自適應(yīng)小波包特征提取支持向量機(jī)建模及光譜分析應(yīng)用.pdf

1、近紅外光譜技術(shù)具有分析速度快、樣品前處理要求不高、分析過(guò)程中不消耗其它材料或破壞樣品、分析重現(xiàn)性好、成本低等優(yōu)點(diǎn),是一種新型的高效分析技術(shù),在很多領(lǐng)域都有廣泛的應(yīng)用。但是近紅外光譜也有著特征區(qū)域不明顯,光譜信息冗余等問(wèn)題。在對(duì)復(fù)雜體系進(jìn)行定量分析時(shí),通常都會(huì)把近紅外光譜技術(shù)與化學(xué)計(jì)量學(xué)方法結(jié)合起來(lái)。本論文的主要內(nèi)容是提出了一種新的化學(xué)計(jì)量學(xué)方法并應(yīng)用于近紅外光譜數(shù)據(jù)的分析,主要內(nèi)容如下:
　　(1)結(jié)合近紅外光譜的特點(diǎn),提出了一種

2、基于粒子群優(yōu)化算法的自適應(yīng)小波包變換特征提取支持向量機(jī)建模新算法。小波包變換不同于小波變換,它在對(duì)原始信號(hào)分解時(shí)是同時(shí)分解低頻和高頻信號(hào),而小波變換僅僅是對(duì)低頻信號(hào)進(jìn)行分解。在小波包變換中原始信號(hào)通過(guò)更多的濾波器,使得小波包變換在特征提取、平滑信號(hào)、去基線(xiàn)的過(guò)程中更加靈活。支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論原則的學(xué)習(xí)機(jī),它采用結(jié)構(gòu)最小化原理,在很多方面表現(xiàn)出了良好的泛化能力。在構(gòu)建小波包變換結(jié)合支持向量機(jī)方法模型時(shí),因?yàn)樾〔ò儞Q中小波包

3、分解樹(shù)的構(gòu)建是一個(gè)離散優(yōu)化問(wèn)題,而在支持向量機(jī)中參數(shù)的確定則是一個(gè)連續(xù)空間中的優(yōu)化問(wèn)題,同時(shí)調(diào)用離散型與連續(xù)型兩種版本的粒子群優(yōu)化算法可以解決上述兩類(lèi)優(yōu)化問(wèn)題,實(shí)現(xiàn)模型性能的協(xié)同優(yōu)化。在對(duì)肉類(lèi)近紅外光譜數(shù)據(jù)進(jìn)行分析時(shí),較之人工神經(jīng)網(wǎng)、傳統(tǒng)支持向量機(jī)等方法,發(fā)現(xiàn)此方法建立的定量分析模型更為穩(wěn)健。
　　(2)把這種新算法應(yīng)用于玉米中水分和蛋白近紅外光譜數(shù)據(jù)的定量預(yù)測(cè),并與偏最小二乘、人工神經(jīng)網(wǎng)絡(luò)、基于熵最小準(zhǔn)則的小波包變換結(jié)合支持向量

4、機(jī)算法進(jìn)行了對(duì)比。雖然基于粒子群優(yōu)化的小波包變換支持向量機(jī)模型也出現(xiàn)了一定的過(guò)擬合現(xiàn)象,但是與其他模型相比較訓(xùn)練集和預(yù)測(cè)集樣本的均方根誤差值均有顯著下降,預(yù)測(cè)模型的精度和泛化能力都有了很大的提高。這為基于近紅外光譜技術(shù)的玉米品質(zhì)檢驗(yàn)提供了一種可靠的定量分析方法。
　　(3)干草的品質(zhì)分析在整個(gè)畜牧業(yè)具有很大的意義,近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)用于干草有效成分的定量分析,有助于實(shí)現(xiàn)快速、低成本的干草品質(zhì)分析。本文中,結(jié)合近紅外光譜技