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_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論