北京航空航天大学仪器科学与光电工程学院, 精密光机电一体化技术教育部重点实验室, 北京100191
在可见/近红外光谱分析中, 提取光谱数据中的有用信息是建立稳健准确模型的前提。 ISOMAP是一种有效的提取数据本真维的降维方法, 但对噪声和邻域参数都比较敏感。 提出了一种改进的ISOMAP有监督降维方法, 利用光谱数据本身的相关性指导邻域图的构建, 降低对噪声和邻域参数的敏感程度, 以正确表达数据的邻域结构。 采用该方法对两组光谱数据降维并进行PLS建模, 结果表明, 改进后的算法消弱了邻域大小的影响, 提取出的本真维数更小, 同时提高了模型精度。
等距映射 有监督降维 可见/近红外光谱分析 植物叶片生化参数 Isometric mapping Supervised dimension reduction Visible/near infrared spectrum analysis Leaves biochemical parameter
1 厦门大学物理系, 福建 厦门 361005
2 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310029
提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见-近红外光谱特征波长的新方法(SA-LS-SVM)。该方法用LS-SVM作为识别器, 用识别率作为SA的目标函数, 提取合适的特征波长数以及对应的特征波长。3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA-LS-SVM, 主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理, 提取特征波长或主成分, 然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测。结果发现, SA-LS-SVM只需从751个数据光谱中提取4个特征波长, 就可以使三种品牌润滑油的识别率达到了100%, 而其他所有的方法发现预测率都达不到100%, 由此验证了SA-LS-SVM的优越性。实验结果表明, SA-LS-SVM不仅能有效地减少建模的变量数, 而且可以提高预测精度。
可见-近红外光谱分析 识别模型 模拟退火算法 最小二乘法支持向量机
