1 中北大学电子测试技术国家重点实验室, 山西 太原030051
2 中北大学山西省光电信息与仪器工程技术研究中心, 山西 太原030051
研究基于粗糙集核优化的支持向量机(RS-SVM)在红外光谱定量中的应用. 通过粗糙集分类的方法对多组分污染气体红外光谱对应的特征波长段进行核函数初始数据的优化, 再将优化后的核函数带入支持向量机, 从而将二维混合光谱信息投影到高维空间, 再进行单种气体浓度的反演运算. 通过采用LS-SVM和PCA-SVM两种典型的光谱数据处理算法作对比, 对五种混合气体各组分定量分析进行比较. 当光谱可分度高时, 三种方法的预测值都接近标准值, 平均误差接近于0.13; 而当光谱可分度低时, RS-SVM的预测值比前两种更精确, 且当待测种类越多时, 该方法精度和运算时间的优势越显著.
光谱学 粗糙集 支持向量机 多组分污染气体 定量分析 Spectroscopy Rough Set Support Vector Machine Multi-component pollution gas Quantitative analysis 光谱学与光谱分析
2010, 30(12): 3384
