本文關(guān)鍵詞：基于支持向量機的近紅外特征變量選擇算法用于樹種快速識別

  更多相關(guān)文章： 近紅外光譜 支持向量機 變量選擇 樹種識別 制漿造紙

【摘要】：將穩(wěn)定度自適應(yīng)重加權(quán)采樣特征變量選擇算法用于支持向量機定性分析(Support vector machine-stability competitive adaptive reweighted sampling,SVM-SCARS)。該算法通過對數(shù)據(jù)多次采樣建模計算各變量的穩(wěn)定度值,穩(wěn)定度值能更加客觀準確地評估變量在建模中的作用,因此可作為變量重要性的評價依據(jù)。通過循環(huán)迭代方式,采用自適應(yīng)重加權(quán)采樣技術(shù)逐步篩選變量,然后以每次循環(huán)所得變量子集建立SVM模型,并以模型交叉驗證分類正確率(Correct classification rate of cross validation,CCRCV)評估子集優(yōu)劣,確定最優(yōu)特征變量子集。將該算法結(jié)合漫反射近紅外光譜技術(shù)建立了制漿造紙常用木材的樹種識別模型,實現(xiàn)了對4種桉木和2種相思木的快速識別分類。最終共篩選出15個特征變量建立分類模型,模型對各樹種分類的正確率達97.9%,具有較好的分類效果。與全光譜模型和遞歸特征消除支持向量機模型相比,SVM-SCARS能夠篩選出更少的特征變量,且模型具有更好的預(yù)測性能和穩(wěn)定性。研究結(jié)果表明,SVM-SCARS算法能夠有效優(yōu)化光譜特征變量,提高近紅外在線分析模型在木材材性分析中的穩(wěn)健性和適用性。
【作者單位】： 中國林業(yè)科學(xué)研究院林產(chǎn)化學(xué)工業(yè)研究所;江蘇省生物質(zhì)能源與材料重點實驗室;國家林業(yè)局林產(chǎn)化學(xué)工程重點開放性實驗室;生物質(zhì)化學(xué)利用國家工程實驗室;華夏科創(chuàng)儀器有限公司;
【關(guān)鍵詞】： 近紅外光譜 支持向量機 變量選擇 樹種識別 制漿造紙
【基金】：國家林業(yè)局948項目(2014-4-31)
【分類號】：S718.4;O657.33
【正文快照】： 由于優(yōu)質(zhì)木材原料供應(yīng)短缺,采用多種木材纖維原料混合制漿造紙目前已成為必然。而不同樹種的木材原料因其纖維形態(tài)、化學(xué)組成等差異會直接影響到工藝參數(shù)、生產(chǎn)成本和紙漿產(chǎn)品質(zhì)量,因此需要針對木材樹種和材性的變化適時調(diào)整生產(chǎn)工藝條件[1]。但傳統(tǒng)制漿原料的分析方法步驟繁

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊緒兵,韓自存;ε不敏感的核Adaline算法及其在圖像去噪中的應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2003年04期

2 陶秀鳳,唐詩忠,周鳴爭;基于支持向量機的軟測量模型及應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2004年02期

3 許高程;張文君;王衛(wèi)紅;;支持向量機技術(shù)在遙感影像滑坡體提取中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年06期

4 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機遙感圖像融合分類方法研究進展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

5 馮學(xué)軍;;最小二乘支持向量機的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2009年01期

6 鄒心遙;姚若河;;基于LSSVM的威布爾分布形狀參數(shù)估計(英文)[J];半導(dǎo)體技術(shù);2008年06期

7 鄒心遙;姚若河;;基于LSSVM的小子樣元器件壽命預(yù)測[J];半導(dǎo)體技術(shù);2011年09期

8 李卓遠,吳為民,王e，

本文編號：1075416