基于支持向量机的近红外特征变量选择算法用于树种快速识别
发布时间:2017-10-21 22:04
本文关键词:基于支持向量机的近红外特征变量选择算法用于树种快速识别
更多相关文章: 近红外光谱 支持向量机 变量选择 树种识别 制浆造纸
【摘要】:将稳定度自适应重加权采样特征变量选择算法用于支持向量机定性分析(Support vector machine-stability competitive adaptive reweighted sampling,SVM-SCARS)。该算法通过对数据多次采样建模计算各变量的稳定度值,稳定度值能更加客观准确地评估变量在建模中的作用,因此可作为变量重要性的评价依据。通过循环迭代方式,采用自适应重加权采样技术逐步筛选变量,然后以每次循环所得变量子集建立SVM模型,并以模型交叉验证分类正确率(Correct classification rate of cross validation,CCRCV)评估子集优劣,确定最优特征变量子集。将该算法结合漫反射近红外光谱技术建立了制浆造纸常用木材的树种识别模型,实现了对4种桉木和2种相思木的快速识别分类。最终共筛选出15个特征变量建立分类模型,模型对各树种分类的正确率达97.9%,具有较好的分类效果。与全光谱模型和递归特征消除支持向量机模型相比,SVM-SCARS能够筛选出更少的特征变量,且模型具有更好的预测性能和稳定性。研究结果表明,SVM-SCARS算法能够有效优化光谱特征变量,提高近红外在线分析模型在木材材性分析中的稳健性和适用性。
【作者单位】: 中国林业科学研究院林产化学工业研究所;江苏省生物质能源与材料重点实验室;国家林业局林产化学工程重点开放性实验室;生物质化学利用国家工程实验室;华夏科创仪器有限公司;
【关键词】: 近红外光谱 支持向量机 变量选择 树种识别 制浆造纸
【基金】:国家林业局948项目(2014-4-31)
【分类号】:S718.4;O657.33
【正文快照】: 由于优质木材原料供应短缺,采用多种木材纤维原料混合制浆造纸目前已成为必然。而不同树种的木材原料因其纤维形态、化学组成等差异会直接影响到工艺参数、生产成本和纸浆产品质量,因此需要针对木材树种和材性的变化适时调整生产工艺条件[1]。但传统制浆原料的分析方法步骤繁
【共引文献】
中国期刊全文数据库 前10条
1 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
3 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
4 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
5 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期
6 邹心遥;姚若河;;基于LSSVM的威布尔分布形状参数估计(英文)[J];半导体技术;2008年06期
7 邹心遥;姚若河;;基于LSSVM的小子样元器件寿命预测[J];半导体技术;2011年09期
8 李卓远,吴为民,王e,
本文编号:1075416
本文链接:https://www.wllwen.com/kejilunwen/huaxue/1075416.html
教材专著