本文選題：近紅外光譜 + 特征分層選擇　； 參考：《光譜學(xué)與光譜分析》2017年04期

【摘要】：針對高維空間下獲取最優(yōu)特征子集異常復(fù)雜和模型識別準確率較低的問題,提出了基于特征分層選擇和融合度相結(jié)合的近紅外光譜多類識別度量算法。首先引入跳躍度,構(gòu)造了一種特征分層方法,將所有特征依據(jù)對樣本的重要性程度劃分不同的特征子集,從而避免了從原始特征數(shù)據(jù)逐個剔除無關(guān)特征構(gòu)建特征子集的繁瑣過程;同時又改進了樣本的融合度,將其代替K最近鄰分類器(KNN)中依據(jù)概率進行類別判斷的方式,提高了分類器的識別精度,較好地解決了多類識別準確率較低的問題。為驗證該算法的有效性,選取五類具有代表性382個煙葉樣品為實驗對象,構(gòu)建了煙葉產(chǎn)地識別度量模型,并選取64個樣本進行了模型測試,以預(yù)測均方根誤差(RMSEP)、交互驗證均方差(RMSECV)和相關(guān)系數(shù)(r)作為模型穩(wěn)健性的評價指標,以產(chǎn)地識別準確率作為算法優(yōu)劣評價標準。仿真實驗結(jié)果表明,利用該算法構(gòu)建的模型具有較低的RMSEP(0.117),RMSECV(0.106)和較高的r(0.973),平均識別準確率達到98.44%,性能明顯優(yōu)于其他算法,該算法對于高維光譜數(shù)據(jù)具有良好的識別性能。
[Abstract]:Aiming at the problem that obtaining the optimal feature subset in high dimensional space is very complicated and the accuracy of model recognition is low, a multi-class recognition metric algorithm based on the combination of feature stratification selection and fusion degree is proposed. Firstly, by introducing jump degree, we construct a feature stratification method, which divides all features into different feature subsets according to their importance to the sample. It avoids the tedious process of constructing the feature subset from the original feature data one by one, and at the same time improves the fusion degree of the sample and replaces the method of classification judgment based on probability in the K-nearest neighbor classifier (KNNN). The recognition accuracy of the classifier is improved and the problem of low accuracy of multi-class recognition is well solved. In order to verify the validity of the algorithm, a measurement model of tobacco origin recognition was constructed by selecting 382 representative tobacco samples from five categories as experimental objects, and 64 samples were selected to test the model. The root-mean-square error (RMSEPV), cross-validation mean square error (RMSECV) and correlation coefficient (r) were used as the evaluation index of model robustness, and the accuracy of origin recognition was taken as the evaluation criterion of the algorithm. The simulation results show that the model constructed by this algorithm has lower RMS EPU 0.117 and higher RMSECV 0.106), and the average recognition accuracy is 98.443.The performance of the algorithm is obviously better than that of other algorithms. The algorithm has good recognition performance for high-dimensional spectral data.
【作者單位】： 中國海洋大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國家科技支撐計劃課題(2015BAF12B01)資助
【分類號】：O657.33

【相似文獻】

相關(guān)期刊論文 前10條

1 宋國勝;李琳;胡松青;;傅立葉紅外光譜應(yīng)用研究進展[J];現(xiàn)代食品科技;2010年04期

2 ;《近紅外光譜解析實用指南》[J];分析化學(xué);2010年07期

3 ;《近紅外光譜解析實用指南》[J];分析化學(xué);2010年10期

4 ;《近紅外光譜解析實用指南》[J];分析化學(xué);2011年01期

5 ;《近紅外光譜解析實用指南》[J];分析化學(xué);2011年02期

6 ;《近紅外光譜解析實用指南》[J];分析化學(xué);2011年03期

7 ;《近紅外光譜解析實用指南》[J];分析化學(xué);2011年04期

8 ;紅外光譜在紡織工業(yè)上的應(yīng)用[J];印染;1978年02期

9 張?zhí)N珍;;積極開展紅外光譜學(xué)術(shù)交流[J];化學(xué)通報;1980年03期

10 徐滿華;;硅酸二鈣多晶體的紅外光譜鑒定[J];水泥;1993年03期

相關(guān)會議論文 前10條

1 甄夢章;;紅外光譜解析程序[A];全國第六屆分子振動光譜學(xué)術(shù)報告會文集[C];1990年

2 崔繼承;趙振武;丁東;唐玉國;;納米自潔凈玻璃近紅外光譜特性分析[A];第三次全國會員代表大會暨學(xué)術(shù)會議論文集[C];2002年

3 吳婧;郁露;孫素琴;;栽培與野生丹參的紅外光譜三級鑒定研究[A];第十四屆全國分子光譜學(xué)術(shù)會議論文集[C];2006年

4 梁逸曾;范偉;陳愛明;張志敏;;近紅外光譜軟件的設(shè)計和實現(xiàn)[A];第九屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

5 譚福元;李夢龍;馮曉瑜;張婧;;紅外光譜譜構(gòu)關(guān)系探討[A];第九屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

6 杭義萍;王海水;;紅外光譜:消除水溶液中水吸收峰干擾的新方法[A];中國化學(xué)會第28屆學(xué)術(shù)年會第9分會場摘要集[C];2012年

7 王海水;席時權(quán);;紅外光譜與長烴鏈化合物的結(jié)構(gòu)[A];全國第13屆分子光譜學(xué)術(shù)報告會論文集[C];2004年

8 謝狄霖;;紅外光譜信息管理系統(tǒng)[A];全國第13屆分子光譜學(xué)術(shù)報告會論文集[C];2004年

9 邱江;潘紅春;葉勤;張嗣良;;紅外光譜監(jiān)測糖化酶發(fā)酵過程[A];全國第10屆分子光譜學(xué)術(shù)報告會論文集[C];1998年

10 孫寧邦;;氣相色譜或放出氣體分析與付立葉變換紅外光譜聯(lián)用的模塊式接口[A];全國第五屆分子光譜學(xué)術(shù)報告會文集[C];1988年

相關(guān)重要報紙文章 前10條

1 記者 李犁;近紅外光譜專業(yè)委員會云南物聯(lián)站成立[N];云南日報;2011年

2 陳銳;紅外光譜三分鐘診腫瘤[N];健康報;2004年

3 馬斌睿;紅外光譜用于中藥質(zhì)控大有可為[N];中國中醫(yī)藥報;2003年

4 陳銳 郭曉斌;紅外光譜快速準確診斷腫瘤[N];家庭醫(yī)生報;2004年

5 張東風(fēng) 本報記者　　;紅外光譜能否成為中藥檢測標準[N];中國中醫(yī)藥報;2005年

6 史春香 楊悅武 郭祝元;近紅外光譜用于中藥質(zhì)控前景廣闊[N];中國醫(yī)藥報;2006年

7 陳銳 郭曉斌;只用3～5分鐘紅外光譜實現(xiàn)快速準確診斷腫瘤[N];醫(yī)藥經(jīng)濟報;2004年

8 記者 張東風(fēng);紅外光譜可用于中藥生產(chǎn)質(zhì)控[N];中國中醫(yī)藥報;2011年

9 陳銳;紅外光譜——診斷腫瘤又一利器[N];大眾衛(wèi)生報;2004年

10 龔翔;中藥快速識別的“武器”[N];中國醫(yī)藥報;2003年

相關(guān)博士學(xué)位論文 前10條

1 龔祖永;光學(xué)和振動分子光譜的理論研究[D];中國科學(xué)技術(shù)大學(xué);2016年

2 薛曉康;電化學(xué)表面增強紅外光譜的應(yīng)用與發(fā)展[D];復(fù)旦大學(xué);2008年

3 杜國榮;復(fù)雜體系近紅外光譜建模方法研究[D];南開大學(xué);2012年

4 郝勇;近紅外光譜微量分析方法研究[D];南開大學(xué);2009年

5 程旺興;醌類中藥小分子電子轉(zhuǎn)移機理研究—紅外光譜電化學(xué)循環(huán)伏吸法和導(dǎo)數(shù)伏吸法[D];安徽大學(xué);2012年

6 賀英;基于半監(jiān)督和遷移學(xué)習(xí)的近紅外光譜建模方法研究[D];中國海洋大學(xué);2012年

7 王金意;鈀、鎳及其非金屬合金電極的表面紅外光譜與應(yīng)用研究[D];復(fù)旦大學(xué);2010年

8 單瑞峰;近紅外光譜建模方法及溫度效應(yīng)研究[D];南開大學(xué);2014年

9 劉海;基于變分模型的紅外光譜超分辨率方法研究[D];華中科技大學(xué);2014年

10 嚴彥剛;表面增強紅外光譜在鉑族電極上的拓展及應(yīng)用[D];復(fù)旦大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 白沙沙;雙邊夾原理在紅外光譜中的應(yīng)用[D];華南理工大學(xué);2015年

2 劉明地;紅外光譜結(jié)合計算機解析技術(shù)對青海枸杞的鑒別研究[D];青海民族大學(xué);2015年

3 徐娟;云南不同類型土壤的元素含量測定及紅外光譜分析[D];云南師范大學(xué);2015年

4 汪銳;太陽系天體有機物質(zhì)的芳香性與脂肪性[D];南昌大學(xué);2015年

5 彭惜媛;12種種子類藥材多級紅外光譜分析與鑒定[D];佳木斯大學(xué);2015年

6 洪向前;頻域近紅外光譜醫(yī)用檢測系統(tǒng)的研究[D];電子科技大學(xué);2015年

7 王昱陸;基于可見/近紅外光譜的生鮮豬、牛、羊肉識別方法研究[D];新疆農(nóng)業(yè)大學(xué);2015年

8 馬曉晨;近紅外光譜無損檢測霉變板栗的研究[D];北京林業(yè)大學(xué);2016年

9 周銘;血小板聚集功能的檢測—光譜學(xué)及軟X線成像研究[D];安徽醫(yī)科大學(xué);2016年

10 李祥輝;近紅外光譜在食品檢驗及生物分析中的應(yīng)用研究[D];福州大學(xué);2013年

，

本文編號：1814189