不同平滑集成CARS算法在红茶等级光谱判别中的应用

发布时间：2023-09-29 03:30

　　移动窗口平滑集成CARS算法(MWS-ECARS)是一种稳定的特征变量提取算法。在前人研究的基础上,提出了两种基于不同窗口平滑算法改进的MWS-ECARS对红茶光谱降维,并与原始的MWS-ECARS、常用的连续投影算法(SPA)、竞争性自适应重加权算法(CARS)、移动窗口偏最小二乘法(MWPLS)比较,建立偏最小二乘算法回归模型(PLSR),选择出最优红茶等级判别模型。两种改进的MWS-ECARS方法分别是窗口高斯滤波平滑集成CARS(gaussian filter ECARS, GF-ECARS)、窗口中值滤波平滑集成CARS(median filter ECARS, MF-ECARS)。CARS算法运行n次(该研究n=1 000),整合波长及其对应的挑选频率并用不同的窗口平滑算法对挑选频率进行平滑,窗口宽度均为3～31,窗口步长均为2;将通过不同窗口宽度和平滑算法平滑过的挑选频率进行阈值的设定,起始阈值及步长均为20;最后选择出挑选频率大于阈值的波长,建立PLSR模型,以预测集相关系数(R_P²)为判断因子,R_P

【文章页数】：6 页

【文章目录】：
引 言
1 实验部分
    1.1 红茶样品的制备及可见-近红外光谱的采集
    1.2 MWS-ECARS原理
2 结果与讨论
    2.1 红茶样本的可见-近红外光谱
    2.2 光谱数据预处理
    2.3 光谱数据降维
        2.3.1 基于MWS-ECARS的光谱数据降维
        2.3.2 基于连续投影算法(SPA)和竞争自适应重加权算法(CARS)的光谱数据降维
        2.3.3 移动窗口偏最小二乘法(MWPLS)挑选特征波段
    2.4 建模结果分析
3 结 论



本文编号：3849202