纺织学报 ›› 2014, Vol. 35 ›› Issue (4): 5-0.

• 纤维材料 • 上一篇    下一篇

基于鳞片纹图基因码的羊绒理论识别精度及正误判率

石先军1 胡新荣1 蔡光明2 于伟东2   

    1. 武汉纺织大学数学与计算机学院
    2. 武汉纺织大学纺织科学与工程学院
  • 收稿日期:2013-05-09 修回日期:2013-12-10 出版日期:2014-04-15 发布日期:2014-04-14
  • 基金资助:

    国家自然基金资助项目;湖北省教育厅重点项目

Theoretical recognition accuracy and error rate for cashmere based on scale pattern gene code

  • Received:2013-05-09 Revised:2013-12-10 Online:2014-04-15 Published:2014-04-14

摘要: 针对羊绒与细羊毛鉴别的问题,研究了鳞片纹图基因码关于羊绒的的识别精度。研究表明, 虽然羊绒与细羊毛同一鳞片纹图基因码的分布类型相同,但数字特征却大同小异,羊绒鳞片纹图基因码的数字特征表明其鳞片更似方形或窄矩形,而细羊毛的则更似宽矩形。在所有纹图基因码中,两类纤维鳞片面积、周长和矩形度的分布几乎完全重叠,表明三者无法用于纤维鉴别。两类纤维其它纹图基因码的分布部分重叠,据此可建立具有最小识别误差的纤维辨识标准,获得了羊绒纤维最大识别概率为88.8%,羊毛最大识别概率为92%,最小识别误差为10.7%的结论。这些结论为羊绒鉴别最优基因组的发现提供了理论参考。

关键词: 山羊绒, 细羊毛, 鳞片纹图基因码, 数字特征, 分布

Abstract: For the identification for cashmere and fine wool based scale pattern gene codes, the accuracy was studied. These researches show that though the same gene codes of cashmere and fine wool follow the same distribution, the numerical characteristics are different. The numerical characteristics of gene codes show that the scale of cashmere is more like a square or narrow rectangle and that of fine wool more like a wide rectangle. Among scale pattern gene codes, the distribution curves of scale area, perimeter and rectangle factor between two types of fiber are serious overlap, which imply that the three gene codes can’t be used to distinguish cashmere from fine wool. Except for that, the distribution curves of other scale pattern gene codes are partial overlap. So the different identification standard can be developed on the basis of minimum recognition errors for each scale pattern gene code and the maximum recognition probability of 88.8% for cashmere and 92% for fine wool can be got. These results provide a theoretical basis for the finding of optimal gene group for distinguish cashmere from fine wool.

Key words: cashmere, fine wool, scale pattern gene code, numerical characteristic, distribution

中图分类号: 

  • TS102.3
[1] 张文欢 钱晓明 范金土 师云龙 牛丽. 人体出汗率分布的研究进展[J]. 纺织学报, 2018, 39(08): 179-184.
[2] 杨瑞华 韩瑞叶 徐亚亚 薛元 王鸿博 高卫东. 数码转杯纺混色纱中有色纤维混合效果分析[J]. 纺织学报, 2018, 39(07): 32-38.
[3] 王瑞洁 李龙 秦彩霞 . 采用滑溜牵伸的低比例山羊绒混纺纺纱实践[J]. 纺织学报, 2018, 39(06): 24-28.
[4] 於凌 洪文进 苗钰. 品牌服装橱窗陈列形象的影响因素及其权重分布[J]. 纺织学报, 2018, 39(06): 162-166.
[5] 王永荣 罗胜利 廖银琳 刘宇. 女性服装压力舒适阈限的测试与研究[J]. 纺织学报, 2018, 39(03): 132-136.
[6] 张恒 甄琪 钱晓明 杨红英 申屠宝卿 张一风 刘让同. 聚酯/聚酰胺中空橘瓣型超细纤维非织造材料的孔径预测[J]. 纺织学报, 2018, 39(01): 56-61.
[7] 袁新林 徐艳华. 段染纱横编织物花纹预测[J]. 纺织学报, 2017, 38(10): 44-48.
[8] 王元峰 冯艳飞 夏治刚 . 复合纱体中长丝分布形态对纱线性能的影响[J]. 纺织学报, 2017, 38(09): 32-39.
[9] 宋磊磊 赵玉芬 李嘉禄 陈利 耿伟. 基于混合韦伯分布的碳纤维针刺毡结构表征[J]. 纺织学报, 2017, 38(06): 52-57.
[10] 贾国欣 任家智 冯清国. 基于纤维长度根数分布的精梳加工模拟及棉网质量预测[J]. 纺织学报, 2017, 38(06): 23-27.
[11] 金敬业 王府梅 徐步高. 基于随机须丛逐步分解模型的纤维长度分布计算方法[J]. 纺织学报, 2017, 38(02): 81-89.
[12] 苏玉恒 孔繁荣. 采用窗函数的棉纤维线密度分布表征[J]. 纺织学报, 2017, 38(01): 46-51.
[13] 朱江晖 朱俊莉. 服装品牌形象影响因素及其权重分布[J]. 纺织学报, 2016, 37(4): 148-0.
[14] 张晓娟 徐伯俊 刘新金. 采用多项式拟合的细纱机双区牵伸与三区牵伸纤维分布对比[J]. 纺织学报, 2016, 37(4): 38-0.
[15] 徐瑶瑶 朱俐莎 杜磊 邹奉元. 文胸模杯曲面形态特征曲线提取与分析[J]. 纺织学报, 2016, 37(11): 103-108.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!