位置:成果数据库 > 期刊 > 期刊详情页
实时采集中异常值的自动甄别与纠错方法研究
  • ISSN号:1002-8331
  • 期刊名称:计算机工程与应用
  • 时间:2012.1
  • 页码:111-116
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]安徽大学数学科学学院,合肥230601, [2]安徽省畜牧技术推广总站,合肥230001
  • 相关基金:国家自然科学基金(No.11171001).
  • 相关项目:统计推断理论和方法及其在生物医学、数据分析与计算等方面的应用
中文摘要:

随着科学技术进步,规模猪的生长过程研究手段也日益现代化。传统上对猪的生长研究大多采用人工收集数据,不仅麻烦费事,而且极易产生猪的应激反应,对猪的生长产生影响。随着各种传感器和现代通讯技术在养猪事业中的应用,数据的收集变得更加科学、方便。然而,由于采集数据对象的特殊性,使得在采集数据的过程中,客观存在挤、拱、撞等现象,从而造成采集的数据存在偏差,对后期分析研究猪的生长性状产生一定影响,因此,必需加以修正。鉴于此提出了将经典算法与神经网络方法相结合来自动甄别与纠正采集的数据,通过Matlab仿真及在安徽菩提果公司研发的“9SC-05猪用选种选料自动测定设备系统”的应用实践,表明该方法具有纠错准确率高、速度快、适应性好等优点。

英文摘要:

With the progress of science and technology, the research method of scale pig's growth process is also increasingly modern. Traditionally, manual methods of data collection are mostly used to study the pig's growth, which are not only trouble- some, but also easily cause pig' s stress reaction, thus affect the normal growth of pig. With the application of various sensors and modern communication technology in pig industry, the data collection methods are becoming more and more scientific and convenient. However, due to the particularity of collect objects, there objectively exist all kinds of phenomenons, such as crowding, arching and colliding, in the process of collecting data, which may make the data misaligned and subsequent analysis and research in growth characteristics of pig influenced, therefore, the data collected must be corrected. So, this paper puts forward the classical algorithm combined with neural network to automatically identify and correct the data collected. Through the simulation of Matlab and Anhui bodhi fruits company' s application practice in choosing pig breeds and feed in automatic measuring system, it is proved that this method is of error correction accuracy, high speed and high adaptability.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机工程与应用》
  • 北大核心期刊(2014版)
  • 主管单位:中国电子科技集团公司
  • 主办单位:华北计算技术研究所
  • 主编:怀进鹏
  • 地址:北京市海淀区北四环中路211号北京619信箱26分箱
  • 邮编:100083
  • 邮箱:ceaj@vip.163.com
  • 电话:
  • 国际标准刊号:ISSN:1002-8331
  • 国内统一刊号:ISSN:11-2127/TP
  • 邮发代号:82-605
  • 获奖情况:
  • 1. 2012年首批获得中国学术文献评价中心发布的 “...,2. 2001年获得新闻出版署“中国期刊方阵双效期刊”,3. 2008年首批入选国家科技部“中国精品科技期刊...,4.2003年-2011年连续获得工业和信息化部期刊最高...
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:97887