مقاله انگلیسی رایگان در مورد الگوریتم ایجاد یک مدل از ترکیب بهینه پنبه – الزویر ۲۰۱۹

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله یک الگوریتم برای ایجاد یک مدل از ترکیب بهینه پنبه
عنوان انگلیسی مقاله An Algorithm for Establishing A Model of Optimal Cotton Blending
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۷ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۱٫۲۵۷ در سال ۲۰۱۸
شاخص H_index ۴۷ در سال ۲۰۱۹
شاخص SJR ۰٫۲۸۱ در سال ۲۰۱۸
شناسه ISSN ۱۸۷۷-۰۵۰۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی کامپیوتر، مهندسی صنایع
گرایش های مرتبط الگوریتم و محاسبات، بهینه سازی سیستم ها
نوع ارائه مقاله
ژورنال و کنفرانس
مجله / کنفرانس علوم کامپیوتر پروسیدیا-Procedia Computer Science
دانشگاه  School of Electrical and Information Engineering, Zhengzhou University of Light Industry, Zhengzhou, 450002, China
کلمات کلیدی استخراج ویژگی، ترکیب بهینه پنبه، ارزیابی مدل، اصلاح مدل
کلمات کلیدی انگلیسی feature extraction, optimal cotton blending, model evaluation, model correction
شناسه دیجیتال – doi
https://doi.org/10.1016/j.procs.2019.06.023
کد محصول E12289
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱٫ Introduction

۲٫ Data Preprocessing

۳٫ Data Feature Extraction

۴٫ Model Establishment

۵٫ Model Evaluation

۶٫ Model Calibration

۷٫ Experiment and Simulation

۸٫ Conclusion

Acknowledgement

References

 

بخشی از متن 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.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.