detcoef(C,1,6);cd5=detcoef(C,1,5);cd4=detcoef(C,1,4)icd3=detcoef(C,1,3);cd2=detcoef(C,1,2);cd1=detcoef(C,1,1);%计算个数据的能量Fca8=Sqrt(SUm(Ca8*ca8)/I

2、ength(Ca8);Fcd8=sqrt(sum(cd8*cd8)1ength(cd8);Fcd7=sqrt(sum(cd7*cd7)1ength(cd7);Fcd6=sqrt(sum(cd6*cd6)1ength(cd6);Fcd5=sqrt(sum(cd5*cd5)1ength(cd5);Fcd4=sqrt(sum(cd4*cd4)1ength(cd4);Fcd3=Sqrt(SUm(Cd3*cd3)/Iength(Cd3);Fcd2=sqrt(sum(cd2*cd2)1ength(cd2);Fcd1=sqrt(sum(cd1*cd1)1ength(cd1);%获得降维后的数据data2(:

3、,i)=Fcd1Fcd2Fcd3Fcd4Fcd5Fcd6Fcd7Fcd8Fca8;%去掉异常点之后的原数据Spectrumenergy2i=data;%保存小波变化后的每一层的数据SpectrumenergycdSi=cd8;Spectrumenergycd?i=cd7;Spectrumenergycd6i=cd6;SpectrumenergycdSi=cd5;Spectrumenergycd4i=cd4;SpectrumenergycdSi=cd3;Spectrumenergycd2i=cd2;Spectrumenergycd1i=cd1;这个部分计算小波变化之后每一层的能量，最后得到如下的

4、仿真结果:从上面的仿真结果可知，维度变为了9维，这样可以方便的进行后期神经网络训练等操作。神经网络功能1用光谱特征指数或者小波能量系数降维处理后的数据来预测所给的相应的生理指标（数据中给出的是-胡萝卜素）。建立预测模型，并按照前面所给的模型评价指标来对模型进行评价。这个步骤，首先需要对光谱信息进行降维处理，按步骤二的方法进行，然后进行神经网络训练：fori=1:cdata3(:,i)=(data2(:,i)-min(data2(:,i)(max(data2(r,i)-min(data2(:,i)；endP=data3;T=(Betacarotene-min(Betacarotene)(max(

5、Betacarotene)-min(Betacarotene);t1=c1ock;%计时开始net=fitnet(65);net.trainParam.epochs=1000;%设置训练次数net.trainParam.goa1=0.00001;%设置性能函数net.trainParam.show=1;%每10显示net.trainParam.Ir=0.005;%设置学习速率net=train(net,P,T);%训练BP网络datat=etime(c1ock,t1);Nets=net;view(Nets);%选择100个数据进行侧四y=sim(net,P(:,1:100);得到如下的仿真结果

6、：本系统采用的神经网络结构如下图所示:BestVa1idationPerformanceis0.02531atepoch1002468W12141616EpochsIo0Training:R=0.91926Va1idation:R=0.66193sooa,Bt-6zo1n号。0.90.80.70.60.50.40.20.40.60.8DataFitY=T8 6 4 2 0.0,0.0.DataFitY=T10.80.60.40.20TargethSpee(OgicTarget1nnoUt1onProc*onAH:R=O.334oz08等。020ODataFitY=TDataFitY=T0.6T

7、argetTargetErrorHistogramwith20BinsSso661oS-O8 Wo9曾O -SSO RmS。8.00, oo, 8.0. gs9 8Nto Rq-5.0-寻 8eQ9 RrqQsgro-6露9 5 0 5 0SSUUSSu-Errors=Targets-Outputs最后得到的预测结果和原始的数据如下所示:神经网络功能2气象数据和化学指标中的数据建立模型，思路如下：数据中提供的是河南、四川和贵州三个省的气象数据和烟叶生理指标。这三个省由于气象因素影响，导致其烟叶香型不同，分别对应为浓香型，清香型和中间香型。我希望先找出化学指标中对香型影响最重要的因素，然后再看众多气象因素中哪个是决定香型的关键因素。首先根据论文中提供的主成分分析方法，获得关键影响因素，然后提取关键影响因素进行训练分类。最后的分类结果如下所示：