训练字典及其稀疏表示在近红外光谱法检测柴油中的应用
为提高柴油组分近红外法检测的精度,提出了一种基于训练字典稀疏表示下的建模方法并用于柴油十六烷值、沸点和芳烃总量的检测.该法先用柴油光谱结合K均值奇异值分解(K-SVD)算法完成对冗余字典的训练,再用正交匹配追踪算法(OMP)寻找柴油光谱在该训练字典下的稀疏表示系数,用该系数建立了柴油十六烷值、沸点和芳烃总量偏最小二乘预测模型.实验比对了训练字典、傅里叶字典和小波字典稀疏表示下的柴油组分预测模型性能,其中训练字典的表示系数建模性能最优且比其他两种字典的预测性能有较大幅度改进,验证了该法在近红外光谱检测建模领域推广能改善预测的准确度和稳健性.
近红外、柴油组分、稀疏表示、冗余字典、字典训练
70
O657.3(分析化学)
国家自然科学基金51075280;浙江省重大科技专项和优先主题计划2010C11060;浙江省自然科学基金Y4110235
2012-11-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
1969-1973