基于Adaboost及谱回归判别分析的近红外光谱固态发酵过程状态识别

发布时间：2017-12-17 23:17

  本文关键词：基于Adaboost及谱回归判别分析的近红外光谱固态发酵过程状态识别

  更多相关文章： 光谱分析 近红外 特征提取 谱回归判别分析 Adaboost

【摘要】：为了实现固态发酵过程状态的快速监测,以饲料蛋白固态发酵为实验对象,开展了基于近红外光谱分析技术的饲料蛋白固态发酵过程状态定性识别研究。首先利用AntarisⅡ型傅里叶变换近红外光谱仪采集140个固态发酵物样本的近红外光谱,并采用标准正态变换(SNV)光谱预处理方法对获得的原始光谱进行预处理;其次,采用谱回归判别分析(SRDA)法对预处理后的近红外光谱进行特征提取;最后,采用最近邻(NN)分类算法作为弱分类器建立固态发酵过程状态识别模型,并对测试集样本进行识别。结果显示,与利用主成分分析(PCA)法和线性判别分析(LDA)法提取的光谱特征建立的识别模型结果相比较,SRDA-NN识别模型获得的结果最佳,在测试集中的正确识别率达到94.28%;为了进一步提高识别模型的准确率,将自适应提升法(Adaboost)与SRDA-NN方法结合,提出了Adaboost-SRDA-NN集成学习算法来建立饲料蛋白固态发酵过程状态的在线监测模型。通过Adaboost算法提升后的SRDA-NN模型预测性能得到了进一步增强,Adaboost-SRDA-NN模型在测试集中的正确识别率达到100%。试验结果表明:在近红外光谱定性分析模型校正过程中,SRDA方法能有效地对近红外光谱数据进行特征提取,以实现维数约简;另外,Adaboost算法能很好地提升最终分类模型的预测精度。
【作者单位】： 苏州工业职业技术学院机电工程系;南京航空航天大学机电学院;江苏大学电气信息工程学院;
【基金】：国家中小型企业创新基金项目(12C26213202207) 中国博士后科学基金面上项目(2014M550273)资助
【分类号】：TQ920.6;O657.33
【正文快照】： 引言近红外光谱分析技术作为一门快速、无损的现代分析技术,已在生物发酵领域取得了一些研究成果[1-6]。我们采用近红外光谱分析技术对饲料蛋白固态发酵过程进行状态识别。但是由于近红外光谱数据具有高维性和易干扰性的特点,在利用光谱数据建立状态识别模型前,通常会采用相应

【相似文献】

中国期刊全文数据库 前10条

1 许剑;张洪伟;;Adaboost算法分类器设计及其应用[J];四川理工学院学报(自然科学版);2014年01期

2 张硕;;基于Adaboost的车标识别方法研究[J];中国安防;2014年05期

3 杨文倩;;基于AdaBoost算法的实时目标跟踪[J];中国安防;2014年09期

4 雷炜;;一种对决策树优化的方法AdaBoost及其改进[J];中原工学院学报;2008年06期

5 吴家伟;严京旗;方志宏;夏勇;;基于Adaboost改进算法的铸坯表面缺陷检测方法[J];钢铁研究学报;2012年09期

6 武小红;唐凯;孙俊;;基于Adaboost+OLDA和近红外光谱的猪肉贮藏时间辨别[J];光谱学与光谱分析;2012年12期

7 于霜;丁煜函;刘国海;程锦翔;;生物发酵过程的LSSVM-Adaboost逆软测量方法[J];计算机与应用化学;2013年11期

8 王磊;侯媛彬;李龙;;改进AdaBoost算法的条码识别[J];辽宁工程技术大学学报(自然科学版);2013年02期

9 王文豪;严云洋;;基于AdaBoost RBF神经网络的火灾烟雾检测[J];河南理工大学学报(自然科学版);2014年02期

10 蒋白桦;刘伟;戴志军;王宏安;;基于工况的操作模式优化及在石化工业中的应用[J];化工学报;2012年12期

中国重要会议论文全文数据库 前10条

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年

2 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年

4 张红梅;高海华;王行愚;;抑制样本噪声的AdaBoost算法及其在入侵检测中的应用[A];2007年中国智能自动化会议论文集[C];2007年

5 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

6 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

7 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李丽;肖佳文;;基于AdaBoost-SVM的上市公司信用风险评估[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

中国博士学位论文全文数据库 前3条

1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

2 张太宁;人眼注视点估计方法的研究[D];南开大学;2013年

3 赵培英;基于智能计算的膜蛋白结构与相互作用预测研究[D];东华大学;2010年

中国硕士学位论文全文数据库 前10条

1 皮丽琴;基于AdaBoost-GASVM算法和LDA主题模型的短文本分类研究[D];华南理工大学;2015年

2 孙斌;一种基于Adaboost的实时行人检测算法[D];华南理工大学;2015年

3 蔡泽彬;基于视频分析的行人检测及统计方法研究[D];华南理工大学;2015年

4 游晴;Adaboost人脸检测算法研究及其在硬件平台上的实现[D];昆明理工大学;2015年

5 宋雨;基于视觉图片的脑—机接口控制研究[D];天津理工大学;2015年

6 林欣;基于改进肤色模型的AdaBoost人脸检测算法研究[D];陕西科技大学;2015年

7 袁浩杰;Adaboost算法的并行化及其在目标分类中的应用[D];华南理工大学;2015年

8 张恒;基于近红外图像的疲劳驾驶检测研究与系统实现[D];长安大学;2015年

9 朱非易;基于不平衡学习的蛋白质—维生素绑定位点预测研究[D];南京理工大学;2015年

10 张元;一种基于AdaBoost的组合分类算法研究[D];四川师范大学;2015年

，

本文编号：1301939