首页 > 论文 > 光学学报 > 40卷 > 07期(pp:0730002)

XGBoost在气体红外光谱识别中的应用 [Early Posting]

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

当今,模式识别算法在很多领域得到广泛应用。其中,提升算法因其对各种场景适应性强、准确率高,被广泛使用。但是提升算法在红外光谱识别领域中的应用却不多见。为解决气体红外光谱识别问题,引入提升算法中较新的研究成果—极端梯度提升算法(eXtreme Gradient Boosting, XGBoost)。选用实测的三氯甲烷、对二甲苯、四氯乙烯这三种气体的红外光谱数据进行实验。首先,在对原始数据进行预处理后,通过特征工程提取光谱特征,生成特征向量;然后,建立XGBoost模型,并对模型参数进行调优;最后基于分类准确率指标,与随机森林(Random Forest, RF)、支持向量机(Support Vector Machines, SVM)、前馈神经网络(Feedforward Neural Network, FNN)、卷积神经网络(Convolutional Neural Networks, CNN)模型进行对比并分析结果。实验结果表明:XGBoost在气体红外光谱识别领域有着广阔的应用前景。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/aos202040.0730002

作者单位:

    中国科学院安徽光学精密机械研究所
    中国科学院安徽光学精密机械研究所
    中国科学院安徽光学精密机械研究所
    中国科学技术大学环境科学与光电技术学院
    中国科学院安徽光机所

引用该论文

陶孟琪,刘家祥,吴越,宁志强,方勇华. XGBoost在气体红外光谱识别中的应用[J].光学学报,2020,40(07):0730002.