10.3964/j.issn.1000-0593(2021)08-2505-06
基于三维荧光光谱结合二维线性判别分析的油类识别方法的研究
油类污染严重威胁到自然环境及人类健康.因此,识别和处理油类污染非常重要.由于三维荧光光谱能够表征石油的荧光特征,故一般利用三维荧光光谱法检测溶液中存在的油类污染物.但油类的三维荧光光谱数据维度较高且直接分析的难度较大,因此可以利用数据降维方法提取原始油类样本的光谱特征,并利用所得到的光谱特征对样本进行识别.基于此,利用二维线性判别分析(2D-LDA)对油类样本进行特征提取,研究提取的不同样本光谱特征的差别,将得到的光谱特征作为K最近邻(KNN)分类的输入,得到相应的分类结果.首先,分别配制四种不同的油类(柴油、汽油、航空煤油、润滑油)样本各20个,共计得到80个油类样本;然后,利用FS920光谱仪采集所有油类样本的三维荧光光谱数据;其次,对采集到的光谱数据进行预处理,去除光谱中散射的干扰并标准化;最后,利用2D-LDA算法对样本进行特征提取,利用KNN算法进行分类,并将其分类结果与经主成分分析(PC A)进行特征提取后的分类结果比较.研究结果表明,2D-LDA提取特征的分类效果优于PCA.利用2D-LDA分别提取发射和激发特征得到测试集识别的准确率相同且都为95%,而将发射和激发光谱特征的分类距离相结合并重新进行分类的准确率为100%.表明两类光谱相对于三维荧光光谱具有互补性,将发射和激发光谱特征相结合能够更好地对样本进行分类.而利用PCA对测试集识别的准确率仅为85%,表明2D-LDA对三维荧光光谱数据的特征提取效果更好.与PCA相比,2D-LDA通过类内散度和类间散度最大化投影向量来提取样本的特征,使得同类样本尽可能接近,不同样本尽可能分离.因此,2D-LDA具有使降维后的数据更容易被区分的特点,故其鲁棒性好.该研究为油类的降维识别提供了一种参考.
三维荧光光谱;二维线性判别分析;主成分分析;K最近邻
41
O433.4(光学)
国家自然科学基金项目;河北省自然科学基金项目
2021-08-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
2505-2510