10.3964/j.issn.1000-0593(2020)02-0391-06
结合径向基函数和KPCA的食用油太赫兹光谱特征提取方法
针对太赫兹光谱线性不可分的情况,提出结合径向基函数和核主成分分析(KPCA)的方法进行食用油太赫兹光谱特征提取.该方法所提取到的特征类内距离小,类间距离大,在大多数支持向量机(SVM)分类器可以建立准确的分类模型.太赫兹光谱是检测食用油种类和品质的一种重要手段,研究针对食用油太赫兹光谱的特征提取技术对于食用油种类和品质快速检测具有重要意义.虽然利用太赫兹光谱检测食用油种类和品质已经具备理论基础,但是如何准确提取食用油太赫兹光谱的特征,从而建立更加准确的分类模型依然是一个难点.目前研究人员常常采用化学计量学中的主成分分析法(PCA)提取特征,结合机器学习的方法建立物质分类模型.然而,食用油的太赫兹光谱的线性可分情况在不同频段有不同的特性.当食用油的太赫兹光谱线性可分时,使用PCA提取特征是可行的,容易建立准确的分类模型.但是,当食用油的太赫兹光谱线性不可分时,使用PC A提取到的特征往往不够准确,需要选择合适的分类器去建立准确的分类模型.结合径向基函数和KPCA的特征提取方法通过径向基函数将线性空间不可分的太赫兹光谱数据映射到径向基空间,然后使用KPCA提取特征,最终实现特征线性可分,从而可以建立更加准确的分类模型.实验首先使用滑动窗口平均滤波算法对3种食用油太赫兹光谱数据进行滤波处理,接着使用径向基函数对太赫兹光谱进行非线性映射,然后采用K PC A进行数据降维,最后用支持向量机对食用油建立分类模型,验证特征提取效果.类间可分性计算结果表明,该方法所提取的特征类内距离更小,类间距离更大,整体上特征提取效果优于PCA和KPCA.基于不同内核的SVM模型上进行分类验证的实验结果表明,在PCA和KPCA提取的特征在一些分类模型上无法准确区分食用油种类的情况下,该工作特征提取方法在各种内核的SVM模型上均能准确区分食用油种类.所提出的方法用于食用油太赫兹光谱特征提取有更好的效果,在食用油品质检测与分析方面具有良好的应用价值.
太赫兹光谱、径向基函数、核主成分分析、支持向量机
40
O433(光学)
国家自然科学基金项目;国家重点研发计划;国家自然科学基金广东联合基金项目;广东省信息物理融合系统重点实验室项目;智能制造信息物理融合系统集成技术国家地方联合工程研究中心;高分辨率对地观测系统重大专项
2020-03-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
391-396