排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
干燥方式与绿名茶香气特征的关系 总被引:5,自引:0,他引:5
研究结果表明,不同干燥方式影响茶叶香型明显,名茶清爽嫩香化合物有(顺)-3-己烯醇,(顺)-3-己酸己烯酯,芳樟醇,反-3-戊烯-2-酮,吲哚和正己醛,反-2-戊烯醛等;花香火功香化合物有吡嗪类,香叶醇、β-紫罗酮+(顺)-茉莉酮、苯乙腈,橙花叔醇,苯甲醇,芳樟醇氧化物,2-苯乙醇等。两香型成分含量同香气总量的比率,是影响名茶香气的重要因素。 相似文献
5.
基于词对主题模型的中分辨率遥感影像土地利用分类 总被引:1,自引:1,他引:0
利用遥感影像数据进行土地利用/覆被分类是多学科共同关注的热点问题,但传统自动分类方法仍然难以满足应用需求,以隐狄利克雷分配模型(latent dirichlet allocation,LDA)为代表的概率主题模型能够建立底层特征和高层语义之间的桥梁,近年来也被引入了遥感影像分析领域,但多集中于针对高空间分辨遥感影像的分析。该文分析了一般概率主题模型在遥感影像空间分辨率降低后面临的问题,在此基础上借鉴词对主题模型(biterm topic model,BTM)对单词稀疏文档的推理能力,将其引入中空间分辨率遥感影像的分类中,并提出使用空间相邻的视觉单词对作为模型的观测数据。试验结果表明,BTM模型的分类性能优于LDA模型,并且使用空间相邻视觉单词对可以比标准BTM模型使用更少的观测数据,取得更高的分类精度。 相似文献
6.
高空间分辨率遥感影像可以更为精确地分析地物覆盖类型,但空间分辨率的提高也对现有分类方法带来了新的挑战,隐狄利克雷分配(latent dirichlet allocation,LDA)模型能够建立遥感影像底层特征和高层语义之间的联系,但是当前LDA模型在遥感影像分析领域的应用以场景分类和图像检索为主,已有的一些关于土地覆盖分类研究缺少对高分辨率遥感数据的空间关系进行挖掘。该文在标准LDA模型的基础上,利用词包模型构建方法生成的影像文档和单词对象来展开试验,利用多尺度分割挖掘影像中对象的空间关系,设计"主题流行度"和"主题内容"2种形式的影像文档区域属性,以协变量的形式作为LDA模型的先验知识,提出一种空间LDA模型(Space-LDA)。利用无锡宜兴市Quick Bird影像验证该模型在高分辨率遥感影像分类中的有效性,结果表明空间LDA模型分类结果不仅明显优于标准LDA,而且对区域尺度的变化具有一定的鲁棒性,空间区域信息同时从主题流行度和主题内容2个层面提供了推理信息,使模型具有更灵活的结构。 相似文献
1