基于近红外光谱技术与支持向量机的苜蓿秋眠类型测定研究

基于近红外光谱技术与支持向量机的苜蓿秋眠类型测定研究

摘要：提出出了一种基于近红外光谱分析技术快速无损测定苜蓿秋眠类型的新方法.应用近红外光谱漫反射技术测定苜蓿样本的光谱并对其进行主成分分析(PCA),根据主成分的累积贡献率选取前10个主成分建立支持向量机(SVM)分类模型,并对其参数及核函数类型进行了详细的分析和讨论.试验结果表明,当c=0.339 2,g=32时,测试集的预测准确率可达98.182%,可以作为初步测定苜蓿秋眠类型的手段之一.同时,与主成分回归分析、偏最小二乘法、BP神经网络、LVQ神经网络等方法相比较的结果表明,PCA-SVM模型可以有效地解决小样本问题,且可以避免陷入局部极小. 作者： 王红柳[1]  岳征文[2]  卢欣石[1] Author： WANG Hong-liu[1]  YUE Zheng-wen[2]  LU Xin-shi[1] 作者单位： 北京林业大学草地资源与生态实验室,北京,100083北京林业大学水土保持与沙漠化防治教育部重点实验室,北京,100083 期 刊： 光谱学与光谱分析   ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(6) 分类号： S132 关键词： 苜蓿秋眠性    近红外光谱    主成分分析    支持向量机    机标分类号： O65 TL4 机标关键词： 近红外光谱技术    支持向量机    苜蓿秋眠    无损测定    Model    Support Vector Machine    Near Infrared    主成分回归分析    近红外光谱分析技术    LVQ神经网络    偏最小二乘法    主成分分析    预测准确率    小样本问题    累积贡献率    试验结果    分类模型    局部极小    技术测定    新方法 基金项目： 国家(863计划)项目，国家科技支撑项目 基于近红外光谱技术与支持向量机的苜蓿秋眠类型测定研究[期刊论文]  光谱学与光谱分析 --2011, 31(6)王红柳  岳征文  卢欣石提出出了一种基于近红外光谱分析技术快速无损测定苜蓿秋眠类型的新方法.应用近红外光谱漫反射技术测定苜蓿样本的光谱并对其进行主成分分析(PCA),根据主成分的累积贡献率选取前10个主成分建立支持向量机(SVM)分类模型,...