移動(dòng)窗口平滑集成CARS算法(MWS-ECARS)是一種穩(wěn)定的特征變量提取算法。在前人研究的基礎(chǔ)上,提出了兩種基于不同窗口平滑算法改進(jìn)的MWS-ECARS對(duì)紅茶光譜降維,并與原始的MWS-ECARS、常用的連續(xù)投影算法(SPA)、競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法(CARS)、移動(dòng)窗口偏最小二乘法(MWPLS)比較,建立偏最小二乘算法回歸模型(PLSR),選擇出最優(yōu)紅茶等級(jí)判別模型。兩種改進(jìn)的MWS-ECARS方法分別是窗口高斯濾波平滑集成CARS(gaussian filter ECARS, GF-ECARS)、窗口中值濾波平滑集成CARS(median filter ECARS, MF-ECARS)。CARS算法運(yùn)行n次(該研究n=1 000),整合波長(zhǎng)及其對(duì)應(yīng)的挑選頻率并用不同的窗口平滑算法對(duì)挑選頻率進(jìn)行平滑,窗口寬度均為3～31,窗口步長(zhǎng)均為2;將通過(guò)不同窗口寬度和平滑算法平滑過(guò)的挑選頻率進(jìn)行閾值的設(shè)定,起始閾值及步長(zhǎng)均為20;最后選擇出挑選頻率大于閾值的波長(zhǎng),建立PLSR模型,以預(yù)測(cè)集相關(guān)系數(shù)(R_P²)為判斷因子,R_P

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
引 言
1 實(shí)驗(yàn)部分
    1.1 紅茶樣品的制備及可見(jiàn)-近紅外光譜的采集
    1.2 MWS-ECARS原理
2 結(jié)果與討論
    2.1 紅茶樣本的可見(jiàn)-近紅外光譜
    2.2 光譜數(shù)據(jù)預(yù)處理
    2.3 光譜數(shù)據(jù)降維
        2.3.1 基于MWS-ECARS的光譜數(shù)據(jù)降維
        2.3.2 基于連續(xù)投影算法(SPA)和競(jìng)爭(zhēng)自適應(yīng)重加權(quán)算法(CARS)的光譜數(shù)據(jù)降維
        2.3.3 移動(dòng)窗口偏最小二乘法(MWPLS)挑選特征波段
    2.4 建模結(jié)果分析
3 結(jié) 論



本文編號(hào)：3849202