机器学习在光谱特征选择和润滑脂类别鉴定中的应用研究

发布时间：2020-05-20 21:21

【摘要】：伴随着科学技术的快速发展,大量信息被收集,这些信息的确为我们的生活带来了巨大的方便,但与此同时,从大量数据中获得有意义有价值的信息是非常困难的。不仅如此,随着数据的信息、规模、种类呈现不断扩大的趋势,越来越多的数据资料呈现出维度高,样本小的形式。样本特征空间存在大量冗余、无用的信息,这些“噪声”加大了人们学习和认知事物本质的难度。特征选择方法正是在这样的需求背景下应运而生的。通过在原始特征空间筛选有用的特征子集,排除无用,无意义的信息特征以便降低处理分析数据的难度。正因为如此,特征选择在实际生活中得到广泛的重视和应用。润滑脂的应用范围十分广泛,为满足层出不穷的设备装置的润滑要求,润滑脂的生产工艺、技术、品种、产量、分析评价方法,都需要详细评测。在润滑脂类别鉴定方面,润滑脂种类无法通过肉眼判别,常规经验主观性强,一致性差,在润滑脂种类鉴别分析中,如果只确定润滑脂的品牌而不是润滑脂的种类、成分,会出现润滑脂数据属性和润滑脂类别属性不对应的情况,进而出现类别确定错误。故而需要一种快速无损的检测方法,实现对润滑脂的有效鉴别。本文在以润滑脂红外光谱数据为信息载体的基础上,通过优化、网络算法,筛选代表润滑脂类别信息的红外光谱波段,建立层次化类别鉴定模型,对润滑脂类别进行鉴定。本文主要成果如下:(1)光谱信息筛选,相比全光谱1868个光谱点,经过优选后为100个连续得光谱点,为全部红外光谱的5.3%。(2)层次化训练得到的模型区分聚脲润滑脂的准确率从88.8%提升到95.2%。(3)应用推荐光谱区分锂基润滑脂和磺酸钙润滑脂的准确度达到100%,100%。(4)从优选后的特征波段中选取光谱点绘制不同类别润滑脂在光谱点的三维空间分布,证明特征光谱保有润滑脂类别信息。
【图文】：

历史存在,原始数据图,润滑脂,光谱数据

￣￣？结果验证逡逑图２－１特征选抒流程逡逑特征子集：指在特定策略指导下，获得的相应集合。可以使所有特征的集合，逡逑即原始集合；不包含任何特征的空集；随机的特征子集。具体形式根据特定策略决逡逑定。特征选择的搜索方向可以使从集合中逐步削减特征数量的搜索方式和Ａ集合逐逡逑步添加特征的搜索方式。逡逑子集评价：对特征子集的优劣进行判断的人为规定的标准。特征子集的选择取逡逑决于对应模型分类性能的评价标准和输出预测结果和真实值之问的差异。能否选取逡逑合适的标准体系严桘影响特征子集拥有信息量大小、模型预测能力、模型的扩展件逡逑和应用价值。逡逑终止条件：用ｒ？控制评价环丨Ｖ是否停止的控制语句。终止条件般和评价标准逡逑懾关。常用的死忠终止条什：１）得到对应评价函数的最优解；２）超过评价标准所逡逑设定的阈值；３）循环最大次数；４）继续迭代不能获得更好的特征ｆｍ。逡逑结果验证：通常包括对新数椐的预测精确度、运兑所消耗的时间、模型复杂程逡逑度等。逡逑２．３假说演绎法逡逑假说演绎法：通过对现实世界的观察，分析总结规律，提出猜想，并依据猜想，逡逑推测将要发生的事情，并作出合理的预测，，经过时间的检验，若现实和预测符合，逡逑则假说是｜丨丨确的，反之，若现实和预测结果不符合，则假说没有经受住时间的考验，逡逑假说失败。这是分析和发现规律的？种科学手段。逡逑为了获得某？具体问题的答案，往往需要通过自己的知识、经验、想象力提出逡逑－种假说，来对这？具体问题进行解释。但仅仅从经验和知识上判断问题是古ｉＫ确，逡逑是不可靠地，想要成为人们可以接受的广泛性确定的结论，还必须用得到的假说预逡逑测可能出现的情况

分布情况,低维空间,累计贡献率,润滑脂

图２－５邋５０个特征的主耍成分的累计贡献率显示逡逑－５逦１０逦－６逡逑？１０逦８逦－８逡逑＜？逡逑－?
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O657.33;TE626.4

【参考文献】