الگوریتم ایجاد یک مدل از ترکیب بهینه پنبه
ترجمه نشده

الگوریتم ایجاد یک مدل از ترکیب بهینه پنبه

عنوان فارسی مقاله: یک الگوریتم برای ایجاد یک مدل از ترکیب بهینه پنبه
عنوان انگلیسی مقاله: An Algorithm for Establishing A Model of Optimal Cotton Blending
مجله/کنفرانس: علوم کامپیوتر پروسیدیا-Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی صنایع
گرایش های تحصیلی مرتبط: الگوریتم و محاسبات، بهینه سازی سیستم ها
کلمات کلیدی فارسی: استخراج ویژگی، ترکیب بهینه پنبه، ارزیابی مدل، اصلاح مدل
کلمات کلیدی انگلیسی: feature extraction, optimal cotton blending, model evaluation, model correction
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.023
دانشگاه: School of Electrical and Information Engineering, Zhengzhou University of Light Industry, Zhengzhou, 450002, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2018
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 7
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12289
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Data Preprocessing


3-Data Feature Extraction


4-Model Establishment


5-Model Evaluation


6-Model Calibration


7-Experiment and Simulation


8-Conclusion


Acknowledgement


References

نمونه متن انگلیسی مقاله

Abstract


Due to the small amount of sample data and poor quality in cotton mills, this leads to large errors in the prediction of yarn quality to make the model difficult to train. This paper uses the appropriate data stretching algorithm after data preprocessing. Then, based on the features extracted by the main factors, the mapping relationship model of cotton blending is established. Finally, the evaluation and the correction of model are established. Actual tests have shown that the cost of cotton mills is decreased about 15% by the system and is increased about 25% for the profit by the system.


Introduction


Chuang Gao [6] studied the prediction model of yarn quality based on the combination of genetic algorithm, principal component analysis and competitive neural network. Yang S [7] established a physical or theoretical model to describe the relationship between yarn structure and yarn properties. And they provided the data needed for the model. Kothari N [8] showed that the degree of variation in plant fiber length and length uniformity were related to genotype. Chattopadhyay R [9] discussed how to use artificial neural networks to predict yarn properties from fiber parameters. Muhlstadt M [10] studied the fiber volume fraction gradient (G) in the laminated plain woven fabric (PWF), and solved the shortening problem by appropriately measuring the G in the laminated PWFs, and proposed the corresponding model. Ji R [11] proposed a cotton heterogeneous fiber classifier based on support vector machine (decision tree support vector machine, DTSVM). Experiments show that the recognition rate of different heterogeneous fibers is greater than 92%. Dhawan S [12] used the binary classification concept of support vector machine and the multi-class classifier concept of neural network to identify the spam and data categories received online and achieved good results.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

الگوریتم ایجاد یک مدل از ترکیب بهینه پنبه
نوشته های مرتبط
مقالات جدید
پیوندها