自適應小波包特征提取支持向量機建模及光譜分析應用.pdf

1、近紅外光譜技術具有分析速度快、樣品前處理要求不高、分析過程中不消耗其它材料或破壞樣品、分析重現性好、成本低等優(yōu)點,是一種新型的高效分析技術,在很多領域都有廣泛的應用。但是近紅外光譜也有著特征區(qū)域不明顯,光譜信息冗余等問題。在對復雜體系進行定量分析時,通常都會把近紅外光譜技術與化學計量學方法結合起來。本論文的主要內容是提出了一種新的化學計量學方法并應用于近紅外光譜數據的分析,主要內容如下:
　　(1)結合近紅外光譜的特點,提出了一種

2、基于粒子群優(yōu)化算法的自適應小波包變換特征提取支持向量機建模新算法。小波包變換不同于小波變換,它在對原始信號分解時是同時分解低頻和高頻信號,而小波變換僅僅是對低頻信號進行分解。在小波包變換中原始信號通過更多的濾波器,使得小波包變換在特征提取、平滑信號、去基線的過程中更加靈活。支持向量機是一種基于統(tǒng)計學習理論原則的學習機,它采用結構最小化原理,在很多方面表現出了良好的泛化能力。在構建小波包變換結合支持向量機方法模型時,因為小波包變換中小波包

3、分解樹的構建是一個離散優(yōu)化問題,而在支持向量機中參數的確定則是一個連續(xù)空間中的優(yōu)化問題,同時調用離散型與連續(xù)型兩種版本的粒子群優(yōu)化算法可以解決上述兩類優(yōu)化問題,實現模型性能的協(xié)同優(yōu)化。在對肉類近紅外光譜數據進行分析時,較之人工神經網、傳統(tǒng)支持向量機等方法,發(fā)現此方法建立的定量分析模型更為穩(wěn)健。
　　(2)把這種新算法應用于玉米中水分和蛋白近紅外光譜數據的定量預測,并與偏最小二乘、人工神經網絡、基于熵最小準則的小波包變換結合支持向量

4、機算法進行了對比。雖然基于粒子群優(yōu)化的小波包變換支持向量機模型也出現了一定的過擬合現象,但是與其他模型相比較訓練集和預測集樣本的均方根誤差值均有顯著下降,預測模型的精度和泛化能力都有了很大的提高。這為基于近紅外光譜技術的玉米品質檢驗提供了一種可靠的定量分析方法。
　　(3)干草的品質分析在整個畜牧業(yè)具有很大的意義,近紅外光譜技術結合化學計量學用于干草有效成分的定量分析,有助于實現快速、低成本的干草品質分析。本文中,結合近紅外光譜技