基于聚类的烟叶近红外光谱有效特征的筛选方法

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｅｆｅｃｔｉｖｅｆｅａｔｕｒｅｓｕｓｅｄｆｏｒｂｅｔｔｅｒａｎｄｉｓｃｈｏｓｅｂｙａｎａｌｙｚｉｎｇｔｈｅｉｎｆｌｕｅｎｃｅｏｆｉｎｔｒａ－ｅｌａｓｓｐａｒａｍｅｔｅｒｓ７１ａｎｄ
（１，ＳｃｈｏｏｌｏｆｉｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｃｈｉｎａ；
同的学习样本和测试样本进行部位和颜色分组识别。在删减部分不相干光谱后，识别率分别提高到９７．２３％和９５．５２％；继续删除相关度不高的光谱，在识别率略有下降时，光谱特征数可减少到２００个以下。结果表明：利用聚类方法进行特征筛选，不仅可提高识别率，且可大大减少光谱数据，因而极
ｒａｔｅｓｏｆｐａｒｔａｎｄｃｏｌｏｒａｒｅ１００％ｆｏｒｔｒａｉｎｓａｍｐｌｅ，９６．２２％ａｎｄ９２．７９％ｒｅｓｐｅｃｔｉｖｅｌｙｆｏｒｔｅｓｔｓａｍｐｌｅ．Ａｆｔｅｒｓｏｍｅｉｒｒｅｌｅｖａｎｔｓｐｅｃｔｒａｒｅａｒｅｍｏｖｅｄｂｙｃｌｕｓｔｅｒｉｎｇａｌｇｏｉｒｔｈｍ，ｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｃａｎｂｅｉｍｐｒｏｖｅｄｔｏ９７．２３％ａｎｄ９５．５２％ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｃｏｎｔｉｎｕｅｃｕｔｔｉｎｇｓｐｅｃｔｒａｈａｖｉｎｇｌｏｗｃｏｒｒｅｌａｔｉｏｎｗｉｔｈｃｌａｓｓｉｉｆｃａｔｉｏｎ．Ｔｈｅｒｅｃｏｎｉｇｔｉｏｎｒａｔｅｗｉｌｌｄｅｃｌｉｎｅｄｓｉｎｉｇｉｆｃａｎｔｌｙｗｈｅｎｔｏｏｍａｎｙｓｐｅｃｔｒａａｒｅｒｅｍｏｖｅｄ．ＴｈｅｎｕｍｂｅｒｏｆｓｐｅｃｔｒａＣｎａｂｅｒｅｄｕｃｅｄｔｏ
ｉｎｔｅｒ－ｃｌａｓｓｐａｒａｍｅｔｅｒｓＹ２．Ｐａｒｔａｎｄｃｏｌｏ；ｃｌａｓｓｉｉｆｅｄｂｙＳＶＭｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｎｅｒａ
２．ＺｈｅｎｇｚｈｏｕＣｉｔｙＴｏｂａｃｃｏＭｏｎｏｐｏｌｙＢｕｒｅａｕ，Ｚｈｅｎｇｚｈｏｕ４５０００６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｉｓａｐｐｌｉｅｄｔｏｓｅｌｅｃｔｔｈｅｅｆｅｃｔｉｖｅｆｅａｔｕｒｅｓｆｒｏｍｔｈｅｏｒｉｇｉｎａｌｓｐｅｃｔｒａ．Ｔｈｅ
大地减少了数据采集时间，简化了分组模型，提高了系统的实时和快速处理能力。关键词：近红外光谱；特征选择；烟叶分组；聚类；支持向量机中图分类号：ＴＮ２１９文献标识码：Ａ文章编号：１００１ — ８８９１（２０１３）１０．０６５９．０６
赵海东，申金媛，刘润杰，刘剑君
（１掷州大学信息工程学院，河南郑州４５０００１；２．郑州市烟草专卖局，河南郑州Ｉ４５０００６）
摘要：提出利用聚类方法对光谱数据进行特征筛选。通过分析类内参数和类间参数Ｙ２对筛选结果的影响，选择较好的和Ｙ２进行有用光谱特征筛选。利用烤烟叶的近红外反射光谱（１５００＂－－２４００ｎ／／ｌ间隔２ｈｉ／１），选用ＳＶＭ方法进行部位和颜色分组识别，训练样本的识别率为１００％，测试样本的识别率分别是９６．２２％和９２．７９％。然后利用聚类方法对初始光谱进行特征筛选，选用相同的ＳＶＭ方法及相
ＴｏｂａｃｃｏＬｅａｆＳｅｌｅｃｔｉｏｎＭｅｔｈｏｄｏｆｔｈｅＮｅａｒ－ｉｎｆｒａｒｅｄＳｐｅｃｔｒｏｓｃｏｐｙＥｆｆｅｃｔｉｖｅＦｅａｔｕｒｅＢａｓｅｄｏｎｔｈｅＣｌｕｓｔｅｒＺＨＡＯＨａｉ．ｄｏｎｇ，ＳＨＥＮＪｉｎｙｕａｎ，ＬＩＵＲｕｎ－ｊｉｅ，ＬＩＵＪｉａｎ－ｊｕｎ
第３５卷第１０期２０１３年ｌＯ月
红外技术
ＩｎｆｒａｒｅｄＴｅｃｈｎｏｌｏｇｙ
、ｂｌ－３５ＮＯ．１００ｃｔ．２０１３
＜红外应用＞
基于聚类的烟叶近红外光谱有效特征的筛选方法
ｉｎｒｆａｒｅｄｒｅｌｆｅｃｔｉｎｇｓｐｅｃｔｒａ（１５００ｎｍ一２４００ｎｍｉｎｔｅｒｖａｌｏｆ２ｎｍ）ｏｆｌｆｕｅ — ｃｕｒｅｄｔｏｂａｃｃｏｌｅａｖｅｓ．Ｔｈｅｒｅｃｏｇｎｉｔｉｏｎ